辽宁省“百千万人才工程”资助项目(2012)
- 作品数：3 被引量：18H指数：3
- 相关作者：陈涛涛迟道才孙淼于洋栾策更多>>
- 相关机构：沈阳农业大学更多>>
- 发文基金：辽宁省“百千万人才工程”资助项目公益性行业(农业)科研专项更多>>
- 相关领域：轻工技术与工程天文地球更多>>
- ARIMA和蒙特卡洛方法在预测降水量中的应用被引量：3
- 2015年
- 为提高组合模型的预测精度,使其更好的应用于旱灾预测,采用差分自回归移动平均模型(ARIMA)模型和蒙特卡洛(Monte Carlo)方法分别对降水序列的线性、周期和非线性、随机部分进行预测,并通过博弈论组合赋权,建立基于博弈赋权的ARIMA和蒙特卡洛组合模型。以吉林省松原地区为例,利用1953~2012年逐月降水资料建模并预测,并与最小二乘法赋权法进行对比。结果表明:在对松原地区2012年月降水量的预测中,ARIMA模型预测值的决定系数为0.908,蒙特卡洛方法预测值的决定系数为0.941;应用博弈理论拟合蒙特卡洛方法和ARIMA模型的预测值,其结果的决定系数为0.945,高于最小二乘法拟合结果。蒙特卡洛方法的预测精度高于ARIMA模型,更适合降水量数据。同时将博弈理论应用于拟合两种方法的预测结果,使预测数据的线性和非线性特征有机结合起来,提高了预测精度,是切实可行的。
- 迟道才王子凰陈涛涛许杏娟张瑞
- 关键词：ARIMA博弈理论最小二乘法月降水量
- 基于EMD的BP神经网络在凌河流域旱灾预测中的应用被引量：7
- 2014年
- 为提高旱灾预测模型预测精度，利用EMD（经验模态分解法）处理非平稳信号的优势，将其应用到BP神经网络预测模型中，建立基于EMD的BP神经网络旱灾预测模型，对凌河流域44个观测站（小凌河流域11站、大凌河流域33站）共51年（1960~2010）的降水资料进行旱灾预测应用，同时将基于EMD的BP神经网络旱灾预测模型结果与BP神经网络预测模型结果进行对比。结果表明：小凌河流域基于EMD的BP神经网络预测模型、BP神经网络预测模型的年均降水量预测值均方误差（MSE）分别为0.0011和0.0076，决定系数（R2）分别为0.95和0.83；大凌河流域基于EMD的BP神经网络预测模型、BP神经网络模型的年均降水量预测值均方误差（MSE）分别为0.0032和0.0092，决定系数（R2）分别为0.93和0.79。基于EMD的BP神经网络预测值均方误差（MSE）较小且决定系数（R2）较高，均优于BP神经网络预测值，提高了BP神经网络旱灾预测模型预测精度，具有一定的可行性。
- 于洋迟道才陈涛涛孙淼栾策
- 关键词：EMDBP神经网络
- 极限学习机在洪涝灾害预测中的应用被引量：8
- 2014年
- 为了减轻洪涝灾害对人类的伤害,将极限学习机（extreme learning machine,ELM）引用到洪涝灾害预测中,利用凌河流域1960～2010年44个观测站（其中大凌河流域33站、小凌河流域11站）的降水资料,对凌河流域洪涝灾害进行预测,并将其与传统神经网络预测结果进行对比分析.结果表明：基于极限学习机预测模型的年均降水量预测值,大凌河流域的均方误差（MSE）为0.003,决定系数（R2）为0.927;小凌河流域的均方误差（MSE）为0.0037,决定系数（R2）为0.8481,均满足误差精度要求,其结果均优于BP神经网络预测模型的均方误差值和决定性系数.说明极限学习机预测模型用于洪涝灾害预测效果良好,为洪涝灾害预测提供了新的方法.
- 孙淼陈涛涛于洋王子凰迟道才
- 关键词：BP神经网络
