馬爾可夫鏈的組合模型在降雨量預(yù)測中的應(yīng)用.pdf

1、由于氣候條件的復(fù)雜性、多樣性和變異性，使得天氣預(yù)測的過程中存在著大量的模糊性和不確定性，從而導(dǎo)致中長期降雨量的預(yù)測成為了計(jì)算機(jī)預(yù)測和氣象科學(xué)中的一個(gè)難點(diǎn)問題。雖然我國幅員遼闊，地形復(fù)雜，但降雨量的空間分布仍有一定規(guī)律。隨著我國經(jīng)濟(jì)的快速發(fā)展，氣象信息越來越受到廣泛的關(guān)注，無論是人民的生活，還是經(jīng)濟(jì)的發(fā)展都與氣象息息相關(guān)。天氣預(yù)報(bào)基于衛(wèi)星觀測，可以較為精確地預(yù)測未來數(shù)天的風(fēng)力、濕度、溫度等天氣狀況，但是如何能夠知道未來幾個(gè)月甚至未來幾年大

2、概的降雨量變化狀況，將是本文研究的重點(diǎn)。
　　馬爾可夫鏈適用于隨機(jī)波動(dòng)性大的預(yù)測問題，但它要求狀態(tài)無后效性，對極值的預(yù)測不太理想，而組合模型可以通過結(jié)合其他算法來優(yōu)化其缺陷，所以本文基于馬爾可夫鏈的組合模型對降雨量進(jìn)行預(yù)測，并提出了相應(yīng)的兩種預(yù)測方式，然后利用Arcgis組件設(shè)計(jì)與實(shí)現(xiàn)了城市降雨分布系統(tǒng)，主要研究工作如下:
　　(1)本文提出了基于馬爾可夫鏈和模糊集組合模型的預(yù)測算法。先將降雨量有序聚類，計(jì)算出狀態(tài)轉(zhuǎn)移矩陣，

3、然后引入隸屬度概念，求出每個(gè)狀態(tài)對其他狀態(tài)的影響值，再通過加權(quán)的方式算出預(yù)測的狀態(tài)區(qū)間，最后通過模糊集公式算出具體的降雨預(yù)測值。算法取締了傳統(tǒng)上用的較多的平均分類，然后引入隸屬度更詳細(xì)的描述隨機(jī)變量序列值分別屬于所有狀態(tài)的隸屬程度，較好的減小了原來“非此即彼”思想帶來的誤差。
　　(2)本文也提出了基于馬爾可夫鏈和灰色理論組合模型的預(yù)測算法。該方法引入了滑動(dòng)GM(1，1)模型，先通過最小二乘法求出預(yù)測函數(shù)，然后代入具體時(shí)間求出第一

4、次預(yù)測值及其與實(shí)際值的誤差，再通過誤差進(jìn)行分類，最后通過加權(quán)馬爾科夫模型完成預(yù)測。該算法主要采用二次預(yù)測的方式，降低了偶然因素的影響，簡化了建模的步驟，提高了預(yù)測的精度和速度。
　　(3)本文查閱并參考國內(nèi)外關(guān)于降雨分布圖制作和降雨預(yù)測的研究技術(shù)，利用插值算法和ArcToolbox構(gòu)建了等值模型。然后我們通過ArcGIS服務(wù)器發(fā)布地理信息服務(wù)，實(shí)現(xiàn)了城市降雨分布圖制作的功能。最后通過加權(quán)馬爾可夫算法，在系統(tǒng)中實(shí)現(xiàn)年降雨量預(yù)測并制圖