大氣降水是地表淡水的主要來(lái)源之一,許多地區(qū)的降水存在年際分配不均的狀況,常常造成各地的旱澇災(zāi)害,因此探明降水的時(shí)空變化規(guī)律,對(duì)農(nóng)業(yè)生產(chǎn)以及居民生活都具有重要的意義。本文給出通過(guò)運(yùn)用聚類(lèi)分析、主成分分析和基于LSTM的神經(jīng)網(wǎng)絡(luò)三種方法綜合建立的預(yù)測(cè)模型,并對(duì)江蘇省內(nèi)62個(gè)氣象觀測(cè)站點(diǎn)的降水量時(shí)間序列進(jìn)行了預(yù)測(cè),預(yù)測(cè)效率和精度綜合表現(xiàn)較好。文章的重點(diǎn)在于如何將62個(gè)時(shí)間序列數(shù)據(jù)簡(jiǎn)化分析,在提高分析效率的同時(shí)保證預(yù)測(cè)精度,同時(shí)可以達(dá)到使用個(gè)人計(jì)算機(jī)便可高效的預(yù)測(cè)這62個(gè)站點(diǎn)降水量的目的。本文第一步利用聚類(lèi)分析將62個(gè)站點(diǎn)的降水序列分成若干個(gè)局部特征相似的子類(lèi),第二步利用基于主成分分析的序列壓縮法求出每個(gè)子類(lèi)的主導(dǎo)序列,第三步利用基于LSTM的神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型對(duì)每個(gè)子類(lèi)的主導(dǎo)序列分別進(jìn)行預(yù)測(cè),并反算出每一子類(lèi)中各氣象站點(diǎn)降水量的預(yù)測(cè)值,最后通過(guò)計(jì)算標(biāo)準(zhǔn)化均方誤差NMSE值對(duì)建立的預(yù)測(cè)模型的精度進(jìn)行評(píng)估�；诮K省62個(gè)氣象觀測(cè)站點(diǎn)1961年至2019年的年降水量數(shù)據(jù),利用R語(yǔ)言和Python語(yǔ)言對(duì)降水量時(shí)間序列數(shù)據(jù)進(jìn)行降水量預(yù)測(cè),以期為合理分配水資源和防范氣象災(zāi)害,減少經(jīng)濟(jì)損失提供一定... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１?ＤＴＷ距離計(jì)算方式表示??其次，這種扭曲必須滿(mǎn)足一定要求，一是每個(gè)點(diǎn)都要被用到，不可跳過(guò)，并??

每個(gè)矩陣元素（ｉ，ｙ）代表著點(diǎn)仏和ｑ對(duì)齊。而這里的對(duì)齊順??序是通過(guò)ＤＰ算法尋找一條通過(guò)此網(wǎng)格中若干格點(diǎn)的路徑，此時(shí)路徑通過(guò)的格點(diǎn)??即為計(jì)算時(shí)序列對(duì)齊的點(diǎn)。??０?Ｓ?１０?１ｆｌ?２０?２９?３０??????—？?＊?Ｍ?｜?ｉ?Ｉ?１?ＪｆＴ＇?Ｊ??（?ｍ?＾???／?．?？＝＝＝＝＾＾＾－＝；??Ｓ?ｊ＝＝ｉ＾：＝＝＝＝ｚ！：??ｙ?８??乙—＿??／?？?－ｉ－＋－ｚｚ—??ｌ?ｘ?．?．?Ｌ?Ｍ?ＩＮＩ?ｔｒｌ??１?ｉ?ｎ??圖２規(guī)整路徑的例子??將這條路徑定義為規(guī)整路徑（Ｗａｒｐｉｎｇ?Ｐａｔｈ），用Ｍ／表示，Ｗ的第ｆｃ個(gè)元素定??義為ｗｋ?＝?（ｉｊ）ｋ，定義了序列Ｑ和Ｃ的映射。所以有：??州＝Ｗｐｖｖ２，…，…Ｗｋ?ｒｒｍ；ｃ（ｍ，ｎ）?＜ｍ?＋?ｎ?—?１。??路徑的選擇需要滿(mǎn)足以下幾個(gè)約束：??１）邊界條件：＝?和ｗｆｃ?＝?（ｍ，ｎ），簡(jiǎn)單地說(shuō)，這要求所選擇的路徑必須??要從左下角出發(fā)，到右上角結(jié)束；??２）連續(xù)性：如果＝?那么路徑的下一個(gè)點(diǎn)ｗｋ?＝?（ａ，；ｂ）需要滿(mǎn)足（ａ?—??ａ＇）Ｓｌ和即不能跨過(guò)某點(diǎn)去匹配，只能與自己相鄰的點(diǎn)對(duì)齊，??這樣保證了序列Ｑ和Ｃ中的每個(gè)坐標(biāo)均出現(xiàn)在州中；??３）單調(diào)性：如果Ｗｆｃ—ｉ?＝?（ａ？，那么路徑的下一個(gè)點(diǎn)需要滿(mǎn)足０?Ｓ??（ａ－￡〇和這便限制了?１４／中的點(diǎn)必須是隨時(shí)間單調(diào)進(jìn)行的，來(lái)??保證圖２中的虛線不會(huì)相交。??根據(jù)連續(xù)性和單調(diào)性的約束，每個(gè)格點(diǎn)的路徑便只有三個(gè)方向，即若路徑己??經(jīng)通過(guò)了格點(diǎn)ａｙ），那么通過(guò)的下一個(gè)格點(diǎn)只可能是下列三種情況之一（如圖３??所示）：??１１??

