一、SVM方法与长江上游降水落区预报（论文文献综述）
王孝慈,李双君,孟英杰[1]（2021）在《2016—2020年6—7月长江流域主要暴雨过程特征及差异性分析》文中认为利用2016—2020年6—7月长江流域735站气象观测资料、NCEP/NCAR再分析资料及雨情信息对长江流域主要暴雨过程的区域性特征、天气系统及成因进行了初步探讨。结果表明:（1）2016—2020年6—7月长江流域降水过程对流层中高层主要受加强西伸的西太平洋副热带高压及高空低槽东移带来的梅雨锋影响,中低层主要影响系统是切变线、低涡、台风倒槽,边界层有一半的降水过程发生在暖区或受静止锋影响;（2）影响长江流域暴雨过程的主要天气形势分为纬向环流型、两高（西太平洋副热带高压与南亚高压）之间型、经向型和偏东气流型;（3）长江流域降水差异同副高脊线位置和夏季风北推进程以及短时强降水落区有很好的相关性。
邹昊[2]（2021）在《基于机器学习模型的龙羊峡水库水温分层结构模拟研究》文中研究表明近百年来,黄河上游流域高坝大库数量增长显着,其对库区周围的生态环境产生了巨大影响,水温作为影响水生态系统稳定的重要因素,不仅制约着水生动植物的繁衍和生长,还影响着各水生物种的生存环境及种群分布,加之当前水温原型观测主要受制于测点位置和仪器精度等因素的影响,具有很大的局限性,因此,探究高精度水温模拟方法十分必要,对水库水环境的治理和保护具有重要的参考价值。本文以黄河上游龙羊峡水库为例,利用MIKE3模型构建了三维水温数值模型,对模型参数进行率定及验证,模拟出了龙羊峡水库库区水温分布结构,并提取特征点位的水温模拟结果作为机器学习模型训练数据,建立耦合遗传算法（GA）和支持向量机回归（SVR）的机器学习模型GA-SVR模拟高精度水温,以此分析龙羊峡库区的水温分层结构的变化规律。主要取得的研究成果如下:（1）龙羊峡水库为分层型水库,分层变化情况可大致分为水温混合、弱分层、强分层三个时期。其中1-3月和10-12月为水温混合时期,4-5月为弱分层时期,6-9月为强分层时期。在水温混合时期,水库垂向水温结构为上下混合状态,表层水温与底层水温温差范围在1至3℃左右。随着气温持续走低,入库水温下降,低温水体进入库区,表层水体释放热量,导致密度逐渐变大,与下层高温低密度水体混合产生对流运动,致使整个库区的水温趋于均匀化。在弱分层与强分层时期,受到气温与光照的影响,库区表层水体温度持续升高。造成表层高温与底层低温的现象,库区水体呈现出明显的分层结构。而在10月至12月期间,表层低温水体不断与下层水体交换,水库水温分层结构逐渐消失,水体进入混合状态,直至达到等温分布状态。（2）龙羊峡水库水温结构在年内呈现出周期性变化,垂向坝前水温分层现象显着。从6月初开始,库区水温上升,水温变化随深度增加而减弱。至7月表层水温达到最高,而底层水温仍在上升。从10月低温季节后,气温持续走低,表层水温快速下降,进而使得下层水体温度下降,直至整个库区水温混合。（3）GA-SVR预测模型可以较好的预测龙羊峡库区的垂向水温和水温结构;加入了辐射因子后,GA-SVR模型较原始预测模型精度更高;通过预测龙羊峡水库水温,发现龙羊峡水库呈现出稳定的年内垂向水温分层结构,水体表层和中层水温存在明显的逐月变化,水库温跃层在7月至8月中旬厚度达到最大且结构稳定;水温分层受气温变化影响显着。（4）在对比坝前,库区上部区域,中部区域,及尾部区域发现,水温结构变化受到水深变化的影响,水深越深,水温分层现象越明显,坝前水位最深,所以坝前水温分层现象最为明显。而在库尾部分,由于水深的递减,水温分层很弱,水温结构不稳定。在对库区水温进行梯度计算时发现,除坝前外,其余各点水温梯度变化均在气温升高的时段最小,在气温下降的时段,梯度变化明显。（5）龙羊峡水库水温坝前垂向分层结构主要分为三种:1-2月及11-12月混合等温型、3-5月的过渡型、6-10月（高温季节）的水温分层明显型。6-8月下旬,在高程约为2560m处出现温跃层,其中7-8月温跃层厚度最大结构最稳定,库底水温呈稳定滞温层。坝前水温分层受气温变化影响显着,在升温时期上层水体吸收热量,上下层温差增大,温度梯度上升易形成温跃层,在降温时期,水体释放热量上下层温差逐渐减小,温度梯度下降,水温逐渐混合。
