基于CEEMDAN-LSTM模型的郑州市月降水量预测

降水预测对农业生产和水资源利用具有重要意义.由于单一模型难以准确预测降水量,文章建立了基于完全集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的耦合模型,对郑州市月降水量进行预测,并与LSTM模型、EEMD-LSTM模型和CEEMDAN-SVR模型的性能进行了比较.结果 表明,CEEMDAN克服了EE...     

基于SVM-CEEMDAN-BiLSTM模型的日降水量预测

针对日尺度降水序列中极大值与无雨日预测精度低的问题，提出基于支持向量机(SVM)、完全集合经验模态分解(CEEMDAN)和双向长短期记忆神经网络(BiLSTM)的降水预测耦合模型。将提出的模型应用于鄱阳湖流域景德镇站和赣县站2个典型站点的日降水量预测中，并与各种传统模型组合的预测结果进行了对比。结果表明：耦合模型的降水预测结果与实测结果基本一致且精度最高，为日尺度降水量预测中极大值与无雨日预测精度低的问题提供了一种解决参考。     

基于EEMD-NGO-LSTM神经网络耦合的月径流预测模型及应用

为了提高径流序列的稳定度和精度，减小参数优化不当导致的非线性误差，研究将长短期记忆神经网络(LSTM)、集成经验模态分解(EEMD)和北方苍鹰优化算法(NGO)相结合，构建了EEMD-NGO-LSTM耦合预测模型。将此预测模型应用于模拟东辽河中下游的控制总站——王奔水文站2012年～2021年逐月径流过程，并与鲸鱼算法(WOA)以及灰狼算法(GWO)优化的长短期记忆神经网络进行模型比较。结果表明，EEMD-NGO-LSTM耦合预测模型的超参数迭代速度最快，精度最高，预测结果最接近实测值，其决定系数R²为0.864 3。而后采用CMIP6气候模式(SSP126情景)下的2030年的降水、气温数据输入模型进行预测，在气温上升1℃,降水不变的情景下，年径流量将增加6.61%;在降水升高5%,气温不变的情景下，年径流量将增加6.95%;在气温上升1℃、降水升高5%的情境下，年径流量将增加22.16%。     

基于SPI指标左江流域旱涝演变规律与趋势预测分析

为探明广西驮英灌区旱涝灾害演变机理,揭示旱涝的演变规律,选取了1983年～2018年该灌区及周边5座大中型水库的逐月降水量数据,采用标准化降水指数SPI法对降雨数据进行不同时间尺度的处理,以SPI指数表征区域历史旱涝程度,采用趋势分析并运用Morlet小波分析方法,分析灌区近年旱涝变化的周期性,预测未来旱涝变化趋势。结果表明,该灌区年降水量变化波动幅度较大,年降水呈不显著的增长趋势;降水量具有明显的阶段性特征;年降水主要分布在汛期,夏秋季节的降水过程对年降水过程影响较大。根据Morlet小波分析结果,预测未来灌区总体降水将偏多,其中春夏两季将处于丰水期,而秋冬两季将处于枯水期。     

基于云模型的深圳市降水时空分布研究

为研究深圳市降水的时空分布规律及演变特征,基于深圳市11个雨量观测站点1960年～2020年逐月降水数据,采用正向云发生器算法及多步式逆向云变换算法构建云模型,并结合趋势分析及突变检验等方法,定性及定量分析了深圳市的降水时空演变特征。结果表明：深圳市降水量年内存在6月和8月2个峰值,汛期降水离散程度高,6月稳定性最低;11月～次年2月降水量相近且较小,稳定性较高;年降水量总体上呈增加趋势;1992年为降水突变年,突变后的降水量增加,降水不均匀性增加,稳定性降低;年降水量在时间分布上更离散,更不稳定;深圳市降水量及降水不均匀性空间分布均从东南向西北递减,东部地区降水量最大,降水最不均匀,中部地区降水最为稳定。研究成果能为深圳市水资源管理、防洪排涝及气候变化研究提供科学参考。     

基于EMD和BP算法的降水数据插补

降水数据的插补可有效地改善数据系列的完整性。以西柳沟流域作为毛不拉孔兑的参证流域,采用EDM和BP算法对毛不拉孔兑缺失的降水量进行插补,并与已有的相关分析法、频率分析法及逐步回归分析法进行了比较。研究结果表明:EDM-BP模型综合利用了西柳沟降水序列EMD分量的有效信息,因而能较好地反映降水量的变化趋势,在数据拟合和预测方面达到较高的精度,适合毛不拉孔兑降水数据的插补,在其它水文数据插补延长中具有一定的推广应用价值。     

基于集中度和不均匀系数的昭苏县多年降水规律研究

基于昭苏县1961-2014年逐月降水资料,运用不均匀系数、集中度(期)和小波分析方法,对昭苏县降水年内、年际变化规律进行分析。结果表明,昭苏县1961-2014年降水量总体表现为缓慢增长趋势,多年月平均降水量主要集中在4-9月份,占全年降水量的85%左右。昭苏县多年降水年内分配不均匀系数及降水集中度呈递减趋势,降水集中度年际变化较大,最大降水主要集中在7月份,降水序列在时间上具有多尺度特征。     

