欢迎进入气象科学专业知识服务系统!
文献介绍

当前位置:首页>专业文献>文献详情

均生函数与BP神经网络耦合模拟预测模型研究及应用软件开发

Application Software Development of Coupling the Model of Mean Generating Function and BPNeural Network for Forecasting Rainfall and Temperature in Horqin Sandy Land Simulation

摘要:水文气候因子的变化深刻影响着生态环境、资源的更新变化与开发利用,特别是干旱地区,由于生态环境相对脆弱,对水文气候因子变化敏感。近几十年来,全球水文气候因子的变化对水文水资源和生态环境影响,已成为全球重要的研究内容。通过对水文气候因子的模拟预测研究,可进一步丰富完善模拟预测理论,对未来气候变化研究、生态环境改善、水资源合理开发利用等具有一定参考意义。本文在分析总结各类相关已有模拟预测理论的基础上,选择均生函数、BP神经网络为基础方法。通过分析发现,均生函数、BP神经网络及其已有耦合方式在模拟预测中发挥了各自的优势,但仍有进一步可改进空间。从粗选因子集、粗选集组合精选、精度控制条件等进行改进,进一步发挥均生函数和BP神经网络各自优势,建立了一种新的均生函数与BP神经网络耦合模拟预测模型(MGF-BP-Ⅰ模型)。利用MGF-OSR, MGF-OSR-BP、MGF-BP-Ⅰ三种方法五种模式对科尔沁沙地区域平均年降水进行了模拟预测。结果表明:(1)在建模阶段,MGF-OSR-BP, MGF-BP-Ⅰ整体同时最优、MGF-BP-Ⅰ建模阶段最优模式98%的年数相对误差分布于0~0.5%、0~1.25%、0~0.1%,拟合效果均较好,而MGF-BP-Ⅰ建模阶段最优模式精度优于MGF-OSR-BP近3倍。(2)在检验阶段,MGF-OSR、MGF-OSR-BP、MGF-BP-Ⅰ建模阶段最优三种模式的相对误差分布在0-70%之间,跨度大,误差高。MGF-BP-Ⅰ整体同时最优、MGF-BP-Ⅰ检验阶段模式4年的相对误差集中于0~1%、0~2.3%之间,MGF-BP-Ⅰ整体同时最优模式有一年的相对误差为6.45%,精度较高。MGF-BP-Ⅰ检验阶段模式有一年的相对误差为2.66%,精度较高,误差范围集中。MGF-BP-Ⅰ检验阶段最优相比其他模式精度提高了8-27倍。(3)预测发现,未来2015、2017年降水相对丰富,其他年份趋于正常。由于2013、2014年实测数据已出,对比发现,相对误差分别为10.98%和8.65%,预测精度较高。(4)总体上,MGF-BP-Ⅰ模型考虑更加全面,精度远高于其他两种方法,MGF-BP-Ⅰ整体同时最优模式更符合实际应用,效果理想,可用于水文气候因子模拟预测。根据MGF-BP-Ⅰ模型原理,利用Visual C++ 6.0开发工具采用模块化设计,开发了MGF-BP-Ⅰ应用软件。软件主要功能包括三种方法五种模式的实现,模拟预测数据等的查看功能,连接功能,输入输出功能,帮助功能等。将应用软件用于科尔沁沙地区域平均年气温模拟和预测中,结果表明,(1)在建模阶段,MGF-OSR、MGF-BP-Ⅰ检验阶段最优模式93%的年数相对误差集中于1~15%和0~0.3%。MGF-BP-Ⅰ整体同时最优、MGF-BP-Ⅰ建模阶段最优和MGF-OSR-BP模式95%的年数相对误差分布于0~0.03%、0~0.01%和0~0.1%之间,精度较高。(2)在检验阶段,MGF-OSR、MGF-OSR-BP、MGF-BP-Ⅰ建模阶段最优三种模式的相对误差从0-40%之间都有分布。MGF-BP-Ⅰ整体同时最优模式4年的相对误差集中于0-5%之间,精度较高。MGF-BP-Ⅰ检验阶段最优模式相比其他模式精度提高1-3倍。(3)预测发现,未来气温2015年的增速最大,2016年达到最高,2017年气温有所回落。与2013、2014年的实测数据对比,相对误差为7.75%、11.98%,精度可以。(4)总体上,MGF-BP-Ⅰ模拟预测模型可用于气温的模拟预测,软件可用,精度较高。另外,通过使用黄河流域内蒙古段降水进行模拟发现,模型亦有一定区域适应性。同时,本应用软件模块划分明确,结构清晰、界面设计简单、功能齐全,通用及适用性强,可以在水文气候因子中进行更广泛的推广应用。本论文依托内蒙古自治区自然科学基金项目(2014MS0407、2010BS0608)、国家自然科学基金项目(50869005)、教育部《寒旱区水文过程与环境生态效应》创新团队、科技部《寒旱区水文过程与环境生态效应》创新团队完成。

基本信息

doiCNKI:CDMD:2.1016.250460
作者 刘丹辉
Author
作者单位
刊名
Journal
年,券(期)2016-06-01,(2017)
分类号16
关键词 均生函数 BP神经网络 耦合模拟 MGF-BP-I 预测 科尔沁沙地 Visual C++6.0 应用软件开发 气温 降水量
Keywords Mean Generating Function BP neural network Coupled simulation MGF-BP-Ⅰ prediction Horqin Sandy Land application software development Visual C++ 6.0 temperature precipitation
在线出版日期2016-06-01
基金项目

相关专家

相关推荐