论文部分内容阅读
黑龙江省是国家重要的粮食生产基地,但是有限的水资源条件决定了要保证粮食的稳产率就必须走节水灌溉的道路。大力发展农业领域高效节水是我国国民经济和社会可持续发展所要求的,同样也是现代农业可持续发展方面的重要措施。降雨量预测研究是节水农业至关重要的环节之一,对于保障粮食产量、改变农业生产方式具有深远意义。本文针对灌区降雨量预测主要做出了以下工作:(1)总结和分析了降雨量预测研究现状及重要性的基础上,阐述了降雨量预测研究中存在的问题及其发展趋势。(2)阐述了本文所采用的三种单项模型,即自回归模型(AR)、BP神经网络和小波神经网络(WNN)的理论基础,同时介绍了组合预测模型的思想并且重点阐述和应用了两种常用的模型组合方法,即简单平均方法和加权平均方法。(3)对收集到的黑龙江省二九零灌区生育期降雨量数据和八五八灌区年降雨量数据分别建立单项预测模型和组合预测模型,对各灌区的生育期降雨量和年降雨量进行预测研究。采用Matlab软件进行编程计算,并对预测结果的相对误差进行比较分析,得出了适合灌区生育期降雨量和年降雨量预测的单项和组合模型。在二九零灌区生育期降雨量预测中,自回归(AR)模型和小波神经网络(WNN)模型是预测效果较好的单项模型;组合模型预测中,加权平均方法组合的自回归(AR)和小波神经网络(WNN)的组合模型模型预测结果的数据拟合效果最好,预测精度较高。在八五八灌区年降雨量预测中,单项模型中预测效果最好的是小波神经网络(WNN)模型;组合模型中,加权平均方法组合的自回归(AR)和BP神经网络组合模型的预测结果数据拟合效果最好,预测精度较高。(4)通过单项模型预测结果和组合模型预测结果的综合比较分析可以知,组合模型的预测结果比单项模型的预测结果更接近实测值,总体预测精度较高。组合模型通过权重的合理分配避免了单项模型的片面性,可以有效的提高预测精度。