一、基于小波网络的干旱程度评估方法(论文文献综述)
金博文[1](2020)在《基于小波神经网络的资金预测模型研究》文中指出随着全球经济一体化的发展以及未来经济不确定性的增加,传统的行业景气分析已经不再适用于目前错综复杂的形式,而企业对于资金流的需求显着性增加。今年新冠肺炎引发的全球系统性风险使得人们对于灰犀牛以及黑天鹅事件的关注程度明显高于以往,企业往日那种高速发展举债度日的发展模式面临巨大的挑战,因此正是基于现实情况的不断发展以及潜在风险的变化,企业以及个人对于未来现金流的预测需求越来越高,本文就是在此背景之下通过阿里支付宝数据的资金流作为研究对象,试探性的对资金预测展开分析。本文将基本的数学原理进行组合得到小波神经网络,对小波神经网络的优点以及组合原理进行了详细的阐释,其次通过两部分析法对小波神经网络进行时间序列建模,得到线性分离式小波及非线性嵌入式小波神经网络。最终本文通过2.8万用户的基金购买指标进行分析,利用上述模型对上证50信息、余额宝用户流水信息进行预测,构造出模型的预测信息结果,随后再利用预测日的上证50结果作为新模型的输入,对现金流进行预测。并对比经典支持向量机模型、狼群算法模型得到嵌入式小波神经网络预测综合性能更优的结论。本文还加入了资金预测经典模型支持向量机模型、狼群优化算法模型进行资金预测效果对比分析,证明了本文创新模型的可行性及预测精度。本模型的实现,可为资金预测企业提供服务,故具有一定意义。
陆文[2](2020)在《永定河上游张家口地区地表水资源时空分布模拟研究》文中研究表明张家口地区位于永定河上游,为北京的上风上水方向,与首都有着“山同脉、水同源、气相通”的天然生态格局,具有特殊的生态地位。《京津冀协同发展规划纲要》将张家口地区列为西北部生态涵养区,要求逐步提高张家口地区出境水量,而该区域作为典型的大陆性干旱半干旱地区,水资源长期不合理的开发与利用已导致区域内部大量河道、湖淖干涸。如何合理调配与利用区域水资源,既满足协同发展规划要求又满足本区域发展需要是当前永定河上游地区(含张家口地区)亟待解决的问题。为此,本研究尝试利用水文模型刻画永定河上游流域河川径流过程,研究区域地表水资源分布状况。首先基于1951-2016年期间永定河上游流域不同时段的水文数据和基础资料,利用基流分割、M-K趋势检验、降水-径流双累积曲线、Penman-Monteith公式分析区域水文气象要素长期变化趋势,在此基础上利用Budyko水热平衡理论定量计算气候变化和人类活动对河川径流减少的贡献,并进一步探讨影响区域河川径流的具体人类活动形式。然后通过构建区域土壤、土地利用、气象等数据库,利用SWAT模型对区域河川径流过程进行模拟,在进行分布式参数率定与验证的基础上,以张家口地区为例揭示永定河上游地区地表水资源量的时空分布特征,并对全球变化背景下张家口地区未来地表水资源分布情况进行预测,为区域合理利用水资源提供科学依据。主要结果和结论如下:(1)20世纪50年代以来永定河上游流域(包括洋河与桑干河两大支流)基流量呈显着下降趋势,大部分子流域基流指数有所上升,地下水对河川径流的贡献不断加大。洋河与桑干河上游的基流指数基本都小于下游,上游的河川径流更多来源于降水的补给。永定河上游流域及其子流域河川径流量显着减小,降水、潜在蒸散基本都呈现出非显着性减小趋势,干旱系数从50年代的2.15上升到现今的2.41,整个流域表现出一定的干旱化趋势。永定河上游流域及其子流域河川径流对降水的弹性系数最大,下垫面参数次之,但河川径流变化的主要原因是人类活动导致的下垫面变化。人类活动对洋河下游河川径流减小的影响大于洋河上游,对桑干河上游河川径流减小的影响大于桑干河下游。21世纪以来,人类活动对区域河川径流减少的贡献明显增大,人类活动主要通过大规模植树造林、大规模取水、水库拦蓄影响区域河川径流。(2)以2007-2008年为预热期,2009-2012年为率定期,2013-2015年为验证期,采用SWAT模型模拟永定河上游流域内六个水文站的河川径流过程(石匣里、响水堡、天镇、柴沟堡南、柴沟堡东、张家口站)。结果显示,石匣里站(率定期R2=0.77,ENS=0.57,验证期R2=0.79,ENS=0.66)和柴沟堡东站(率定期R2=0.79,ENS=0.61,验证期R2=0.86,ENS=0.79)模拟效果比较好,天镇站(率定期R2=0.45,ENS=0.44,验证期R2=0.72,ENS=0.72)、柴沟堡南站(率定期R2=0.41,ENS=0.29,验证期R2=0.63,ENS=0.47)模拟效果一般,响水堡站(率定期R2=0.12,ENS=-0.07,验证期R2=0.22,ENS=-0.16)、张家口站(率定期R2=0.33,ENS=0.29,验证期R2=0.48,ENS=0.42)模拟效果较差。总体来说,汛期模拟效果优于枯水期模拟效果,洋河上游模拟效果优于下游模拟效果,桑干河流域月尺度模拟效果优于洋河流域,年尺度模拟效果劣于洋河流域。部分站点与时期模拟效果不佳的主要原因包括模型对自然-社会二元水循环过程考虑不足、模型不能刻画春季河流解冻过程、模型对土壤水与地下水刻画能力较差。(3)与历史时期(1956-2003)相比,张家口地区现状地表水资源空间分布(2009-2015)的基本态势没有改变,内陆河流域和滦河流域地表水资源量较少,永定河流域、潮白河流域、大清河流域地表水资源量相对丰富,但地表水资源总量已大大减少。其中,张家口市城区、蔚县-阳原盆地,涿鹿-怀来盆地作为张家口地区人口聚居程度较高和工业比较发达的地区,水资源减少最为明显。在RCP4.5情景和RCP8.5情景下,伴随着未来降水量增多和极端水文事件频发,永定河上游流域汛期河川径流将明显增大。与2009-2015年的地表水资源情况相比,除RCP4.5情景下的远期年(2076-2100年)外,其余各阶段张家口地区地表水资源情况将明显改善,部分时段的地表水资源量将接近1956-2003年的平均水平。
黎丽[3](2019)在《基于小波神经网络的降雨量预测及在农业生产中的应用研究》文中指出岳阳市因特殊的地理位置及气候环境,导致旱涝灾害频繁发生,成为制约当地农业发展的瓶颈一大主要原因,因此,了解旱涝灾害的发生、发展规律以及选择准确、客观的预测方法可为岳阳市旱涝预警体系的建立及水资源的合理配置奠定基础。本文先利用岳阳市1986-2017年共32年降水量年均数据及月均数据,进行降水变化趋势分析及旱涝识别,再运用岳阳楼区降水站点数据为岳阳楼区建立降水量预测模型,研究的具体内容和成果如下:(1)降水量变化特征分析应用滑动平均法、累积距平法、降水倾向率、M-K(Mann-Kendall)显着性检验及M-K突变检验法对岳阳市进行年和季的降水变化分析。从全年角度分析,岳阳市降水量呈下降趋势,降雨量年内分配不均,其降水量在2003年发生突变;从季节的角度上分析,岳阳市春季和秋季的降水量呈上升趋势,夏季和冬季的降水量呈下降趋势,其春夏秋三季的突变年份分别在2004年、1997年、2011年,冬季没有发生突变。(2)旱涝识别与评价利用降水距平百分率、Z指数、湿度指标三种旱涝指标对岳阳市32年降雨量进行旱涝识别及评价,得出结果为岳阳市32年内出现旱灾和洪灾的次数在Z指数和湿度指标中发生频率较高,且发生旱灾的次数与洪灾的次数基本相同。最后根据岳阳市实际旱涝灾害统计结果对比上述三种指标的识别结果,发现Z指数为最适合岳阳市的旱涝评判指标。(3)降水量预测模型构建依据最近邻抽样回归、小波神经网络模型对岳阳楼区站点19862017年间的年降水量和月降水量进行有效预测及检验,从所得结果可以看出2种方法对岳阳地区的降水量预测是可行的,但是总体而言,小波神经网络模型的预测效果明显优于最近邻模型,预测结果更能真实反映出降水量的变化过程。最后用小波神经网络模型预测出2019-2021年的年降水量及月降水量,并进行旱涝等级评价。(4)气候灾害成因及相关抗灾政策根据岳阳市过去时段内旱涝状况的综合评价结果,对该地区的旱涝发生的主要因素进行了分析,同时对2019-2021年的旱涝情况提出相应建议。