李瑶[3]（2021）在《基于机器学习的黄河源区月径流模拟与中长期预报研究》文中指出
吴雨晴[4]（2021）在《基于WRF-Hydro模式的气象-水文耦合径流预报研究 ——以漳河流域为例》文中指出气象-水文耦合是资料不足中小流域开展水文气象预报研究的有效手段。气象数据的质量,尤其是降水数据,是影响耦合预报精度的关键。因此,本研究以湖北省漳河流域为研究区域,开展了基于降雨偏差修正的气象-水文耦合实时径流预报研究。通过逐步订正法对WRF预报降雨进行偏差修正,构建了基于WRF数值天气预报模式和高分辨率WRF-Hydro分布式水文模型的WRF/WRF-Hydro气象-水文耦合模式。主要研究内容及结论如下:（1）WRF模式降雨预报。对比WRF模式8个物理参数化方案组合的降雨预报结果,Thompson微物理方案和Kain-Fritsch（new Eta）积云对流方案的组合整体表现较优且稳定,适合用于漳河流域的WRF模式降雨预报研究;然而,该方案组合的预报降雨与地面自动站-CMORPH卫星-雷达三源融合降水产品（CMPAS）相差较大,尤其是在局地性较强的降雨事件中,表明WRF模式在山区中小流域的预报准确性有待进一步提高。（2）WRF-Hydro模式参数率定及验证。饱和土壤含水量、河道曼宁粗糙度、下渗系数和表面粗糙度均对漳河流域的径流流量有较大影响,而河道曼宁粗糙度和表面粗糙度对漳河流域的径流过程也有较大影响。基于CMPAS的WRF-Hydro模式在漳河流域径流模拟方面表现较好,而基于ERA5再分析降水资料的WRF-Hydro模式径流模拟效果相对较差,表明降雨数据的质量是影响WRF-Hydro模式模拟效果的关键,模式参数的率定无法彻底抵消降雨数据精度问题导致的径流预报误差。（3）降雨偏差修正。通过逐步订正法修正后的WRF降雨在时空分布上更接近CMPAS,其1 h降水评分结果总体上更高,表明逐步订正法是修正WRF预报降雨偏差的有效方法之一。（4）WRF/WRF-Hydro气象-水文耦合径流模拟。经过降雨偏差修正后的实时径流预报结果较修正前得到了明显改善,表明通过逐步订正法修正WRF预报降雨偏差可大大提高径流预报的准确性。总体而言,基于降雨偏差修正的WRF/WRF-Hydro气象-水文耦合模式在漳河流域实时洪水预报和历史气象数据集重建方面具有较好的应用潜力。
李娟[5]（2021）在《四川盆地夜雨的时空变化特征及形成机理研究》文中进行了进一步梳理作为一个典型的亚洲季风区,四川盆地紧邻西部青藏高原,特殊的地理位置和地形条件使得盆地夜雨频发,而目前对四川盆地夜雨形成机制和预报的认识还不足。本论文首先利用2008-2017年高时空分辨率的CMORPH融合降水观测资料,详细分析了四川盆地暖季夜雨时空变化的差异,并利用ERA-Interim再分析数据和四川盆地加密探空观测数据研究了盆地夜雨发生的物理机制。随后结合对四川盆地夜雨形成机理的认识,基于西南区域数值天气预报产品,分析了这些物理机制对四川盆地降水日变化预报偏差的影响。最后分析了盆地夜间不同降水强度下的风场日变化差异,并利用WRF模式开展降水日变化模拟试验,研究了盆地降水潜热释放对大气环流和低层风场日变化的反馈作用。