基于主成分分析的SVM分类汛期降水预测模型

采用1960—2008年每年5—9月安徽宣城7县(市)平均降水量作为预报对象,在降水前期逐月74项大气环流特征量、500hPa月平均高度场和月平均海温场中选取预测因子,采用主成分分析方法组合预测因子,建立汛期降水短期气候预测模型。模型预测结果表明,2005—2008年汛期降水量分类预测误差绝对值小于或等于1级,平均误差绝对值0.5级,训练集回预测准确率达100％。该模型可在气候预测业务中使用。     

基于EEMD和GRNN的降水量序列预测研究

为提高非平稳性、非线性降水序列的预测精度,利用基于集合经验模态分解和广义神经网络的预测模型对郑州市1951—2011年的年降水量序列进行了分析。结果表明:集合经验模态分解减弱了经验模态分解IMF分量的模态混叠现象,提高了广义神经网络的预测精度;相对于经验模态分解的广义神经网络和传统的ARMA方法,基于集合经验模态分解的广义神经网络的预测结果更加精确,具有收敛速度快及预测精度高等特点。     

四种卫星降水数据在黄河源区的适用性分析

基于黄河源区17个气象站1998—2015年逐日降水量资料,分析多源卫星降水数据(TMPA、RT、CMORPH和PERSIANN)在该地区的适用性,并在此基础上评估TMPA数据在水文模拟应用中的潜力。结果表明:PERSIANN数据精度最低,其次为CMORPH和RT,TMPA数据精度最高,其中PERSIANN和RT数据在该地区存在高估降水量的问题。利用气象站插值降水量和唐乃亥水文站1998—2013年逐月径流资料对分布式水文模型(VIC模型)进行参数率定,在此基础上采用精度最高的TMPA数据驱动VIC模型,进一步验证了TMPA在黄河源区分布式水文模拟应用中具有较高潜力,TMPA模拟的径流过程与基于地面气象站插值降水量模拟的径流过程精度基本相当。     

简讯

由徐州市水利局组织科技人员历时近四年时间开发成功的“降水量统计分析专家系统”,年初通过了由省科技厅组织的专家鉴定。这一成果填补了我省在降水规律研究方面的一项空白。 “降水量统计分析专家系统”是一项全面、完整、系统介绍降水统计规律,并进行分析、计算和预测降雨时空的软件系统,它以地理信息系统(Mapinfo)为平台,采用模块化、组件式结构,由多种语音集成,具有适应性强,输入方法灵活,接口广泛,输出形式多样等优点,可以满足国民经济和社会发展不同领域对降水数据的需求。它采用人机对话方式,进行降水量的统计、分析和计算,并自动识别雨量站的类型,划分降水时段和持续无雨过程,自动制表、排序,实现模型和数据的     

铜川市降水变化及趋势预测分析

基于铜川气象站1961-2013年的逐月降水数据,主要利用Morlet小波法和Mann-Kendall检验法对铜川市的降水变化和趋势预测进行分析。结果表明:年降水变化呈减少的趋势,且年降水量的减少主要集中在春季和秋季;而夏季和冬季的降水量呈增加的趋势;年、春季、夏季、秋季和冬季降水的典型突变年份分别为1986、1983、1985、1983、1987年,表明在20世纪90年代降水发生突变;年降水量和季节降水量都存在多时间尺度的丰枯变化。在2013年以后,年降水进入偏少期,春季、秋季降水进入强烈的偏少期,而夏季和冬季降水进入偏多期。年降水和季节降水均存在10年左右的主变化周期。     

基于PSO-LSSVM的干旱区中长期降水预测模型研究

降水量的准确预测对于干旱地区的水资源综合利用、抗旱减灾有重要意义。引入基于粒子群算法进行参数寻优的最小二乘支持向量机模型(PSO-LSSVM),构建考虑7a周期的年降水样本及考虑季节性特征的月降水样本,建立干旱区年、月尺度下的中长期降水预测模型,并应用新疆阿勒泰地区1960—2013年实测降水序列,验证模型的适用性。结果表明基于粒子群算法与最小二乘支持向量机的中长期降水预测模型预测精度高,泛化能力强,能有效地预测新疆阿勒泰地区年、月降水量。该模型为干旱区中长期降水预测提供了一种可靠的研究思路与方法。     

长岭县降水量变化特征分析

为研究长岭县降水规律特征,利用趋势线法、滑动平均法、M-K秩次检验法,对长岭县1967年～2018年的逐月降水资料进行趋势与突变分析。研究表明,长岭县年内降水分配不均匀,主要集中在夏季;年降水量呈减小趋势;年季降水具有突变性。     