于强[4](2018)在《基于复杂网络理论的荒漠绿洲区生态网络研究》文中认为本文以荒漠绿洲区典型县域磴口县为例,基于复杂网络理论、景观生态学理论以及GIS空间分析技术,以多期遥感影像、长时间序列地下水埋深数据、气象数据等为数据源,首先构建了适合磴口县的最小累积阻力面模型,主要从城市化和地下水分布两方面,耦合密度因子、距离因子等提取出了磴口县的潜在生态网络。进而,利用数据同化算法、点格局分析方法和骨架树提取算法分析了所提取的潜在生态网络的空间结构,利用复杂网络基本静态统计指标、关联性指标、重要性指标和联通性指标分析了潜在生态网络的拓扑结构特征。最终,利用BCBS模型进行潜在生态网络的空间结构优化,并分析优化前后潜在生态网络的联通鲁棒性和恢复鲁棒性;利用力导向模型并且设置11种情景,对潜在生态网络进行多情景破坏模拟,选取典型区域进行了细致分析。主要研究结果如下:(1)2000年到2014年期间,经过14年的城市化发展,2014年城区面积几乎是2000年的3倍,至2025年城区规划面积将达到62.10km2。城市边界经历了自然扩张到科学规划的过程。17个测井的趋势线划分为5类,分别是单调递减趋势、单调上升的趋势、先下降后上升的趋势、先上升后下降的趋势和先上升趋势后下降趋势最后又上升的趋势。磴口县北部和西部呈现下降趋势,中部和东南部呈现上升趋势。磴口县有三个典型区域变化很大,第一个区域位于研究区南部的奈伦湖地区,第二个是那仁布鲁格嘎查地区,位于磴口县西部,第三个是巴彦高勒镇中心。对三个区域进行分析发现,积极的人为干扰对地下水的影响是积极的,而人为大量利用地下水会导致地下水水位下降,甚至出现地下水漏斗。(2)基于生态阻力评价体系中,构建了生态保护模式和经济发展模式下的生态阻力面。提取出磴口县的潜在生态网络,由391块生态源地、47466条潜在生态廊道和667个潜在生态斑块节点组成。结合磴口县的城区发展边界,划分了三个等级的磴口县生态网络安全格局。(3)在基于生态源地变化的生态用地变化模拟中,通过引入集合卡尔曼滤波,能够减少误差的积累,提高模拟精度。EnKF-MCRP模型的模拟总精度达到82.4%,将生态源地的变化引入到生态阻力面模型中意义重大。7种类型的生态源地在小尺度上呈现聚集分布,在大尺度上呈现均匀分布,而在干旱半干旱荒漠绿洲生态脆弱区,生态源地节点这种小尺度高度聚集、大尺度趋于均匀的分布格局,一方面能够保证生态源地的稳定发展,另一方面又能保证区域的环境稳定。利用改造的Kruskal算法进行磴口县骨架廊道的提取,所提取出来的骨架廊道与实际情况较为吻合。(4)磴口县潜在生态网络平均每个生态节点约与其他6个生态节点有直接的联通关系,除去度为0和1的生态节点,度分布呈现明显的幂律分布:f(x)=55.75×e-0.40x,潜在生态网络表现出无标度特性。任意两个节点存在不联通的情况,聚类系数为0.3692,不具备小世界网络的特性。该生态网络是正相关的,即同配的,度大的节点比度小的节点更倾向于聚集成团,没有明显的层次性。比较重要的节点主要位于磴口县的东北部,网络核数为19。所提取出来的潜在生态网络的空间结构并不是最为稳定的结构。(5)优化前,现状节点的覆盖率CR为65.23%,现状节点分布均匀性U为0.5378。经过生态节点布局优化盲区的面积较少了 484.46km2。优化后生态节点的覆盖率CR为87.79%,优化节点分布均匀性U为0.3978,节点分布的均匀性有较大下降,优化后生态节点在磴口县区域内的空间分布更加均匀。优化后的潜在生态网络中,平均每个生态节点约与其他16个生态节点有直接的联通关系,度分布散点呈现出一定的Poisson分布特征,具有小世界特性和无标度特性。优化后任意两个生态节点之间可以通过约7次的转换就可以相互连通。优化后的网络重要的节点数量增加了 10个,在恶意攻击和随机攻击下发现,优化后的生态网络表现出更强的抗打击能力,更强的联通能力,且节点和边的恢复鲁棒性更强。(6)基于复杂生态网络力导向模型的11种情景模式下,随着(1,0)模式到(0,1)模式的转换,生态网络出现了逐渐的破坏。以局部样圆典型区域为例,随着模式的转换,生态源地斑块栅格逐渐消失,骨架廊道逐渐出现断裂,最终(0,1)模式下生态网络遭到极大破坏,结构上已经不具备生态网络的特征,表明现状条件下干旱半干旱区若进行大规模土地经济开发会对生态网络造成极大的破坏。在(0.9,0.1)模式下,沙漠边缘处出现破坏,但是在样圆内部生态网络却出现扩张,在现有自然资源的约束下,磴口县仍有发展经济的空间,但空间不大。
段凯[5](2014)在《气候变化影响下的流域干旱评估研究》文中指出作为一种气候异常现象,干旱的形成与致灾过程通常发轫于区域降水量的减少,其在水文系统中的演变涉及到蒸散发、土壤调蓄、产汇流等水循环过程,并主要通过对地表、地下径流与土壤湿度的影响而干扰到经济社会用水及作物的正常生长。在高度不确定的气候变化背景下,干旱问题显得更为复杂多变,一方面降水量及其时空分布特征的变化直接影响了补给流域的水资源总量,另一方面流域水文循环也受到气候变化的影响而发生改变。本文结合水文模拟探讨了气候变化背景下的流域干旱评估问题,试图揭示干旱对气候变化的响应及其在水文系统中的传递特征。主要研究内容与成果如下:(1)建立了一种基于贝叶斯插值方法的多时空尺度气象干旱风险评估框架,分析了淮河流域近半个世纪以来气象干旱的时空分布特征。首先,基于实测降水数据在不同时空尺度评估了“极旱”、“重旱”、“轻旱”等不同等级的流域干旱风险,进而揭示其演变趋势与空间分布规律。结果显示:在月、季节与年尺度三种时间尺度之中,季节尺度上的干旱频次更大、时间变异性更显着;在四月与九月干旱风险呈现显着的增大趋势,这表明流域可能会面临更严峻的春旱与秋旱;淮河流域南部与西北部发生极旱与重旱的风险更大,而流域东北部则更易发生轻旱。(2)比较了SDSM、SVM、LARS-WG等三种统计降尺度模型在降水降尺度中的应用,分析了三种模型对于降水的平均值、极端值、年际与年内时间分布等降水特征的模拟效果,并从点预测的角度构建了一种多目标的模型平均框架用于三种模型的耦合,讨论了多模型集成方法在降水降尺度中的应用前景与局限性。(3)基于CSIRO-MK3.5与CCCma-CGCM3.1两个全球气候模式的输出数据模拟了淮河蚌埠以上流域在SRES A2、A1B与B1等温室气体排放情景下的降水与气温序列,并进而使用新安江、HBV、SIMHYD等三个水文模型模拟了未来情景下的径流与土壤湿度序列,分析了降水、气温、径流、土壤湿度等水文气象因子对气候变化的响应。(4)在对降水、径流、土壤湿度等变量进行频率分析的基础上,进一步从气象、水文、农业等三个层面上评估了气候变化对干旱的频次、强度、持续时间等特性的影响,并探讨了气候变化背景下干旱在水文系统中的传递特征。结果表明,干旱频次与持续时间均倾向于从A2向A1B向B1情景递增,即更高的碳排放将会加剧流域干旱。在所分析的三种干旱类别中,水文干旱与农业干旱体现出对气候变化更强的敏感性,从气象干旱到水文干旱与农业干旱,干旱频次、强度与持续时间总体上呈现出放大的趋势。这意味着即使未来气象干旱情势没有显着的加剧,由于气温的升高以及径流与土壤湿度对降水的非线性响应,流域仍然可能面临着更为严峻的水文干旱与农业干旱威胁。(5)量化分析了温室气体排放情景、GCM结构与水文模型结构等不确定性对干旱评估结果的影响,并对各种来源的重要性进行了比较与排序。结果表明,由于水文模型不确定性的累积,水文干旱与农业干旱评估中的不确定性要远大于气象干旱;在不同干旱特征的模拟上,极端干旱频次与最大持续时间等极端特征的不确定性明显更大;三种不确定性来源的重要性排序在不同的干旱类别中体现出一定的差异,总体而言,排放情景不确定性与GCM不确定性的影响范围较为接近,前者对气象干旱与农业干旱的影响更大,后者则对水文干旱的影响更显着,而水文模型结构不确定性对未来情景下的水文干旱与农业干旱模拟评估有着至关重要的影响,尤其是在极旱频次、最大干旱持续时间等极端特征的模拟上,水文模型不确定性甚至起到主导作用。