主要研究结论如下:（1）四川盆地暖季降水日变化时空分布的气候特征四川盆地暖季夜间降水峰值出现时间呈现出明显的自盆地西南向东北逐渐延迟的特征:盆地西南地区的降水日变化峰值主要出现在午夜,而盆地东北部则主要出现在清晨。降水峰值出现时间的这种延迟是由于盆地降水系统由西南向东北移动造成的,并分别解释了盆地中部和东北部降水日变化的40%和25%左右。青藏高原东坡至四川盆地之间存在明显的降水日变化峰值时间的不连续,这不同于过去认为四川盆地降水日变化与青藏高原对流系统东移有关。四川盆地降水日变化峰值时间的空间分布表现为明显的季节内变化特征:5、6月份,四川盆地降水日变化峰值信号的传播更为显着,7、8月盆地内降水日变化峰值信号的传播减弱,9月份又逐渐增强。（2）四川盆地暖季夜间降水触发的大气动力和热力学机制复杂地形引起的动力和热力强迫是盆地夜雨产生的重要机制。地形的阻挡使盆地内对流层低层（850 h Pa）全天为气旋性环流,傍晚盆地东南侧的偏东南气流最强,与地形的辐合抬升有利于降水。受大气边界层惯性振荡的影响,盆地东南侧的偏差风场呈顺时针旋转特征,傍晚850 h Pa风场在盆地东南侧为偏东偏差风向盆地内辐合,与此同时,对流层中低层500 h Pa与850 h Pa相当位温差值的日变化在盆地西南缘为较大的负偏差,增强了大气不稳定性,这种潜在的不稳定配合大地形的抬升作用,有利于盆地西南缘夜雨的触发。傍晚在盆地西南部为强水汽辐合中心,在对流层中层大尺度西南气流引导下,低层强水汽辐合中心向东北移动,促使盆地夜雨逐渐向东北传播。季节内降水日变化峰值信号传播的差异亦与中纬度西风气流的强度以及西太平洋副热带高压的位置和强度变化有关。云贵高原可能对盆地西南地区夜雨的产生起着重要的作用。（3）基于西南区域数值天气预报产品的四川盆地夏季降水日变化成因分析西南区域数值天气预报模式较好地预报出了盆地夏季日平均降水的空间分布和夜间降水峰值时间的西南-东北滞后特征,尽管预报的降水日变化峰值出现时间较观测提前约2-3小时,小时降水量偏大。模式预报的降水偏差与地形密切相关,在盆地西部与高原东坡地形的过渡区,模式对降水的高估最为显着。提高模式分辨率不仅对盆地降水的高估有所改善,而且能提高降水日变化位相的预报能力。模式不同起报时刻对降水日变化位相的预报较为一致,均在1900 LST起报的降水量与观测最为接近。模式预报出了盆地850 h Pa风场的气旋性旋转特征,但是相对涡度在盆地内略微偏大。模式再现了盆地东南侧850 h Pa偏差风场的顺时针旋转特征,但预报的盆地东南侧傍晚的850 h Pa偏东偏差风提前出现,且风速偏强。此外,模式预报的午夜对流层中层大尺度西南气流偏弱。午后至傍晚,预报与观测“下暖上冷”的温度垂直偏差和近地层强的水汽湿偏差使层结不稳定显着增强。模式预报的偏东偏差风的提前出现,使得降水在盆地西南部过早启动,降水日变化峰值时间较观测提前出现,更强的偏差风速和更强的大气不稳定都有利于对流的触发,使预报的降水显着偏多。预报的对流层中层西南气流的减弱使得午夜盆地西南降水的东北传播趋势也减弱。这进一步验证了风场日变化对盆地夜雨发生发展的重要作用。（4）四川盆地降水潜热释放对低层风场日变化的反馈作用利用近30年观测数据分析表明四川盆地风场日变化与降水强度有关,盆地东南侧对流层低层偏差风场的风速在夜间强降水期间比弱降水期间大,揭示了对流层低层风场加强对盆地夜雨的促进作用。针对四川盆地两次典型的东北移动型夜间降水过程的数值试验表明,WRF模式能成功地模拟出四川盆地降水及相应大气环流场的日变化特征。