登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 理工学类 > 统计学 > 正文

ARIMA和RBF神经网络在降水量预测中的应用研究开题报告

 2022-01-14 08:01  

全文总字数:6505字

1. 研究目的与意义及国内外研究现状

降雨作为水资源的主要来源,它的时间和空间分布与变化趋势将影响一个地区可利用水资源量的多少。对一个地区的降雨量准确的预测,一方面有利于为气象、农业、水利等多个部门管理、决策提供重要科学依据,另一方面对一个地区的社会经济发展和生态环境保护起着至关重要的作用。因此近几年来,降雨量的预测成为一个很热门的研究项目。然而影响降雨量的因素有很多,一方面受气压、环流、季风等气象要素的影响,降雨量数据很难趋于完整;另一方面降雨量数据的无序性、不确信性和波动幅度大,加大了预测降雨量的难度。

辽宁省位于我国东北地区南部,地理优势好,而全年降雨量少且分布不均衡,在时间上,夏季多、冬季少;在空间上,大致上呈现由东北方向西南方递减的趋势。无规律的降雨给辽宁省带来很大的经济损失和生态危机,因此对辽宁省降雨量准确的预测,可以提高地区部门抗旱防洪的能力,还能对水库储水、水资源均衡分配起到关键作用,进而有利于经济的发展和环境的保护。

本文首先对辽宁省历年降雨量数据进行整理分析,确保数据来源的可靠性。然后用数据预处理技术(如归一化、主成分分析法或移动平均法)对数据进行处理,排除随机误差和不确定性因素带来的干扰。再用时间序列arima模型拟合及预测降雨量;最后用径向基神经网络(rbf)模型做降雨量的预测,得出预测降雨量的结果,通过绘图、计算残差和均方根误差等统计量,比较三个站点的预测精度和评估两种模型的性能,进而比较两者的优缺点和科学性。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容

本文选取温带大陆性季风气候的辽宁省内丹东市、沈阳市和朝阳市的降雨作为研究对象。首先,对数据进行预处理,保证数据的可操作性;然后,建立时间序列ARIMA模型,拟合及预测降雨量,再者选取合适的降雨量数据作为训练样本和测试样本,构建RBF神经网络模型;最后,通过绘图、计算残差和均方根误差等统计量比较两种模型的性能和优缺点。

3. 实施方案、进度安排及预期效果

实施方案:

通过查阅书籍、期刊及网络上的一些共享资源,在老师、同学的帮助指导下,运用所学的统计软件完成数据的处理,采用arima模型和rbf神经网络模型对降雨量的预测。

进度安排:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

[1] 王燕. 应用时间序列分析(第四版)[m]. 北京: 中国人民大学出版社, 2015: 1-2, 175-176.

[2] papaefthymiou g, kl cklb. mcmc for wind power simulation[j]. ieee trans on energy conversion, 2008,23(1): 234 - 240.

[3] morales j r, minguez r,conejo a j. a methodology to generate statistically dependent wind speedscenarios[j]. applied energy, 2010, 87(3): 843-855.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图