康永辉[6](2014)在《广西大石山区干旱风险管理研究》文中研究表明随着全球经济的不断发展以及全球气候变化,造成气候变暖、资源短缺、环境恶化。干旱、地震、海啸、酸雨、雾霾、洪水、泥石流、地面沉降等各类自然灾害给人类生活和生存环境提出了严峻挑战。人口、资源、环境之间的矛盾日益凸显,日趋复杂,不确定性因素日益增多,人类已步入全球风险时代,风险无处不在,无时不有。干旱灾害是全世界范围内普遍存在的自然灾害之一,其危害是最为严重的自然灾害之一,近年来干旱发生愈发频繁,旱灾损失日趋严重,给人类社会生活和经济发展带来了极大的危害。干旱不仅会给贫穷落后的国家带来沉重灾难,也会给发达国家和发展中国家带来巨大损失。连年旱灾常会引起贫穷国家或地区的灾难性饥荒,导致地区动乱、疾病频发,带给人类巨大的灾难。由于干旱具有缓发性、渐变性、范围广、危害大等与其它自然灾害不同的特点,难以全面地摸清干旱本质。过去面对干旱,只能被动地采取应急措施,缺乏对干旱成因地充分认识、不易厘清干旱特征和发展规律,应对措施单一片面,采取地是危机管理方式,其结果是造成粮食减产、人畜饮水困难、厂矿被迫间歇性生产或停产、生态环境恶化和经济发展放缓等。传统的干旱危机管理方式不能有效地防止或减少干旱危害,为了有效地防旱抗旱,对于干旱管理应变“危机管理”为“风险管理”,而风险管理正日益成为全世界热衷的研究课题,风险单一管理正逐步发展成为风险综合管理,有学者指出“风险管理”是国家强盛的基石之一。在我国,也是干旱频发,干旱缺水的矛盾日益突出,严重制约了经济的发展。我国在干旱管理方面长期以来处于被动防抗局面,主要采取应急抗旱措施,缺乏全面的抗旱规划方案,不能有针对性的制定操作性好、措施有力的抗旱预案,管理方法落后、科技手段低下,完全是“危机管理”方式。与之相反的干旱“风险管理”则是对干旱采取科学管理的模式,包括灾前、灾期和灾后三个方面的管理。主要是在灾害发生前采取预防预警措施,使可能出现的干旱灾害消亡在其初始或成长阶段,减少干旱灾害出现的机会。而对于难以避开的旱灾,能提前采取控制措施,以便有足够的准备来应对和处理灾害,进而减轻旱灾损失。在灾后,除了救援救济、恢复重建外,还要对旱灾的原因、抗旱结果等进行分析总结,采取旱后评价以便为日后的防旱抗旱制定更加全面、措施有力的对策和计划。干旱风险管理,是主动防旱抗旱,面对干旱风险积极应对,从而起到降低或减轻旱灾的损失或破坏作用。近年来,我国干旱愈发频繁,旱灾损失愈演愈巨,2009-2010年西南地区严重干旱引起大面积农田绝收、河流干涸、人畜因旱饮水严重困难和严重的经济损失,再一次给我国干旱方面的管理敲响了警钟。在此背景下,本文以广西大石山区为研究对象并以广西田东县作为典型,在综合国内外相关研究成果的基础上,开展该区域的干旱风险管理,以提高该区域的防旱抗旱能力。本文紧扣干旱风险管理的内容,具体开展了以下几个方面的工作。(1)从广西大石山区的基本特征入手,分析了其干旱成因及干旱特征,并从自然、社会、经济等方面综合考虑选取影响因素作为评价指标对承灾体的干旱脆弱性程度采用基于熵权的模糊综合评判法进行综合评价,分析的评价结果表明广西大石山区30个县(市、区)的绝大部分的干旱脆弱性程度为严重,其评价结果对如何降低地区的脆弱性程度起到了指导性作用,并为减少防旱抗旱决策的盲目性和风险性起到了重要作用。(2)干旱识别是干旱风险管理的基础,干旱的影响因素一般有降水、气温、蒸发、旱风、土壤、地形、地貌、水文地质、农作物结构、供水条件等及区域特征,本研究在参照已有干旱识别指标体系的基础上,首次采用熵权法基于年内月、季间供需水量平衡评价指标和用均值化方法处理得到的供需水相对指数评价指标对旱地农业干旱的易旱区及干旱月、季度变化趋势和干旱程度进行了识别和分析评价,并与常规传统方法分析评价的结果进行了对比。结果表明,熵权法不仅能对干旱程度进行识别,而且还能识别干旱的变化趋势。(3)基于研究区域内的旱情历史资料缺乏,干旱信息不完备的情况下,采用模糊信息分配法及超越极限概率方法以田东县农业干旱为例进行了风险评估研究。同时采用信息扩散方法对广西大石山区的农业干旱及人饮因旱饮水困难进行了风险评估和区划风险图研究。并采用传统的频率计算和等级划分方法对广西大石山区干旱特征进行了分析及干旱风险图区划绘制。(4)为能较为准确进行干旱预报,制定有效的抗旱决策提供科学依据,本文在自回归综合移动平均ARIMA模型、Elman神经网络模型、小波网络分析模型、灰色系统理论模型对年降雨量的预测基础上,通过多种组合,建立了基于熵权的优选组合预测模型,该模型的预测精度得到了提高,拟合程度得到大大改善,为干旱预测提供了新的方法和理论支持。(5)对广西09-10年的特大干旱成因进行分析,并开展水柜防旱抗旱预警研究。针对09-10年特大干旱的影响,确定家庭水柜的容积大小,再根据水柜水位与可供水天数关系确定连续无雨日天数与可剩供水天数的预警响应级别。(6)开展广西抗旱社会经济效益分析,结果表明抗旱效益和投入资金之比(益本比)多年平均值为24.3,而对于严重旱灾益本比为12.4,对于中等程度旱灾甚至可以达到70以上,抗旱效益显着。本文以广西大石山区为研究对象及其中的田东县为典型,从干旱风险管理模式出发,剖析了该区域在抗旱减灾中存在的问题,并针对其区域干旱特征,围绕目前国内外研究热点和难点问题,对广西大石山区的干旱成因及大石山区的脆弱性进行了分析和评价,对该区域的干旱风险进行了识别与评价、评估与区划,以及干旱预报展开研究,并对广西抗旱效益进行了分析,抗旱减灾对策研究等,以期能对该区域今后的干旱防灾减灾工作提供科学依据和理论支持。
王宝红,康永辉,黄伟军,孙凯,解建仓[7](2014)在《基于熵权的年降雨量预报优化组合模型研究》文中进行了进一步梳理鉴于单一预测模型在建模时预测值比实际值存在较大偏差问题,为了提高预测精度,在此首先采用自回归综合移动平均ARIMA模型(简称A模型)、Elman神经网络模型(简称B模型)、小波网络分析模型(简称C模型)、灰色系统GM(1,1)模型(简称D模型),利用广西田东县19902007年的年降雨量分别进行了模拟计算,然后在各单一模型预测(拟合)的年降雨量偏差值基础上,应用熵权法对4种模型的偏差值进行客观赋权后优化组合,并根据最优组合结果,选用A、B、C单一模型和最优选的A-B-C优化组合模型对广西田东县20082010年的年降雨量进行预测对比。结果表明,A、B、C和A-B-C模型得到的均方根误差RMSE和模型效率EF分别为0.018、0.015、0.017、0.013和0.817、0.877、0.843、0.897,优化组合模型的预测精度和拟合度比单一模型的结果得到了提高和改善,该组合方法提高了年降水量的预测精度,为诸如广西田东县以雨养农业为主的区域农业干旱预报提供了新的方法和依据。
张丹[8](2011)在《区域旱情中长期预报及农业干旱风险综合评价》文中指出我国是一个水资源短缺的国家,随着社会经济的迅速发展和气候变迁,极端天气现象频繁发生,干旱成为威胁经济发展与农业生产的主要制约因素。因此,区域干旱预报和风险评价已变为人类关心的问题和研究重点,了解区域干旱发展规律、提前预知未来干旱演进趋势,了解区域干旱风险级别已成为抗旱减灾中最主要的研究内容之一。本文对干旱中长期预报和农业干旱风险等问题进行了研究,主要研究成果如下:(1)区域干旱演变规律分析本文归纳总结了干旱的定义、干旱的分类以及各种干旱类型的代表性指标,并根据SPI标准化降水指标能反映不同时间、空间尺度干旱的特点,将其作为干旱划分指标,以辽宁省朝阳地区为例,通过功率谱法,探索了朝阳地区的干旱周期和演变规律,最终得出朝阳地区的干旱呈现5年~10年的波动周期。(2)基于小波分解的干旱等级组合预测模型研究干旱最主要的影响因素是降水量,降水量本身呈现出趋势性、周期性和波动性的特征,基于小波理论较强的分解能力,首先应用小波理论对降水量的趋势性、周期性和波动性成分进行分离,然后采用不同的模型对各成分分别进行预测,将预测结果进行重构,作为最终的预测结果。对于较难预测的波动性成分,本文对影响因子进行了筛选,将筛选后的因子作为降水量波动分量预测的因子集合。与其它模型的对比结果表明,基于小波分解的降水量组合预测模型,降低了降水量值预测误差,提高了预测合格率。根据干旱分级标准,将降水量转换成干旱等级,实现了干旱等级的间接预测。(3)基于土壤水量平衡模型的土壤墒情模拟从年际、季节和垂向的角度,归纳总结了土壤墒情变化规律,得出土壤墒情不但与降水量的大小存在着密切的关系,还与降水的季节分布有关。针对土壤水量平衡模型中作物蒸散发量ET确定复杂的问题,应用BP神经网络对其进行了模拟,并将模拟结果应用于土壤墒情的模拟。结果表明,其模拟结果达到了与基于Penman-Monteith公式计算得到的ET对土壤墒情的模拟结果相近的水平。故在资料不完备情况下,将BP神经网络拟合得到的ET输入到土壤水量平衡模型中,进行土壤墒情预报的方法可行。