1311.基于灰色神經(jīng)網(wǎng)絡(luò)的年降水量組合預(yù)測模型研究

1、基于灰色神經(jīng)網(wǎng)絡(luò)的年降水量組合預(yù)測模型研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：郭寶麗指導(dǎo)教師：熊慶宇教授專業(yè)：控制科學(xué)與工程學(xué)科門類：工學(xué)重慶大學(xué)自動化學(xué)院二O一四年四月重慶大學(xué)碩士學(xué)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(xiàn)象。年降水量是預(yù)報(bào)洪澇災(zāi)害、管理水資源及預(yù)報(bào)分析水文的一個重要參數(shù)故而某地區(qū)的水資源程度取決于其年降水量。準(zhǔn)確的預(yù)測降水量能夠給水利和農(nóng)業(yè)部門提供有效幫助。但是因?yàn)闅庀?/p>

2、條件具有復(fù)雜多樣性，這使得降水量具有很大的隨機(jī)性，所以利用傳統(tǒng)方法對的降水量進(jìn)行預(yù)測時其預(yù)測精度一般都較低。為了提高年降水量的預(yù)測精度，本文提出一種基于灰色波形預(yù)測算法和小波神經(jīng)網(wǎng)絡(luò)的年降水量組合預(yù)測模型。組合預(yù)測模型是一種有效保留各個單項(xiàng)預(yù)測模型中有價值的數(shù)據(jù)信息的預(yù)測方法能夠使預(yù)測模型泛化避免模型的過度擬合，提高預(yù)測模型的預(yù)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(jīng)網(wǎng)絡(luò)。深入研究分析小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型的原理發(fā)現(xiàn)其參數(shù)和

3、閾值都是利用嘗試法來確定的，不但花費(fèi)時間很多而且預(yù)測效果也不是很好，在這里基于蟻群算法能夠?qū)ふ易疃搪窂降脑韺ζ鋬?yōu)化。其次，改進(jìn)灰色波形預(yù)測算法。通過分析灰色波形預(yù)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(jìn)行改進(jìn)，然后將改進(jìn)后的NGM(11k)作為模型預(yù)測群建立灰色波形預(yù)測模型。最后，組合預(yù)測模型的改進(jìn)以及年降水量實(shí)例分析。為了進(jìn)一步提高模型的預(yù)測精度，本文將優(yōu)化

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