?山東大學(xué)碩士學(xué)位論文???（ｉ?＋?ｌｔｊ），?（ｉ，ｊ?＋?１），?（ｉ?＋?ｌ，ｊ?＋?ｌ）〇??ｓ??圖３格點(diǎn)路徑方向的三種情況??同時(shí)，滿(mǎn)足以上三條約束條件的路徑有指數(shù)個(gè)，而這里僅對(duì)滿(mǎn)足以下規(guī)整代??價(jià)最小的路徑感興趣［１?］：??ＤＴＷｄＱ，Ｃ）?＝?ｍｉｎ｛ＶＥＬｉＷｋ／４°?（３－１）??其中，分母中的主要是用來(lái)對(duì)不同長(zhǎng)度的規(guī)整路徑做補(bǔ)償，因?yàn)椴煌窂降拈L(zhǎng)??短不同，而較長(zhǎng)的路徑有較多的“點(diǎn)對(duì)”，便會(huì)有較多的距離去累加，所以就用總??距離除以Ｋ來(lái)得到單位路徑的距離。??實(shí)際上，ＤＴＷ就是通過(guò)把時(shí)間序列進(jìn)行延伸和縮短，得到時(shí)間序列之間距??離最短即最相似的那個(gè)規(guī)整，這個(gè)最短的距離即為時(shí)間序列之間最合適的距離度??量，也就是要選擇一個(gè)路徑，使最后得到的總距離最小，而這條路徑能夠通過(guò)ＤＰ??算法得到。這里需要明確一個(gè)累加距離（Ｃｕｍｕｌａｔｉｖｅ?Ｄｉｓｔａｎｃｅｓ）的定義［１］：??ｙ（ｉｊ＇）?＝?ｄ＾ｃ））?＋?ｍｉｎ?｛］／〇＿?１，）?－?ｌ），ｙ（ｉ?－?１）），?（３．２）??其中累積距離ｙａｙ）為當(dāng)前格點(diǎn)距離ｄａｙ），即點(diǎn)仏與９之間的歐式距離與可以到??達(dá)該點(diǎn)的最近鄰元素累積距離之和。從（〇，〇）點(diǎn)開(kāi)始匹配序列Ｑ和ｃ之后，每到一??個(gè)點(diǎn)，之前計(jì)算的所有點(diǎn)的距離都會(huì)累加，當(dāng)?shù)竭_(dá)終點(diǎn)（ｎ，ｍ）時(shí)，這個(gè)累積距離??即為最后的總距離，也就是序列Ｑ和Ｃ的相似度。本文將使用Ｒ語(yǔ)言中ｄｔｗ包里??的ｄｉｓｔ函數(shù)求解ＤＴＷ距離。??３．３基于Ｃａｌｉｎｓｋｙ?Ｃｒｉｔｅｒｉｏｎ的聚類(lèi)個(gè)數(shù)的確定??ＣａｌｉｎｓｋｙＣｒｉｔｅｒｉｏｎ［２１］，即?Ｃａｌｉｎｓｋｙ?準(zhǔn)則，全稱(chēng)為?Ｃａｌｉｎｓｋｉ－

【參考文獻(xiàn)】：
期刊論文
[1]不同模型在南寧市年降水量預(yù)測(cè)中的應(yīng)用比較[J]. 杜懿,麻榮永,趙立亞.  人民珠江. 2018(04)
[2]基于ARMA模型的丹東市降雨時(shí)間序列分析[J]. 金冶.  水利規(guī)劃與設(shè)計(jì). 2017(05)
[3]基于RBF神經(jīng)網(wǎng)絡(luò)的降雨量預(yù)測(cè)[J]. 羅偉,馬紅麗,高海燕,楊艷,陶榮東.  內(nèi)蒙古水利. 2014(06)
[4]基于小波分析的ARMA-GARCH模型在降水預(yù)報(bào)中的應(yīng)用[J]. 王喜華,盧文喜,初海波,陳社明.  節(jié)水灌溉. 2011(05)
[5]基于小波消噪的平穩(wěn)時(shí)間序列分析方法在降雨量預(yù)測(cè)中的應(yīng)用[J]. 崔磊,遲道才,曲霞.  中國(guó)農(nóng)村水利水電. 2010(09)
[6]基于時(shí)間序列分析的降雨量動(dòng)態(tài)預(yù)測(cè)[J]. 徐文霞,林俊宏,廖飛佳,李國(guó)東.  安徽農(nóng)業(yè)科學(xué). 2009(36)
[7]降水量的BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其應(yīng)用[J]. 牛文全,李靖.  西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2001(04)
[8]神經(jīng)網(wǎng)絡(luò)BP模型用于月降水預(yù)報(bào)的研究[J]. 嚴(yán)紹瑾,彭永清,郭光.  熱帶氣象學(xué)報(bào). 1995(03)
[9]降水時(shí)間序列的聚類(lèi)分析和預(yù)測(cè)[J]. 王永縣,詹一輝,張少.  系統(tǒng)工程理論與實(shí)踐. 1994(11)



本文編號(hào)：3398161