(4)基于GFS降水预报信息的土壤墒情预报研究土壤墒情是衡量农业干旱较为重要的指标,若能提前预报土壤墒情,将为区域抗旱减灾提供更可靠的依据。本文基于GFS全球降水中期数值预报系统对无雨和少雨预报精度较高的特点,将其预报的降水信息用于逐旬土壤墒情的定量预报;在抗旱部署时,决策者最关心的问题是干旱发展程度、何时得以缓解,本文根据国家旱情划分标准,将定量预报结果转化为相应的干旱等级。结果表明,定性的干旱预报结果合格率较高,而后将量级预报结果应用于全省2009年8月份的干旱等级预报中,也得到了较满意的结果。(5)基于可变模糊集合的农业干旱风险综合评价基于农业干旱风险存在模糊性的特点,综合考虑区域干旱风险的危险性、暴露性、区域脆弱性及抗旱减灾能力,将可变模糊集合应用于农业干旱风险综合评价中,综合数学权重和主观权重确定指标综合权重,以朝阳地区为例,对区域农业干旱风险进行综合评价,并将该方法应用于辽宁省14个市的农业干旱风险综合评价中,形成全省农业干旱风险区划图。结果表明,可变模糊集合的应用为区域农业干旱风险评价提供了新的思路,全省干旱风险图的生成为区域未来的农业干旱风险管理及抗旱减灾决策提供了有力的理论支持和可靠的技术保障。最后,对全文进行了总结,并对有待于进一步研究的问题进行了展望。
张金萍[9](2011)在《基于IANN的县域农业可持续性预警模型研究 ——以黄河下游沿岸典型县市为例》文中研究指明区域农业系统的生存和发展易受到来自农业经济社会、资源和环境等多种因素的干扰,使农业发展可能偏离正常的运行轨道,产生各种警情。建立灵敏而准确的县域尺度短期预警模型,在科学测度农业可持续性的基础上,通过对警源的寻找和警兆的分析,使决策者能够及时发现和排除警情,从而对农业运行过程进行灵活有效的宏观调控,对确保县域农业可持续发展和国家粮食安全具有重要意义。可持续发展理论和预警理论是全文进行县域农业可持续性预警模型研究的重要理论基石。论文在可持续发展这一基本理论框架下,阐释了不同时空尺度农业可持续性测度的差异与联系,从而更为清晰的界定了县域尺度“农业可持续性”的内涵。研究期内县域农业发展系统为相对稳定和封闭的系统,这是预警模型成立的重要前提。同时也必须假定警情评判系统的3个子系统在研究期内均为线性系统,以便运用加权法获得子系统综合指数。从农业可持续性预警实现的具体要求出发,基于加权主成分分析算法(WPCA),从优化网络初始权值的视角对BP人工神经网络进行改良,形成快速收敛和高精度的网络模型WPCA-NN。以WPCA-NN为核心,将黄色预警法与传统系统学方法巧妙结合,建立了科学合理、易于操作的县域农业可持续性预警指标体系和模型体系。在黄淮海平原的黄河下游沿岸这一国家重要的粮食主产区中,选取5个典型县为主要案例,完成各县明确警情、寻找警源、分析警兆、预报警度4个关键环节,对5县20年来农业发展的状态、过程以及未来5年的发展变动趋势进行了较为深入的研究。本文的主要研究结论如下:(1)通过人工神经网络、统计预警与模型预警等方法的耦合,在县域这一更小的尺度上构建的农业可持续性预警模型体系具有良好的可操作性。“少而精”的警情指标体系与尽量完备的警兆指标体系更能突出县域尺度农业可持续性测度注重农业生产组织与实施的特点。农业可持续性警情三维空间、基于WPCA-NN的指标敏感性分析、Pearson相关分析和基于WPCA-NN的警度预报是各环节的核心技术。(2)改进的BP算法既能反映决策者对各指标的偏好程度,又能规避经典BP算法学习速度慢和易陷入局部极小的缺陷。采用加权主成分分析法改变BP神经网络初始权向量的取值,基于Oja网络模型形成三层WPCA-NN,分别采用无监督学习的加权主成分分析算法和线性有导师的δ学习规则完成输入层到隐层和隐层到输出层的权值学习,从而有效提高了预警模型的解释力。(3)典型县域选择具有科学性和可行性。主要根据109县域经济实力分类结果,参考经济实力、粮食单产及其投入影响因素的空间分异规律,综合运用加权主成分分析、层次聚类分析、SOFM网络建模以及全局和局域空间异质性分析等方法,选取垦利县、中牟县、高青县、台前县和封丘县5县分别作为经济实力雄厚、较强、一般、较薄弱和薄弱县的代表。采用主成分得分和层次聚类结果辅助确定参数是SOFM网络合理分类的重要保证。(4)县域农业可持续性预警实证分析达到预期并符合实际。1989~2008年农业经济-社会持续指数总体上带动5县农业警情综合持续指数增长,但农业资源持续指数的波动和农业环境持续指数的加速下降为农业可持续发展的愿景埋下隐患。农业生产物资条件及基础设施状况、耕地利用投入水平、农业生产的环境背景等是5县农业发展共同的警源。2009~2013年5县的农业可持续性警情虽多为有警,但均以轻警和中警为主,说明警情下降的态势不甚严重,资源和环境方面警兆的异常波动,尤其是权重较大的那些警兆指标对警情有着更为直接的影响。本文的主要创新之处在于:(1)从经济社会、资源和环境三个方面提出了用于农业可持续性预警的指标体系;(2)将改进的人工神经网络法与传统的黄色预警法相结合,建立了县域农业可持续性预警的模型体系;(3)从明确警情、寻找警源、分析警兆和预报警度4个关键环节,完成了典型县的预警测度计算分析,验证了模型体系和指标体系的可行性。论文深化了区域农业可持续发展研究的理论和方法,预警模型参数的推广应用对指导地方农业生产实践具有重要参考价值。
韦安磊[10](2010)在《污水处理过程数学模型方法及其关键技术研究》文中研究说明如何提高污水处理效率和过程优化控制策略是国内外污水处理研究领域普遍关注的问题。污水处理过程具有时变性、非线性和复杂性等鲜明特征,这使得污水处理系统的运行和控制极为复杂。在我国当前水环境形势下,开展污水处理过程数学模型方法研究,即具有重要的理论价值,也有紧迫的现实需要。数学模型方法的有效性和可行性是数学模型应用推广的前提。论文回顾了污水处理过程模型近50多年的发展历程,认为数学模型是污水处理管理和决策不可缺少的工具;同时由于传统数学模型方法的相对复杂性与实际操作人员的知识有限性之间的矛盾,当前污水处理过程模型推广应用存在着两个难点:一是缺少简捷有效的机理模型校核方法;二是缺少稳定性和准确性俱佳黑箱模型方法。因此,应该寻求简捷可靠、行之有效的模型方法及其关键技术,以增强污水处理过程模型的实用性和可行性。论文以提高污水处理过程模型精度和简化模型校核步骤两方面为目标,提出了一种待估参数选择方法,反向选择法。该方法通过分析模型输出均方差,并将均方差分解为方差项和偏差项:前者与测量噪声方差和所选待估参数个数成正比,后者同模型参数取值及其灵敏度有关。反向选择法最初设定全部模型参数均属于待估参数集,然后逐步行进,每一步挑选出一个对提高模型精度无益的参数,并将其排除在待估参数集之外。随着待估参数个数的减少,方差项值逐渐降低,偏项值则逐渐增加,当偏项值增加幅度大于方差项值减少幅度时,便停止选择步骤,那么仍停留在待估参数集的参数则被用于模型校核。反向选择法在计算参数灵敏度时考虑了参数的不确定性,这更符合实际情况。通过与全体参数估计法和另一种待估参数选择方法正交选择法对比,发现反向选择法能够大大降低模型校核估计参数数目,同时提供了良好的模拟和预测性能。此外,论文还通过实验室规模的SBR系统模型验证了反向选择法的有效性。机理模型与人工神经网络(ANN)模型相结合的复合模型方法能够在机理模型未校核的前提下实现满意的模拟和预测精度。论文提出了三种复合模型方法:加和式并联复合模型方法(ASM2d+ANN)、乘积式并联复合模型方法(ASM2d*ANN)与串联复合模型方法(ASM2d-ANN)。复合模型方法中,以ANN模型学习机理模型因未校核而引起的误差部分,进而完成最终模拟。基于某污水处理脱氮除磷过程测量数据,分别建立了未校核的ASM2d机理模型, ASM2d+ANN模型,ASM2d*ANN模型与ASM2d-ANN模型,采用这些模型模拟出水水质。模拟结果表明:尽管ASM2d机理模型未经校核、并存在较大误差,但其输出能展示出与出水水质相似的波动特征,这为构建复合模型奠定了基础;基于ASM2d机理模型,辅以ANN模型,三种复合模型均显示了良好的模拟和预测性能,这表明复合模型不仅具有良好的向内差值功能,而且拥有可靠地外推插值能力;三种复合模型之中,ASM2d-ANN模型性能最优,其串联结构决定了ASM2d-ANN模型能够合理地描述存在于ASM2d机理模型输出和变量测量值之间的非线性关系。