TRMM数据在贵州乌江流域的适用性分析

以年、季、月尺度对1998年～2017年研究区域5个气象站点和TRMM(热带降雨测量任务)卫星的降水数据准确性进行验证的结果表明,在年度尺度上,TRMM降水数据与实测降水量的相关系数R=0. 83,略高于实际测量的降水量;季节尺度TRMM季降水数据与实测降水的相关系数均在0. 80以上,其中R在春季最高,冬季最低;月尺度TRMM降水数据与实测降水的相关系数最高,达到0. 93,斜率为0. 97,TRMM降水量略高于同一站点实测降水量。总体看,TRMM数据在贵州乌江流域具有良好的适用性。     

赣江流域降水时空分布特征

基于赣江流域内44个站点的59年（1960～2018年）的逐月降水量资料,采用累积距平、滑动t检验、小波分析、EOF分解等方法,分析了赣江流域降水的时空分布、趋势、突变和周期特征.研究表明：赣江流域降水量年内分配不均,1～6月逐渐增多,6月以后急剧减少,降水量以18.8mm/10年的速率增多,降水量空间呈现‘中间少四周多’的分布;1991年降水出现了由少到多的突变,2002年为由多到少的突变,降水主周期为35年,并伴有6年、12年、18年的次周期;降水的前3个模态累积贡献率达82.9%,3种模态表征的降水分布主要为空间一致型、南北相反型、中部与南北相反型.     

近50年江苏省月降水分配格局的时空变化特征

利用江苏省52个气象站1961~2012年逐月降水数据,计算了降水集中性指数(PCI)和各月份降水贡献率,探讨了研究区月降水分配格局的时空变化特征。结果表明:(1)江苏省年内降水分配呈现出较强的不均匀性,年降水量主要集中于夏季的7月份,其中苏北地区的降水集中性要明显高于苏南。(2)基于K-means聚类分析,研究区可以划分为苏西北、苏中北、苏南这3个具有不同PCI演化特征的子区域,其中苏西北地区PCI的减少趋势最为显著,而苏南地区PCI的2~6 a周期性振荡最为显著。(3)近50 a研究区不同月份降水贡献率呈现出明显的季节性差异,突出体现在冬季降水贡献率的显著增加和秋季降水贡献率的显著减少。     

云模型在中长期降水预测中的应用

中长期降水预测对灌区水资源管理、种植结构调整及水生生态系统的健康发展具有重要意义。将定性概念与定量概念之间的不确定性转换模型引入到中长期降水预测中,以更好地反映降水时程分配中的随机不确定性和模糊不确定性。基于云模型的降水预测法通过挖掘已有观测数据的内在联系,形成预测规则,并据此进行中长期预测。最后,运用云模型对河南省渠村引黄灌区2004—2013年的降水量进行了预测。结果表明:云模型预测的年降水量平均值与实测值整体拟合较好,预测精度优于灰色预测等方法。     

基于TRMM降水数据的不同时间尺度降水特征分析——以内蒙古地区为例

为全面细致地研究内蒙古地区降水的时空变化,利用2001～2018年气象站实测的降水数据对TRMM 3B43 V7降水产品进行精度评估,并基于TRMM数据采用Sen-MK检验和变异系数法对内蒙古地区进行降水时空特征分析。结果表明:(1)月、季、年尺度TRMM降水数据与气象站点实测数据之间呈显著正相关,拟合优度均达到0.85(P0.01)以上,具有较好的一致性。(2)在时间分布上,年降水量介于228.95～403.80 mm之间,多年平均值为301.59 mm,近18 a降水量呈上升趋势,上升速率为44.96 mm/(10 a),2011年是降水累积量由下降至上升的转折点。除了春季,其余季节的降水均呈上升趋势,其中夏季和秋季是年降水量增加的主要贡献者。(3)在空间分布上,降水量由内蒙古的东北向西南呈条带状逐渐减少,大部分地区降水有增加的趋势。降水量减小的地区主要位于西部的阿拉善高原,且其降水波动最为剧烈,东部降水量变化较为均衡。四季降水量呈增加趋势的面积均高于呈减小趋势的面积,其中,夏季降水量呈显著增加趋势的面积为四季中最大。     

海河流域汛期降水量多尺度分析及预测研究

文章利用完全集合经验模态分解(CEEMDAN)方法,对海河流域汛期(6~9月)降水进行多尺度分析,并识别其演变模式,获得各本征模函数(IMF),然后结合利用最近邻抽样回归模型(NNBR)、自回归模型(AR)、神经网络模型等多种方法对分解的各模态进行建模,选出最佳模型进行预测。经过对比分析,各模态最佳模型分别为神经网络模型与AR模型。因此文章采用CEEMDAN与神经网络及AR模型相结合的方法对海河流域汛期降水进行预测,并且同回归模型及单一的NNBR模型的预测值作比较研究。结果表明文章采用的模型稳定性好,能合理的预测海河流域汛期降水演变趋势,提高中长期汛期降水预测精度,具有一定的应用价值。