基于bp神经网络的义乌市梅雨量的预测研究-自然地理学专业论文.docxVIP

基于BP神经网络的义乌市梅雨量的预测研究摘 基于BP神经网络的义乌市梅雨量的预测研究 摘 要 针对梅雨量的多寡可决定水库蓄水量的多少，而有助于判定人工增雨作业时机这 一现实问题，通过构建具有明确的气候背景的义乌市梅雨量BP神经网络预报模型， 并以相同的预报因子所组成的历史样本，建立了逐步回归预报模型作为预测效果对比 模型，对未来一年(2010年)义乌市梅雨量进行了分析和预测。主要的研究成果有： (1)义乌市梅雨总体上存在着以11 a为准周期的相对丰水期、枯水期变化特征， 同时也与太阳活动的22 a周期存在着对应关系。 (2)义乌市梅雨量对厄尔尼诺／拉尼娜现象存在着较为显著的响应关系。 ’(3)影响义乌市梅汛期雨量的北半球500 hPa高度场的3项因子和全球海温场的 7项因子分别集中在北半球中高纬度和赤道附近太平洋中北部地区。 (4)影响义乌市梅汛期雨量的500 hPa大气环流因子主要集中在北半球高纬度， 从而验证了长江中下游梅雨期的持续稳定与乌拉尔山和鄂霍次克海高压脊或者阻塞 高压的建立和维持密切相关；前期海温异常与义乌市梅汛期降水量具有较好的相关关 系，最显著的相关区为上一年12月份至次年4月份的西太平洋暖池附近、北大西洋， 上一年12月份至次年2月的赤道中东部太平洋的加纳利寒流区，以及1月份的赤道 附近南印度洋海区。但作为先兆信号的前期初选预报因子如何影响义乌市梅雨量的物 理过程有待进一步探究。 (5)和传统的逐步回归预报模型相比，BP神经网络预报模型对义乌市梅雨量的 预报具有一定优势，可利用其预报未来一年的义乌市梅雨量。最后，制定了梅雨量的 分级标准和步骤，对试报效果较好的BP神经网络预报模型的预测值进行分级评定， 并用预测值对梅雨量的基本等级进行修正，综合得出预测值区间。在具体业务预报中， 对梅雨量分级预测需要考虑此年的周期性因素以及海气状况，即关注厄尔尼诺(拉尼 摘 摘 要 娜)事件是否确实发生。 (6)2010年义乌市不需要在梅雨季节时实施人工增雨，该区域天然降水量基本可 满足在伏旱季节实际生产和生活用水的需要。 关键词：义乌市；梅雨量；BP神经网络模型；逐步回归预报模型；相关分析； 人工增雨 II FORECAST FORECAST OF T脏M匣IYU RAn师ALL IN YIWU CITY BASED 0lN BP NEUR AI，NETWORK AB STRACT The amount of Meiyu rainfall could decide how much water tO be stored in reservoirs and could help to determine the exact moment of artificial precipitation operation． Therefore，aim at this practical problem，this paper constructed the BP neural network forecast model of Meiyu rainfall、jl，inl the definitive climate background to analyze and forecast the Meiyu rainfall of the coming year(201 0)in Yiwu city．At the same time，it had established the stepwise regression forecast model by the historical samples that consist of the s锄e predictor,which was as a model for comparison tO compare the various results． ．Main research results were as follows： (1)The Meiyu in Yiwu city generally existed relative change characteristics of flood period and dry sefison over an quasi-periodic 1 1-year cycle，and there were corresponding relationship of sun’S activity waxes and wanes on all 22-year cycle． (2)There were relatively remarkable response relationship of the Meiyu rainfall in Y