因此,复合模型方法适用于污水处理过程模拟,是一种简捷有效的模型方法。黑箱模型方法是解决污水处理复杂动态过程模拟问题的有效途径。论文深入探讨了三种黑箱模型方法:适应性模糊推理系统(ANFIS)、小波网络和小波变换-模糊马尔可夫链方法。ANFIS是一种具有神经网络学习特征的模糊推理系统;论文利用高浓度废水厌氧处理过程数据,验证了ANFIS模型的有效性;并且针对ANFIS模型快速收敛的特点,提出了一种模型输入优化选择方法,潜在式最优输入选择法,通过与主成份分析法对比以及模型不确定性分析,表明基于潜在式最优输入选择法构建的ANFIS模型泛化能力强、稳定性好。小波网络是隐层神经元为小波函数的单隐层神经网络;论文通过膜滤过程膜通量测量数据验证了小波网络模型的有效性,并且发现小波网络具有网络构建方法明确、网络初始化效果好、快速收敛等显着特征,可用于污水处理过程模拟。小波变换-模糊马尔可夫链方法是一种时间序列预测方法,其首先利用小波变换将原始时间序列分解为若干子序列,然后对每个子序列分别建立模糊马尔可夫链模型,最后再通过小波重构将各子序列输出合并以预测原始时间序列;论文将此方法用于污水处理厂进水BOD预测,结果表明小波变换-模糊马尔可夫链方法适用于污水处理过程时间序列预测,且可以通过适当增加模糊划分数目与改变小波函数类型提高预测精度。通过对上述三种黑箱模型方法的分析,表明黑箱模型方法能够充分利用现有数据,准确地把握住污水处理过程中的非线性不规则特征,可以作为污水处理过程模拟方法的选择。
二、基于小波网络的干旱程度评估方法(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、基于小波网络的干旱程度评估方法(论文提纲范文)
(1)基于小波神经网络的资金预测模型研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 关于资金预测模型的研究 |
1.2.2 关于小波神经网络模型的研究 |
1.2.3 关于时间序列预测方法的研究 |
1.3 研究内容以及意义 |
1.3.1 防范流动性风险,减少或规避损失 |
1.3.2 合理控制流动性盈余,保障投资者收益 |
1.3.3 创新模型,落实“智能金融” |
1.3.4 规避突发性风险 |
1.4 研究方法 |
1.4.1 文献研究法 |
1.4.2 常用的实证经济分析法 |
1.4.3 模型分析法 |
第二章 相关理论研究 |
2.1 机器学习识别器 |
2.1.1 监督学习 |
2.1.2 无监督学习 |
2.1.3 半监督学习 |
2.1.4 强化学习 |
2.2 小波神经网络概述 |
2.2.1 BP神经网络 |
2.2.2 小波神经网络 |
2.3 小波分析及其滤波器 |
2.3.1 小波的分类与性质 |
2.3.2 小波变换与傅里叶变换的比较 |
本章小结 |
第三章 基于WANN的时间序列小波神经网络 |
3.1 时间序列概述 |
3.2 基于WANN时间序列的小波分析 |
3.2.1 小波伸缩因子 |
3.2.2 小波变换 |
3.2.3 小波基函数 |
3.3 小波降噪处理 |
本章小节 |
第四章 基于小波神经网络的时间序列金融预测模型构建 |
4.1 数据来源 |
4.1.1 余额宝ALIP数据集 |
4.1.2 上证SSEP数据集 |
4.2 数据预处理 |
4.2.1 金融数据预处理 |
4.2.2 用户分类 |
4.3 小波神经网络模型概述 |
4.4 分离式小波神经网络 |
4.4.1 残差噪声检验 |
4.4.2 基于WANN分离式小波神经网络资金预测模型 |
4.4.3 实证分析 |
4.5 嵌入式小波神经网络 |
4.5.1 基于WANN嵌入式双隐层小波神经网络资金预测模型 |
4.5.2 实证分析 |
4.6 对比分析 |
本章小结 |
第五章 多种优化算法预测模型的对比分析 |
5.1 基于SVM支持向量机的预测模型 |
5.1.1 支持向量机的误差预测matlab实现 |
5.2 基于狼群算法的阈值优化神经网络 |
5.3 对比分析 |
本章小结 |
第六章 结论与展望 |
参考文献 |
致谢 |
(2)永定河上游张家口地区地表水资源时空分布模拟研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 研究目标和内容 |
1.2.1 研究目标 |
1.2.2 研究内容 |
1.2.3 拟解决的主要科学问题 |
第2章 国内外本学科领域的发展现状与趋势 |
2.1 水资源评价 |
2.2 山地水资源 |
2.3 山地水文模拟研究进展 |
2.4 水文模型在山地区域的应用进展 |
2.4.1 经验模型在山地水文研究中的应用 |
2.4.2 概念模型在山地水文研究中的应用 |
2.4.3 物理机制模型在山地水文研究中的应用 |
2.5 山地水文模拟的难点 |
2.6 当前山地水文研究热点与展望 |
2.6.1 多过程耦合观测条件下山地水文过程机理研究 |
2.6.2 自然—社会二元水循环理论研究 |
2.6.3 大数据背景下的多源数据利用与同化 |
2.6.4 网络化建模技术研究 |
2.7 本研究关注点 |
第3章 研究区概况与技术路线 |
3.1 研究区概况 |
3.1.1 气候特征 |
3.1.2 地形特征 |
3.1.3 水文地质特征 |
3.2 研究思路与技术路线 |
第4章 水文气象要素演变趋势与径流变化归因分析 |
4.1 引言 |
4.2 数据与方法 |
4.2.1 数据来源与处理 |
4.2.2 基流分割 |
4.2.3 Mann-Kendall趋势检验 |
4.2.4 双累积曲线 |
4.2.5 Budyko框架下径流变化的弹性系数 |
4.2.6 Budyko框架下径流变化归因识别 |
4.3 结果 |
4.3.1 基流分割结果 |
4.3.2 干流站点基流年际变化特征 |
4.3.3 干流站点年内径流分配 |
4.3.4 干流站点径流变化分析 |
4.3.5 气象要素变化趋势 |
4.3.6 降水-径流响应关系分析 |
4.3.7 研究区水热平衡状态分析 |
4.3.8 径流弹性系数分析 |
4.3.9 河川径流变化归因分析 |
4.4 讨论 |
4.4.1 与前人研究结果的比较 |
4.4.2 人类活动对径流变化的影响 |
4.5 小结 |
第5章 地表水资源量时空变化模拟模型的构建与模拟 |
5.1 模型概述 |
5.1.1 水文模块与河道径流演算 |
5.1.2 河道汇流 |
5.1.3 气候模块 |
5.2 数据库构建 |
5.2.1 数据来源 |
5.2.2 土地利用数据库的构建 |
5.2.3 土壤数据库的构建 |
5.2.4 气象数据库的构建 |
5.2.5 子流域及水文响应单元划分 |
5.3 参数敏感性分析与率定 |
5.4 模拟效果评价 |
5.5 模拟结果与分析 |
5.6 张家口地区现有地表水资源量分布规律 |
5.7 小结 |
第6章 未来气候情景下的径流响应与地表水资源分布 |
6.1 引言 |
6.2 未来降水情景分析 |
6.3 未来最高气温情景分析 |
6.4 未来最低气温情景分析 |
6.5 永定河上游流域未来气候情景下汛期径流模拟分析 |
6.6 永定河上游流域未来气候情景下极端水文事件分析 |
6.7 张家口地区未来地表水资源分布特征 |
6.8 小结 |
第7章 结论与展望 |
7.1 主要结论 |
7.2 论文主要创新点 |
7.3 研究不足与未来展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(3)基于小波神经网络的降雨量预测及在农业生产中的应用研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 降水演变特征研究现状 |
1.2.2 旱涝指标的研究现状 |
1.2.3 降雨量预测研究现状 |
1.3 研究目标及主要内容 |
1.3.1 主要研究目标 |
1.3.2 主要研究内容 |
第2章 岳阳市降水数据分析 |
2.1 岳阳市区域概况 |
2.1.1 基本概况 |