关闭四川盆地降水潜热反馈的敏感性试验与控制试验的差别表明:当模式中不考虑降水的凝结潜热时,盆地的降水日变化发生明显改变,由降水引起的潜热释放加强了盆地对流层低层大气的气旋性环流,更强的风场辐合也更有利于降水的发生,反映了四川盆地降水潜热释放对低层风场日变化乃至降水的正反馈作用。由于缺少降水潜热释放加热的作用,盆地东南侧对流层低层偏差风场的风速明显减弱,傍晚在盆地东南侧的偏东风日偏差减小,并且偏差风从傍晚至清晨的顺时针旋转速度偏快。因此,由大气边界层惯性振荡导致的对流层低层风场的日变化一方面有利于盆地夜雨的发生,而盆地降水过程中的凝结潜热释放反过来也会加强低层大气气旋性环流和风场的日变化。
姜晓玲[6]（2021）在《长江三角洲夏季极端小时降水特征及其与城市化关系研究》文中研究表明长江三角洲城市群人口密集、经济发达,自90年代中期以来城市扩张迅速,众多城市沿长江和杭州湾呈“Z”字形分布。对下垫面的改造等过程使得城市地区地表渗水能力减弱,短时间内发生的极端小时降水往往可以引起城市内涝等自然灾害,造成严重的社会经济损失。关于极端小时降水与城市化的关系研究,不仅可以加深对城市地区产生极端降水的对流发生发展的认识,还有助于提高精细化气象服务水平,提升气象防灾减灾能力。鉴于目前关于长江三角洲地区具有统计意义的夏季极端小时降水特征的研究不足,而且缺乏将长江三角洲城市群视为一个整体研究其对当地极端小时降水影响的机制认识,本论文从以下三个方面开展研究,探讨回答“长江三角洲城市化过程与当地夏季极端小时降水是否存在物理关联?城市热岛强度与极端小时降水分布之间是何种联系?长江三角洲城市群对当地极端小时降水的机制是什么?”的科学问题。首先,基于1975-2018年夏季的地面逐小时降水等观测资料,本论文分析了长江三角洲极端小时降水（以第90百分位为阈值）的气候态及其变化。研究发现与缓慢城市化阶段（1975-1996年）相比,长江三角洲在快速城市化阶段（1997-2018年）的极端小时降水频次和雨量明显增多。台风和非台风造成的极端小时降水频次和雨量都呈现增长趋势,且统计显着增长的站点主要集中在城市群关键区内。城市站平均的极端小时降水频次、雨量及强度的增长趋势都显着超过乡村站平均趋势,与更大的城市增温趋势相对应,并且,城市站极端降水量随温度升高的增长率均值也显着超过乡村站。本论文基于长时间序列观测资料的分析结果表明,长江三角洲极端小时降水变化很可能受到了城市化的影响,尤其是在城市群关键区内,其与当地的城市化过程之间存在物理关联。其次,利用加密自动站逐小时降水和雷达拼图资料,本论文挑选了2011-2018年夏季113起局地发生的非台风型极端降水事件(时空连续的至少发生一个站次的降水记录≥23.7 mm h-1)。采用城市群关键区内、外的气象站平均地面气温之差衡量城市热岛强度,对比分析城市热岛强度较强和较弱的背景下长江三角洲地区大气热力条件和极端降水分布差异。本论文发现在强城市热岛事件中,上海─苏锡常城市带对应高温区和正的降水异常中心,而在弱热岛事件中,高温中心和降水正异常中心主要位于杭州以西的山区,城市带地区为孤立的高温中心和零散的降水正异常中心。本论文关于不同强度城市热岛环境下热力条件和降水分布的显着差异进一步支持城市化可能对极端小时降水增多具有正贡献的观点,即强城市热岛可以导致更多极端小时降水发生在城市群关键区,尤其是上海─苏锡常城市带。其三,本论文针对2018年7月26日发生在上海─苏锡常城市带及其下风方城市南通地区的一次短时极端降水过程,进行1 km网格距的数值模拟及改变下垫面属性等一系列敏感性试验,深入探讨城市群影响极端小时降水的物理机制。研究发现城市通过形成热岛效应加强其上空的上升运动,从而在城市地区触发对流;而苏锡常城市带的热岛效应还通过向下风方传播,在太湖湖风、长江江风及下游小城镇的共同作用下造成下游地区对流的触发。