1311.基于灰色神經網絡的年降水量組合預測模型研究

1、基于灰色神經網絡的年降水量組合預測模型研究重慶大學碩士學位論文(學術學位)學生姓名：郭寶麗指導教師：熊慶宇教授專業(yè)：控制科學與工程學科門類：工學重慶大學自動化學院二O一四年四月重慶大學碩士學位論文中文摘要I摘要降水是水文循環(huán)系統(tǒng)中的重要環(huán)節(jié)，同時它也是十分重要的一種氣象現象。年降水量是預報洪澇災害、管理水資源及預報分析水文的一個重要參數故而某地區(qū)的水資源程度取決于其年降水量。準確的預測降水量能夠給水利和農業(yè)部門提供有效幫助。但是因為氣象

2、條件具有復雜多樣性，這使得降水量具有很大的隨機性，所以利用傳統(tǒng)方法對的降水量進行預測時其預測精度一般都較低。為了提高年降水量的預測精度，本文提出一種基于灰色波形預測算法和小波神經網絡的年降水量組合預測模型。組合預測模型是一種有效保留各個單項預測模型中有價值的數據信息的預測方法能夠使預測模型泛化避免模型的過度擬合，提高預測模型的預測精度。本文主要做了三部分研究工作：首先，優(yōu)化小波神經網絡。深入研究分析小波神經網絡預測模型的原理發(fā)現其參數和

3、閾值都是利用嘗試法來確定的，不但花費時間很多而且預測效果也不是很好，在這里基于蟻群算法能夠尋找最短路徑的原理對其優(yōu)化。其次，改進灰色波形預測算法。通過分析灰色波形預測算法指出其初始值的選取以及對非線性問題研究存在缺陷?；谏鲜鰡栴}，本文首先對新型灰色模型NGM(11k)的初始值進行改進，然后將改進后的NGM(11k)作為模型預測群建立灰色波形預測模型。最后，組合預測模型的改進以及年降水量實例分析。為了進一步提高模型的預測精度，本文將優(yōu)化

4、后的小波神經網絡預測模型與改進后的灰色波形預測算法進行并聯(lián)組合建立組合預測模型。為了驗證預測模型的預測效果，通過MatlabR2010a仿真工具對年降水量實例進行預測分析。首先將改進的灰色波形預測算法應用于重慶市年降水量預測中，證明其預測效果較好。然后將改進后的組合預測模型應用于重慶市年降水量預測中，將其預測效果與優(yōu)化的小波神經網絡應用效果、改進的灰色波形預測效果進行比較，既驗證了組合預測模型的有效性，又表現出其效果優(yōu)于其他兩種優(yōu)化的單