2.1.2 自然环境状况 |
2.1.3 社会主要情况 |
2.2 降水量分析方法 |
2.2.1 移动平均法 |
2.2.2 累积距平法 |
2.2.3 气候倾向率法 |
2.2.4 变化趋势的显着性检验 |
2.2.5 Mann-Kendall突变检验法 |
2.3 岳阳市年降水量变化特征 |
2.3.1 趋势分析 |
2.3.2 突变分析 |
2.4 岳阳市季节降水量变化特征 |
2.4.1 趋势分析 |
2.4.2 岳阳市各季降水量突变分析 |
2.5 本章小结 |
第3章 基于岳阳市降雨量的旱涝特征分析 |
3.1 旱涝指标简介 |
3.1.1 降水距平百分率 |
3.1.2 Z指数 |
3.1.3 湿度指标 |
3.2 岳阳市年旱涝特征分析 |
3.2.1 降水距平百分率 |
3.2.2 Z指数 |
3.2.3 湿度指标 |
3.3 岳阳市季节旱涝特征分析 |
3.3.1 Z指数 |
3.3.2 湿度指标 |
3.4 本章小节 |
第4章 岳阳市降水量预测 |
4.1 引言 |
4.2 资料来源 |
4.3 预测模型简介 |
4.3.2 最近邻抽样回归模型 |
4.3.3 小波神经网络预测模型 |
4.4 降水预测模型的建立及检验 |
4.4.1 最近邻抽样回归降水预测 |
4.4.2 小波神经网络降雨量预测 |
4.5 基于小波神经网络降雨量预测及旱涝等级分析 |
4.6 岳阳市农业旱涝灾害成因及建议 |
4.6.1 自然因素 |
4.6.2 社会因素 |
4.6.3 建议 |
4.7 本章小结 |
第5章 总结和展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简历 |
(4)基于复杂网络理论的荒漠绿洲区生态网络研究(论文提纲范文)
摘要 |
ABSTRACT |
1. 引言 |
1.1. 研究背景与意义 |
1.1.1. 荒漠化和绿洲化对生态环境影响 |
1.1.2. 3S技术在生态环境研究中的应用 |
1.1.3. 自然地理学研究范式变迁 |
1.2. 复杂系统理论 |
1.2.1. 复杂性与复杂系统 |
1.2.2. 复杂系统理论研究进展 |
1.3. 复杂网络研究进展 |
1.3.1. 复杂网络概念及其特性 |
1.3.2. 复杂网络模型 |
1.3.3. 复杂网络优化 |
1.4. 生态网络研究进展 |
1.4.1. 生态网络的概念 |
1.4.2. 生态网络构建 |
1.4.3. 生态网络结构及优化研究 |
2. 研究区概况及研究内容 |
2.1. 研究区概况 |
2.1.1. 自然地理概况 |
2.1.2. 社会经济概况 |
2.2. 研究内容 |
2.2.1. 研究目标 |
2.2.2. 研究内容 |
2.2.3. 技术路线 |
2.2.4. 关键科学问题 |
3. 潜在生态网络提取 |
3.1. 数据来源及处理 |
3.2. 研究方法 |
3.2.1. 城市边界形状指数 |
3.2.2. EMD分析 |
3.2.3. 协克里金插值 |
3.2.4. 最小累积阻力模型 |
3.3. 研究结果 |
3.3.1. 磴口县城区形状演变 |
3.3.2. 地下水分析 |
3.3.3. 生态斑块提取及分析 |
3.3.4. 磴口县潜在生态网络提取 |
3.4. 本章小结 |
4. 生态网络空间分析 |
4.1. 研究方法 |
4.1.1. 基于生态源地变化的生态用地变化模拟模型 |
4.1.2. 生态源地节点格局分析 |
4.1.3. 骨架廊道识别算法 |
4.2. 研究结果 |
4.2.1. 生态用地变化模拟 |
4.2.2. 生态源地点格局分析 |
4.2.3. 骨架生态廊道结构分析 |
4.3. 本章小结 |
5. 潜在生态网络拓扑结构分析 |
5.1. 研究方法 |
5.1.1. 网络基本静态统计特征 |
5.1.2. 生态网络的关联性 |
5.1.3. 生态网络的节点介数 |
5.1.4. 生态网络连通性 |
5.2. 研究结果 |
5.2.1. 生态网络的基本结构分析 |
5.2.2. 生态网络关联性分析 |
5.2.3. 生态网络节点重要性分析 |
5.2.4. 生态网络节点连通性分析 |
5.3. 本章小结 |
6. 生态网络结构优化及鲁棒性分析 |
6.1. 研究方法 |
6.1.1. Voronoi图模型 |
6.1.2. BCBS模型 |
6.1.3. 结构鲁棒性 |
6.2. 研究结果 |
6.2.1. 生态网络结构优化 |
6.2.2. 优化后复杂网络统计特性分析 |
6.2.3. 鲁棒性分析结果 |
6.3. 本章小结 |
7. 生态网络结构多情景破坏模拟 |
7.1. 研究方法 |
7.1.1. 力导向算法 |
7.1.2. 多情景模拟模型 |
7.2. 研究结果 |
7.2.1. 多模式累积阻力面构建 |
7.2.2. 生态网络多情景模拟 |
7.3. 本章小结 |
8. 结论与展望 |
8.1. 结论 |
8.2. 创新点 |
8.3. 展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
附录 |
(5)气候变化影响下的流域干旱评估研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 气候变化对水文水资源影响研究进展 |
1.2.1 气候变化情景与全球气候模式 |
1.2.2 降尺度技术 |
1.2.3 水文模拟技术 |
1.2.4 不确定性分析 |
1.3 干旱评估研究进展 |
1.4 研究思路与主要研究内容 |
1.4.1 研究思路 |
1.4.2 技术路线与各章内容 |
第2章 淮河流域气象干旱时空分布特征分析 |
2.1 概述 |
2.2 研究区域与数据 |
2.3 研究方法 |
2.3.1 点干旱评估 |
2.3.2 一种简单的贝叶斯空间插值法 |
2.3.3 区域干旱风险与干旱评级 |
2.3.4 干旱时空分布规律 |
2.4 结果分析 |
2.4.1 插值方法的交叉验证 |
2.4.2 流域干旱风险的时间分布特征 |
2.4.3 流域干旱等级评估 |
2.4.4 流域干旱风险的空间分布特征 |
2.5 小结 |
第3章 降水降尺度模型的评价与集成分析 |
3.1 概述 |
3.2 数据来源与预报因子的预处理 |
3.2.1 地面观测数据 |
3.2.2 大尺度预报因子 |
3.3 统计降尺度方法 |
3.3.1 SDSM |
3.3.2 SVM |
3.3.3 LARS-WG |
3.4 模型平均方法 |
3.5 模型评价指标 |
3.6 结果分析 |
3.6.1 模型权重优化结果比较 |
3.6.2 目标函数结果比较 |
3.6.3 评价指标结果比较 |
3.7 小结 |
第4章 气候变化下水文气象因子的模拟 |
4.1 概述 |
4.2 研究区域与数据 |
4.3 水文模型 |
4.3.1 新安江模型 |
4.3.2 HBV |
4.3.3 SIMHYD |
4.4 水文模型的率定与验证 |
4.4.1 目标函数 |
4.4.2 模型率定结果 |
4.5 水文气象因子的变化 |
4.5.1 降水与气温变化 |
4.5.2 径流变化 |
4.5.3 土壤湿度变化 |
4.6 小结 |
第5章 气候变化对流域干旱的影响 |
5.1 概述 |
5.2 干旱评估指标 |
5.3 干旱阈值的划分 |
5.4 干旱频次的变化 |
5.5 干旱持续时间的变化 |
5.6 小结 |
第6章 气候变化影响的不确定性 |
6.1 概述 |
6.2 研究方法 |
6.3 干旱评估中的不确定性 |
6.4 不确定性范围的比较分析 |
6.5 小结 |
第7章 总结与展望 |
7.1 主要成果与结论 |
7.2 研究中的不足与对今后工作的展望 |
参考文献 |
附录 |
攻博期间发表的学术论文 |
攻博期间参与的科研项目 |
攻博期间参与的学术会议 |
致谢 |
(6)广西大石山区干旱风险管理研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.2.1 干旱识别与指标研究现状 |
1.2.2 干旱风险评估研究现状 |
1.2.3 干旱预警预报研究现状 |
1.2.4 抗旱减灾对策及抗旱预案研究现状 |
1.3 研究动态和趋势 |
