导读:本文包含了中长期预报论文开题报告文献综述及选题提纲参考文献，主要关键词:BP神经网络,多元线性回归,ELMAN神经网络,集合预报
中长期预报论文文献综述
李宏亮[1]（2019）在《基于叁种中长期预报模型的集合预报模型在漓江桂林段的应用》一文中研究指出基于漓江桂林断面历史长序列旬尺度径流资料,分别采取BP神经网络模型、多元线性回归模型以及ELMAN神经网络模型对样本数据进行训练并模拟,训练模型参数并统计模拟误差。采取上述3种中长期径流预报模型对漓江桂林断面2016年的年、月、旬尺度流量进行预报,并采用加权平均法建立集合预报模型。将集合预报结果与上述3种模型预报结果进行比较并分析,结果表明采用加权平均法的集合预报模型可有效集合各种模型的优势,显着提高了预报精度。(本文来源于《中国农村水利水电》期刊2019年11期）
杨德全,赵玉新,何忠杰,刘厂,李威[2]（2019）在《南海海面高度异常中长期统计预报方法研究》一文中研究指出本文基于经验正交函数分析方法,通过空间重构,提出了一种新的时空经验正交函数统计预报方法。以南海海面高度异常为预报对象进行了中长期预报试验,结果显示这种新的时空经验正交函数方法可用于中尺度海洋现象的中长期预报。在90 d内的预报精度明显高于最优气候均态法,相关系数高达0.88。预报结果可以很好地描述海洋中尺度现象,为解决海洋要素中长期预报问题提供了新的思路。(本文来源于《中国海洋学会2019海洋学术（国际）双年会论文集》期刊2019-10-25）
丁公博,农振学,王超,宋培兵,雷晓辉[3]（2019）在《基于MI-PCA与BP神经网络的石羊河流域中长期径流预报》一文中研究指出使用神经网络进行水文预报的关键之一是预报因子(输入变量)的筛选。鉴于现有方法对预报中因子与径流间复杂的非线性相关关系考虑不充分以及因子间信息重迭导致的算法"过拟合"等问题,提出了一种信息熵理论和主成分分析方法相结合的预报因子筛选方法,并应用至石羊河流域的中长期径流预报中。实例研究表明:运用基于MI-PCA的预报因子筛选方法构建的石羊河流域中长期径流预报BP神经网络模型检验期预报合格率为91.67%,优于单独基于互信息法(83.33%)和主成分分析法(75.00%)的合格率,预报精度满足相关标准规范的要求,可为石羊河流域中长期径流预报提供实际支撑。(本文来源于《中国农村水利水电》期刊2019年10期）
王涛,徐海丽,李铭[4]（2019）在《多模型不同时间尺度中长期径流预报研究》一文中研究指出为研究多模型不同时间尺度中长期径流预报效果,本文结合工程实例,以不同的时间段为检验期,模拟预报该工程的坝址月、旬和周平均流量,并分析了不同资料系列长度对模拟预报精度的影响。研究结果表明,最近邻抽样回归、人工神经网络和门限自回归模型对该工程月、旬、周时间尺度平均流量模拟预报精度随着时间尺度减小呈增高趋势;门限自回归模型模拟预测精度略高于其他两个模型;资料系列达到一定程度后,不同模型对月、旬、周时间尺度平均流量的模拟预报比较稳定。(本文来源于《水电站设计》期刊2019年03期）
于烨,黄默,杨斌,胡锐,张飞燕[5]（2019）在《一种高精度导航卫星钟差中长期预报方法》一文中研究指出为了提高卫星钟差中长期预报的精度,提出了一种基于冯德拉克滤波一次差的修正指数曲线法模型的卫星钟差中长期预报方法。该方法首先在建模之前考虑到卫星钟差钟跳和粗差频繁的现象,采用中位数法探测钟跳和粗差数据并将其剔除后,采用拉格朗日插值法将缺失的钟差数据补齐;其次,考虑到卫星钟差数据存在系统误差和随机误差,采用冯德拉克滤波平滑法对钟差数据进行平滑处理;然后,考虑到卫星钟差的有效数字位数较多,会降低模型的预报性能,采用一次差处理消除钟差序列趋势项的影响后,建立了修正指数曲线法预报模型;最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合2种典型变化趋势的卫星钟差进行了未来4个时间段的中长期预报实验。实验结果表明,该方法的中长期预报性能明显优于常用的二次多项式模型和灰色模型,其60 d的平均预报精度(RMS)相对于常用的二次多项式模型和灰色模型分别提高了92. 00%和80. 80%,平均预报稳定度(Range)相对于常用的二次多项式模型和灰色模型分别提高了92. 40%和81. 40%。(本文来源于《仪器仪表学报》期刊2019年09期）
