论文部分内容阅读
本文选取1983~2015年黄土丘陵半干旱区年降水量作为研究对象,分别应用BP神经网络与马尔可夫链方法,建立降水量预测模型,并详细介绍了它们的基本原理及操作步骤,说明了模型建立的具体过程,并将其应用于年降水量的预测。本文首先利用统计资料研究年降水量的变化特征及变化趋势,得知,1983~2015年黄土丘陵半干旱区年降水量总体在减少,但其线性变化趋势并不明显,且在年际变化中存在明显的突变现象。利用BP神经网络模型和叠加马尔可夫链方法预测黄土丘陵半干旱区2016年降水量。首先利用BP神经网络模型预测2007年的降水量,对缺失数据进行填补,得到2007年的降水量为348.2mm.以完善的统计数据作为样本,利用BP神经网络模型预测得到2016年的降水量为428.4mm.由于数据有限,由该方法得到的预测效果不够精确,需要进一步训练网络,使训练结果更加完善。利用叠加马尔可夫链方法进行降水量的预测,并与实际观测值进行比较,得到2016年的降水量预测值为451.8mm.但由预测结果可知,2013年和2015年降水量预测误差较大,且其降水量在年降水量的统计资料中分别为极大年和极小年。由该实验结果可以判断,如果统计样本中存在大旱或大涝年份,则利用叠加马尔可夫链方法预测的结果误差较大,因而有待深入的研究并完善该研究方法,从而得到更好的预测结果。但由于叠加马尔可夫链具有较强的自我调整能力,因此某一时间段偏大的预测误差并不会对后续年份的预测造成很大的影响。为了提高预测结果的准确度,减小预测误差,本文进一步将BP神经网络与马尔可夫模型叠加进行预测,得到2016年降水量的预测区间为[284.992,334.218],(334.218,463.868)和[463.868,1093.980],概率分别为0.27,0.47,0.26,所以降水量的预测值落在区间(334.218,463.868)内,区间均值为399.043mm.该方法充分利用了降水序列所给出的信息,得到了不同年份下的预测区间及概率,比直接利用神经网络预测得到的结果更加直观,预测精度较高,具有较强的科学性,预测结果更加具有说服力。上述研究表明,本文所使用的研究方法,经过实际应用研究证明,对降水量的预测是具有一定效用的,为年降水量的预测提供了一种新的研究方法,对于其他降水量的预测有一定的参考价值。