1.4 研究内容及技术路线 |
1.5 创新成果 |
2 广西大石山区干旱灾害风险成因分析 |
2.1 广西大石山区基本特征概况 |
2.2 广西大石山区以岩溶生境为特性的脆弱性 |
2.3 广西大石山区干旱灾害特征分析 |
2.4 广西大石山区干旱灾害成因总结 |
2.5 结论与对策 |
3 广西大石山区干旱脆弱性评价研究 |
3.1 基于熵权的干旱脆弱性模糊综合评价 |
3.1.1 建立模糊综合评价模型 |
3.1.2 评价分级标准及相对隶属度的确定 |
3.1.3 利用熵权法确定指标权重 |
3.2 基于熵权模糊综合评价法在广西大石山区干旱脆弱性评价中的应用 |
3.3 结论 |
4 基于熵权法的干旱识别与评价研究 |
4.1 识别与评价模型 |
4.2 采用熵权法对田东县农业干旱相对易旱区的识别与评价 |
4.3 田东县农业干旱程度识别及月、季尺度变化趋势 |
4.4 结论 |
5 基于干旱综合指数的农业干旱模糊信息分配风险评估研究 |
5.1 农业干旱综合指数分析 |
5.2 建立农业干旱综合指数 |
5.3 干旱综合指数风险评估 |
5.4 基于干旱综合指标的模糊信息分配风险评估 |
5.4.1 信息分配定义 |
5.4.2 基于信息分配的干旱综合指数概率分布 |
5.4.3 超越极限概率 |
5.5 应用实例 |
5.6 结论 |
6 基于旱灾损失的干旱风险评估与区划研究 |
6.1 干旱灾害程度的确定 |
6.2 频率分析和等级划分法的干旱风险评估与区划 |
6.2.1 风险评估 |
6.2.2 易旱区风险图区划 |
6.3 基于模糊信息扩散评价方法的干旱风险评估与区划 |
6.3.1 模糊信息扩散评价方法 |
6.3.2 干旱风险评估 |
6.3.3 广西大石山区干旱风险区划图 |
6.4 结论 |
7 基于熵权理论的优选组合模型干旱预测研究 |
7.1 预测模型简介 |
7.1.1 ARIMA模型 |
7.1.2 Elman神经网络模型 |
7.1.3 小波网络分析模型 |
7.1.4 灰色预测模型 |
7.2 熵权理论 |
7.2.1 确定指标熵 |
7.2.2 确定指标的熵权 |
7.3 组合优化预测模型 |
7.4 熵权理论优选组合模型在干旱预测中的应用研究 |
7.5 结论 |
8 广西2009-2010年特大干旱分析及水柜抗旱预警研究 |
8.1 广西09-10年特大干旱分析 |
8.1.1 概略广西09-10年特大干旱 |
8.1.2 广西区09-10年的干旱成因分析 |
8.2 广西典型区域因旱人饮困难解决方案 |
8.2.1 广西大石山区水柜大小标准确定 |
8.2.2 家庭水柜抗旱预防 |
8.2.3 家庭水柜抗旱预警 |
8.3 结论 |
9 广西抗旱效益分析 |
9.1 社会经济影响及抗旱效益 |
9.1.1 旱灾损失和社会经济影响 |
9.1.2 抗旱减灾的社会经济效益 |
9.2 社会经济干旱趋势预测 |
9.3 结论 |
10 结论与展望 |
10.1 结论 |
10.2 展望 |
致谢 |
参考文献 |
附录 |
附表Ⅰ 广西大石山区农业干旱灾害损失风险概率统计表 |
附表Ⅱ 广西大石山区干旱灾害人口饮水困难风险概率统计表 |
附表Ⅲ 广西大石山区家庭水柜容积、因旱人饮困难预防及预警表 |
(7)基于熵权的年降雨量预报优化组合模型研究(论文提纲范文)
1 资料与方法 |
1.1 预测模型 |
1.1.1 ARIMA模型。 |
1.1.2 Elman神经网络模型[4]。 |
1.1.3 小波网络分析模型。 |
1.1.4 灰色预测模型[15]。 |
1.2 熵权理论 |
1.2.1 确定指标熵。 |
1.2.2 确定指标的熵权。 |
1.3 优化组合预测模型 |
1.4 研究区概况 |
2 实例验证 |
3 结论 |
(8)区域旱情中长期预报及农业干旱风险综合评价(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景和研究意义 |
1.2 研究现状及发展趋势 |
1.2.1 干旱预测研究现状 |
1.2.2 土壤墒情预报研究现状 |
1.2.3 干旱评价研究现状 |
1.2.4 存在的问题及发展趋势 |
1.3 论文主要研究内容 |
1.3.1 论文研究内容 |
1.3.2 论文内容结构图 |
2 区域干旱演变规律分析 |
2.1 引言 |
2.2 研究区域简介 |
2.2.1 研究区域概况 |
2.2.2 研究区域历史上的干旱 |
2.3 干旱定义及干旱分类 |
2.3.1 干旱定义及特点 |
2.3.2 干旱分类 |
2.4 朝阳地区干旱规律分析 |
2.4.1 SPI(标准化降水指标)简介 |
2.4.2 朝阳地区旱情变化情况分析 |
2.5 朝阳地区干旱演进规律分析 |
2.5.1 各级旱情发生频率 |
2.5.2 朝阳地区干旱周期分析 |
2.6 本章小结 |
3 基于小波分解的干旱等级组合预测模型研究 |
3.1 问题的提出 |
3.2 降水智能组合预测模型 |
3.2.1 快速小波变换算法 |
3.2.2 时间序列模型简介 |
3.2.3 BP神经网络简介 |
3.2.4 降水量组合预测模型 |
3.3 实例分析 |
3.3.1 基于小波理论的年降水量分解 |
3.3.2 年降水量预测实例分析 |
3.3.3 结果分析 |
3.3.4 基于降水量的干旱等级预测 |
3.4 模型普适性检验 |
3.5 小结 |
4 基于土壤水量平衡模型的土壤墒情模拟 |
4.1 引言 |
4.2 土壤墒情变化规律分析 |
4.2.1 土壤墒情简介 |
4.2.2 农田土壤墒情的变化特征 |
4.3 土壤水量平衡模型 |
4.3.1 土壤水量平衡模型 |
4.3.2 作物蒸散发量计算方法 |
4.4 作物蒸散发量BP神经网络拟合模型 |
4.4.1 输入输出样本选取与模型设计 |
4.4.2 模型模拟结果分析 |
4.5 基于土壤水量平衡的土壤墒情模拟 |
4.5.1 基于土壤水量平衡模型的土壤墒情模拟结果 |
4.5.2 基于BP作物蒸散发量的土壤墒情模拟 |
4.6 小结 |
5 基于GFS降水预报信息的土壤墒情预报研究 |
5.1 引言 |
5.2 GFS降水量可利用性分析 |
5.2.1 GFS全球预报系统简介 |
5.2.2 基于降水量分级及旬降水预报值分析 |
5.2.3 枯水或严重干旱时段内GFS降水预报信息可利用性分析 |
5.3 基于GFS降水预报的土壤墒情预报研究 |
5.3.1 土壤含水量定量预报 |
5.3.2 基于土壤墒情的区域干旱等级预报 |
5.4 基于GFS的全省土壤墒情预报图 |
5.5 小结 |
6 基于可变模糊集合的农业干旱风险综合评价 |
6.1 引言 |
6.2 干旱风险简介 |
6.2.1 干旱风险定义 |
6.2.2 干旱风险组成 |
6.3 干旱风险综合评价指标体系的建立 |
6.3.1 干旱风险指标选取原则 |
6.3.2 干旱风险指标体系确定 |
6.3.3 干旱风险评价指标等级划分 |
6.4 农业干旱风险综合评价模型 |
6.4.1 可变模糊集合简介 |
6.4.2 指标体系权重的确定 |
6.5 应用实例 |
6.5.1 农业干旱风险指标获取 |
6.5.2 农业干旱风险指标权重的确定 |
6.5.3 区域农业干旱风险综合评价 |
6.5.4 干旱风险评价结果分析 |
6.5.5 辽宁省农业干旱风险区划 |
6.6 小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
创新点摘要 |
攻读博士学位期间发表学术论文情况 |
致谢 |
作者简介 |
(9)基于IANN的县域农业可持续性预警模型研究 ——以黄河下游沿岸典型县市为例(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容 |
1.3 研究思路与方法 |
1.3.1 研究思路 |
1.3.2 研究方法 |
1.3.3 数据来源 |
第二章 相关研究综述 |
2.1 区域可持续性预警理论研究进展 |
2.1.1 宏观经济预警 |
2.1.2 自然灾害预警 |
2.1.3 区域综合预警 |
2.1.4 部门专业预警 |
2.2 农业可持续性预警研究的主要领域 |