武博,王丹[6]（2019）在《灰色系统理论在清河水库中长期水文预报中的应用》一文中研究指出本文对灰色系统理论进行了原理剖析,以此为基础建立水文系统GM(1, 1)模型,在清河水库中长期水文预报进行了实际应用,并对历年实际值与预测值做了比较分析,满足预报精度要求,证明使用灰色系统理论在清河水库中长期水文预报中应用是完全可行的,其使得中长期水文预报结果更加准确。(本文来源于《东北水利水电》期刊2019年07期）
石继海[7]（2019）在《中长期径流预报模型研究》一文中研究指出中长期径流预报对掌握未来径流信息,实现水资源科学管理和优化调度具有重要意义。进行中长期径流预报模型的耦合计算和综合评价,可为中长期径流预报模型的应用研究,提高站点的预报精度提供重要参考。本文介绍了中长期径流预报原理及其模型,分析总结目前中长期径流预报研究中存在的问题。以黄河流域民和、兰州、龙门、白马寺和黑石关水文站的天然年径流序列为研究对象,选取平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)和均方百分比误差(MSPE)4个误差指标,运用信息熵确定各误差指标的权重,得到径流预报模型的优属度,实现模型的综合评价。本文主要的研究内容和结论如下:(1)研究区站点径流单一预报模型的构建。应用中长期径流预报的周期分析和时间序列预报模型,建立研究区站点的周期外延迭加、均生函数、自回归(AR)和马尔科夫4个单一预报模型。结果表明,单一模型的综合评价结果集中,民和和白马寺水文站均生函数模型的优属度,取得最大值分别为0.963和1.000,兰州、龙门和黑石关水文站AR模型的优属度,取得最大值分别为0.966、0.989和1.000。应用马尔科夫模型进行定性预报时,模型精度和可靠性较低。(2)研究区站点径流耦合预报模型的构建。根据单一预报模型的特点,尝试将不同的模型进行耦合计算,以期提高中长期径流预报的精度。耦合模型包括灰色-周期外延迭加、均生函数-逐步回归、加权马尔可夫、灰色-逐步回归周期、EEMD-BP神经网络、PPRGSRP、PPARWD和模糊综合分析模型。结果表明,耦合模型的综合评价结果集中,民和水文站PPARWD模型、兰州和黑石关水文站EEMD-BP模型的优属度,均取得最大值1.000,龙门水文站PPRGSRP模型的优属度,取得最大值0.962,白马寺水文站模糊综合分析模型的优属度,取得最大值0.967。应用加权马尔科夫模型解决了马尔科夫模型最大转移概率不唯一的弊端,模型精度和可靠性提高。(3)研究区站点径流预报模型的优选研究。结合单一预报模型和耦合预报模型的误差指标的计算结果,计算各站点所有模型的优属度,实现模型优选。结果表明,民和水文站的优选模型为PPARWD模型、兰州和黑石关水文站为EEMD-BP模型、龙门水文站为PPRGSRP模型、白马寺水文站为模糊综合分析模型。(本文来源于《西北农林科技大学》期刊2019-05-01）
谢智峰[8]（2019）在《基于深度学习的萤火虫算法研究及在中长期径流预报中的应用》一文中研究指出径流是受太阳活动、大气环流、下垫面变化和降雨等诸多因素影响的一个随机变量,且各因素对径流的作用关系难以建立严谨的数学模型,因此径流预报是一个受多因素影响的非线性复杂问题。随着机器学习技术的发展,支持向量回归被广泛应用于径流预报领域,取得了有效的预报结果。支持向量回归的性能依赖于惩罚系数、不敏感损失系数和核参数的选择。传统方法对参数选择效率低,且主观性和随机性大,导致支持向量回归的性能不佳。为提高支持向量回归的性能,借助萤火虫算法进行参数动态寻优,建立了基于萤火虫算法的支持向量回归预报模型。萤火虫算法是一种群智能算法,因其优化模型简单、参数少和实现容易等优势,被广泛应用于众多工程领域。但是,该算法本身存在易陷入局部最优、过早收敛及寻优精度不高等缺陷。本论文以萤火虫算法为研究对象,以径流预测为应用背景,使用深度学习策略对算法进行优化,并将改进的萤火虫算法应用于中长期径流预测。取得的主要研究成果如下:(1)对深度学习方式进行改进,提出了最优粒子引导的单维深度学习萤火虫算法。为使最优粒子获取更多搜索机会,在种群每代进化过程中,算法为最优粒子分配一定的评估资源,进行固定次数单维深度学习,搜寻优秀的解,其它萤火虫依然保持标准的更新方式。12个基准测试函数的实验结果表明该算法优化性能得到了较好的提升。(2)对深度学习对象进行改进,提出了广义中心粒子引导的萤火虫算法。为加强种群间的信息交流,算法引入广义中心粒子概念,构造一个与所有粒子都相关的广义中心粒子。当所有的萤火虫完成标准的搜索任务之后,再由广义中心粒子引导种群进一步探索,以提高种群的收敛速度和搜索精度。12个基准测试函数和CEC2015复杂测试函数的实验结果表明该算法综合优化性能优于其它6种新近萤火虫算法。(3)融合上述的深度学习方式和深度学习对象,提出了深度学习萤火虫算法。为加强广义中心粒子的引导能力,首先采用随机模型取代全吸引模型进行种群进化,然后选择广义中心粒子作为深度学习对象,对其进行固定次数的单维深度学习,最后利用经单维深度学习的广义中心粒子引导种群进化。12个基准测试函数的实验表明,深度学习萤火虫算法优化性能得到了显着的提升。以陕西府谷县黄甫川水文站年径流量为研究对象,以实际径流值和预报径流值的均方误差的最小值为目标函数,建立基于支持向量回归的径流预报模型,将各种改进萤火虫算法用于支持向量回归核参数动态优化选择。实验结果表明,基于深度学习的支持向量回归模型取得了最佳的预报结果。(本文来源于《南昌工程学院》期刊2019-04-25）
王易帆,陈新军[9]（2019）在《大洋性柔鱼类资源中长期预报研究进展》一文中研究指出柔鱼类分布广泛,资源丰富,已成为人们重要的开发和利用对象,如何持续和合理开发该资源已成为大家关注的重要话题。柔鱼类具有短生命周期、产完卵即死亡的特性,其特殊的生活史特性使得传统的资源评估方法无法很好的对其资源量进行准确评估和预测。因此,如何开展大洋性柔鱼类的资源中长期预报显得尤为重要。本文总结概括了大洋性柔鱼类中长期预报的基本概念、叁种主要的大洋性柔鱼类生活史、影响大洋性柔鱼类资源(补充)量的主要环境因子,并介绍了目前使用的主要柔鱼类中长期预报模型,展示了大洋性柔鱼类中长期预报的发展历程及所取得的进展。同时,对柔鱼类中长期预报模型中存在的问题进行了探讨,并对其未来主要的研究方向进行了展望。(本文来源于《海洋湖沼通报》期刊2019年02期）
李永坤,马旭,潘兴瑶,白涛,邸苏闯[10]（2019）在《基于芒种日分析的BP模型在中长期汛期降雨量预报中的应用》一文中研究指出为提高汛期降雨量中长期预报的精度,采用芒种日分析充分提取有用信息,基于BP神经网络模型,构建了芒种日分析的BP神经网络耦合模型,并将其应用于北京市中长期汛期降雨量的预测。结果表明:相比于常规BP模型,耦合BP模型能够有效提高预报的精度,验证期耦合BP模型模拟值与实测值相关系数为0.78,明显优于常规BP模型的0.42;耦合BP模型较常规BP模型的预报合格率提高了40%。芒种日分析能够充分发掘隐藏在原始数据中的有用信息,降低极端值等噪声数据对预报结果的影响,有效提高了模型的预报精度。将传统节气与人工智能预报技术相结合,为中长期汛期降雨量预报提供了一种新思路。(本文来源于《南水北调与水利科技》期刊2019年03期）
中长期预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于经验正交函数分析方法,通过空间重构,提出了一种新的时空经验正交函数统计预报方法。以南海海面高度异常为预报对象进行了中长期预报试验,结果显示这种新的时空经验正交函数方法可用于中尺度海洋现象的中长期预报。在90 d内的预报精度明显高于最优气候均态法,相关系数高达0.88。预报结果可以很好地描述海洋中尺度现象,为解决海洋要素中长期预报问题提供了新的思路。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
中长期预报论文参考文献
[1].李宏亮.基于叁种中长期预报模型的集合预报模型在漓江桂林段的应用[J].中国农村水利水电.2019
[2].杨德全,赵玉新,何忠杰,刘厂,李威.南海海面高度异常中长期统计预报方法研究[C].中国海洋学会2019海洋学术（国际）双年会论文集.2019
[3].丁公博,农振学,王超,宋培兵,雷晓辉.基于MI-PCA与BP神经网络的石羊河流域中长期径流预报[J].中国农村水利水电.2019
[4].王涛,徐海丽,李铭.多模型不同时间尺度中长期径流预报研究[J].水电站设计.2019
[5].于烨,黄默,杨斌,胡锐,张飞燕.一种高精度导航卫星钟差中长期预报方法[J].仪器仪表学报.2019
[6].武博,王丹.灰色系统理论在清河水库中长期水文预报中的应用[J].东北水利水电.2019
[7].石继海.中长期径流预报模型研究[D].西北农林科技大学.2019
[8].谢智峰.基于深度学习的萤火虫算法研究及在中长期径流预报中的应用[D].南昌工程学院.2019
[9].王易帆,陈新军.大洋性柔鱼类资源中长期预报研究进展[J].海洋湖沼通报.2019
[10].李永坤,马旭,潘兴瑶,白涛,邸苏闯.基于芒种日分析的BP模型在中长期汛期降雨量预报中的应用[J].南水北调与水利科技.2019