2.2.1 农业气候/气象灾害预警 |
2.2.2 病虫害防治与农药残留监测 |
2.2.3 水土资源污染预警 |
2.2.4 预警数据获取 |
2.3 农业可持续性预警定量研究方法 |
2.3.1 传统预警法 |
2.3.2 综合评价法 |
2.3.3 非线性方法 |
2.4 小结与简评 |
第三章 县域农业可持续性预警模型框架的构建 |
3.1 农业可持续性的界定 |
3.1.1 农业可持续性测度的不同空间尺度 |
3.1.2 预警模型构建的区域尺度——县域 |
3.1.3 县域尺度农业可持续性的内涵 |
3.2 县域农业可持续性预警的概念模型 |
3.2.1 模型成立的重要前提条件 |
3.2.2 概念框架设计 |
3.2.3 预警流程设计 |
3.3 县域农业可持续性预警的操作模型 |
3.3.1 建立指标体系 |
3.3.2 明确警情 |
3.3.3 寻找警源 |
3.3.4 分析警兆 |
3.3.5 预报警度 |
第四章 BP 神经网络算法改进 |
4.1 人工神经网络建模基础 |
4.1.1 神经元的数学模型 |
4.1.2 误差反传算法 |
4.1.3 Kohonen 学习算法 |
4.2 对BP 网络的已有改进 |
4.2.1 标准BP 算法的缺陷 |
4.2.2 算法本身改进 |
4.2.3 引入全局优化算法 |
4.2.4 模糊BP 神经网络 |
4.2.5 小波BP 神经网络 |
4.3 基于WPCA 的BP 算法改进 |
4.3.1 初始权值对收敛性的影响 |
4.3.2 Oja 网络模型 |
4.3.3 加权主成分分析法 |
4.3.4 基于WPCA 的BP 权值学习 |
4.4 本章小结 |
第五章 基于 SOFM 和 GWR 的典型县域选择 |
5.1 研究区域界定 |
5.2 指标体系建立 |
5.2.1 指标选取 |
5.2.2 指标计算与权重 |
5.3 黄河下游沿岸县域经济实力的空间差异 |
5.3.1 加权主成分分析 |
5.3.2 县域经济空间分异特征 |
5.4 黄河下游沿岸县域经济实力分类 |
5.4.1 层次聚类分析 |
5.4.2 SOFM 网络建模 |
5.4.3 结果分析 |
5.5 黄河下游沿岸县域粮食单产的空间异质性 |
5.5.1 数据与GWR 模型 |
5.5.2 结果与分析 |
5.5.3 结论与建议 |
5.6 典型县域选择与区域分析 |
5.6.1 典型县域选择 |
5.6.2 区域分析 |
5.7 本章小结 |
第六章 黄河下游沿岸典型县域农业可持续性预警 |
6.1 明确警情 |
6.1.1 建立警情指标体系 |
6.1.2 子系统持续指数 |
6.1.3 警情综合持续指数 |
6.2 寻找警源 |
6.2.1 主导因子提取 |
6.2.2 指标敏感性分析 |
6.3 分析警兆 |
6.3.1 警情警限设置 |
6.3.2 警兆警区确定 |
6.4 预报警度 |
6.4.1 单项警兆指标预测 |
6.4.2 警度预报 |
6.5 改进BP 算法用于警度预报的效果 |
6.5.1 与BP 算法对比 |
6.5.2 与回归分析法对比 |
6.6 本章小结 |
第七章 结论与展望 |
7.1 主要研究结论 |
7.2 主要创新点 |
7.3 进一步研究的展望 |
参考文献 |
附录 |
致谢 |
攻读博士学位期间主要科研工作 |
(10)污水处理过程数学模型方法及其关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.1.1 污水处理与数学模型 |
1.1.2 数学模型的科学性 |
1.2 研究问题的提出 |
1.3 污水处理过程模型研究进展 |
1.3.1 机理模型 |
1.3.2 机理模型校核方法 |
1.3.3 机理模型商业软件 |
1.3.4 黑箱模型 |
1.4 研究目的、内容和意义 |
1.4.1 研究目的 |
1.4.2 研究内容 |
1.4.3 研究意义 |
1.5 论文结构 |
第2章 污水处理过程模型校核参数选择方法研究 |
2.1 引言 |
2.2 理论方法 |
2.2.1 正交选择法 |
2.2.2 反向选择法 |
2.3 案例一 |
2.3.1 反硝化过程数值试验 |
2.3.2 参数选择 |
2.3.3 模型拟合 |
2.3.4 模型验证 |
2.4 案例二 |
2.4.1 研究对象 |
2.4.2 参数选择与估计 |
2.4.3 模型拟合 |
2.4.4 模型验证 |
2.5 小结 |
第3章 污水处理过程机理-黑箱复合模型方法研究 |
3.1 引言 |
3.2 材料和方法 |
3.2.1 研究对象 |
3.2.2 ASM2d 机理模型 |
3.2.3 人工神经网络 |
3.2.4 加和式并联复合模型 |
3.2.5 乘积式并联复合模型 |
3.2.6 串联复合模型 |
3.2.7 评价指标 |
3.3 结果和讨论 |
3.3.1 ASM2d 机理模型分析 |
3.3.2 ASM2d+ANN 模型分析 |
3.3.3 ASM2d*ANN 模型分析 |
3.3.4 ASM2d-ANN 模型分析 |
3.3.5 三种模型对比分析 |
3.4 小结 |
第4章 污水处理过程ANFIS 模型方法及其输入变量优化选择研究 |
4.1 引言 |
4.2 材料和方法 |
4.2.1 研究对象 |
4.2.2 适应性模糊推理系统 |
4.2.3 潜在式最优输入选择法 |
4.2.4 主成分分析法 |
4.2.5 不确定性分析 |
4.2.6 性能评价指标 |
4.3 结果和讨论 |
4.3.1 建模数据处理 |
4.3.2 输入主成分分析 |
4.3.3 QZS 法输入选择 |
4.3.4 ANFIS 模型训练 |
4.3.5 ANFIS 模型检验 |
4.3.6 ANFIS 模型不确定性分析 |
4.4 小结 |
第5章 膜滤通量小波网络模型方法 |
5.1 引言 |
5.2 材料和方法 |
5.2.1 建模数据 |
5.2.2 小波网络 |
5.3 结果和讨论 |
5.3.1 小波网络模型构建与训练 |
5.3.2 小波网络模型膜通量动态模拟 |
5.3.3 小波网络与其他模型方法对比 |
5.4 小结 |
第6章 污水处理厂进水水质时序小波变换-模糊马尔可夫链预测方法 |
6.1 引言 |
6.2 材料和方法 |
6.2.1 数据来源 |
6.2.2 模糊马尔可夫链方法 |
6.2.3 小波变换 |
6.2.4 基于小波变换的模糊马尔可夫链法(WTFM) |
6.2.5 评价指标 |
6.3 结果和讨论 |
6.3.1 模糊状态划分对模拟精度的影响 |
6.3.2 小波变换尺度对预测精度的影响 |
6.3.3 小波函数类型对预测精度的影响 |
6.3.4 WTFM 法与其他方法的比较 |
6.4 小结 |
结论和建议 |
参考文献 |
致谢 |
附录A 攻读学位期间论文发表情况 |
附录B 攻读学位期间出版的专着 |
四、基于小波网络的干旱程度评估方法(论文参考文献)
- [1]基于小波神经网络的资金预测模型研究[D]. 金博文. 大连交通大学, 2020(06)
- [2]永定河上游张家口地区地表水资源时空分布模拟研究[D]. 陆文. 中国科学院大学(中国科学院水利部成都山地灾害与环境研究所), 2020(02)
- [3]基于小波神经网络的降雨量预测及在农业生产中的应用研究[D]. 黎丽. 湖南农业大学, 2019(08)
- [4]基于复杂网络理论的荒漠绿洲区生态网络研究[D]. 于强. 北京林业大学, 2018(04)
- [5]气候变化影响下的流域干旱评估研究[D]. 段凯. 武汉大学, 2014(04)
- [6]广西大石山区干旱风险管理研究[D]. 康永辉. 西安理工大学, 2014(01)
- [7]基于熵权的年降雨量预报优化组合模型研究[J]. 王宝红,康永辉,黄伟军,孙凯,解建仓. 安徽农业科学, 2014(16)
- [8]区域旱情中长期预报及农业干旱风险综合评价[D]. 张丹. 大连理工大学, 2011(09)
- [9]基于IANN的县域农业可持续性预警模型研究 ——以黄河下游沿岸典型县市为例[D]. 张金萍. 河南大学, 2011(09)
- [10]污水处理过程数学模型方法及其关键技术研究[D]. 韦安磊. 湖南大学, 2010(07)