同时,上海地区的对流在消亡过程中产生冷出流,在出流边界诱发新生对流,二者共同影响南通的强降水过程。关于城市热岛促进对流触发、加强降水强度的模拟研究结果,与本论文前述大样本事件合成分析和基于几十年观测资料的趋势分析所得的结论一致。本论文基于观测的研究结果表明长江三角洲地区的快速城市化已经在一定程度上改变了当地的极端降水分布格局,并且,模拟研究显示长江三角洲地区的城市下垫面不仅可以通过城市热岛效应促进城市上空的对流触发,并且,在海风、湖风、江风等因素的共同影响下,该地区众多城市通过城市热岛传播、冷出流作用等途径,导致对流在城市下风方陆续触发和发展,揭示了上游城市群对下游城市强降水的显着影响及其机制。
吕盼成[7]（2021）在《基于集成学习的雅砻江流域中长期径流预报研究》文中研究说明中长期径流预报对水库优化调度及水资源优化开发利用都有着重要的意义。针对雅砻江流域地面气象站点不足、分布不均从而导致难以获得精确的流域面降雨资料,以及传统中长期径流预报模型的泛化能力有限的问题,将卫星降雨数据结合集成学习进行中长期径流预报研究,对提高中长期径流预报精度具有一定的理论意义和实际应用价值。本文首先以1998-2015年14个地面站点实测数据为参考,综合评价了热带降雨观测卫星（Tropical Rainfall Measuring Mission,TRMM）3B43 产品的降雨数据在雅砻江流域的精度,并采用反距离权重插值法对站点实测降雨数据在流域内进行空间插值,将插值结果与卫星降雨数据空间分布特征进行了对比分析;在此基础上,将径流数据与锦屏一级坝址以上集水区的平均卫星降雨和九龙站实测降雨进行相关性分析;其次,将历史径流、月平均气温、月平均水汽压、月平均湿度以及锦屏一级坝址以上集水区的平均卫星降雨数据作为预报因子,分别采用基于Boosting算法的梯度提升回归树GBRT（Gradient Boosting Decision Tree）和极端梯度提升树XGBoost（Extreme Gradient Boosting）、基于 Bagging 算法的随机森林 RF（Random Forest）和极端随机树ET（Extreme Random Tree）四种算法作为预报模型对锦屏一级水库月平均入库流量序列进行预报,并对预测结果进行对比分析;最后,进一步选用其中预测效果较好的ET、XGBoost作为初级学习器,以Lasso回归作为次学习器,采用5折交叉验证进行Stacking集成学习进行建模并进一步对径流进行的预测,从而得到更为精确的预报结果,为锦屏一级水库中长期径流预报提供了新的可行思路。
林琳[8]（2021）在《南方季风区暴雨预报的初始误差敏感性分析》文中指出本文选取2008-2020年的34个南方季风区暴雨事件,对比NCEP＿FNL及TIGGE＿EC对于暴雨过程的预报结果,以确定南方季风区暴雨的预报误差来源。在此基础上基于WRF模式,采用NCEP＿FNL及TIGGE＿EC两种初始场得到的预报结果（分别为WRF＿FNL、WRF＿EC）,探究初始误差对南方季风区暴雨预报技巧的影响,深入研究2008年以来我国南方季风区内暴雨的预报误差来源区域及变量,主要结论如下:（1）“2015.5.16”典型华南季风区暴雨事件中,WRF＿EC的预报结果明显优于WRF＿FNL。进一步引入湿能量公式分析初始场差异,发现初始误差的主要来源区域为南海北部湾至广西西南一带,主要来源变量为扰动温度场和湿度场。将TIGGE＿EC的初始要素场替换敏感区中FNL的气象要素初始场对此次降水过程预测效果的提升具有明显作用。（2）针对2020年江淮地区超长梅汛期极端事件,挑取了相关的11次江淮季风区暴雨过程,分析发现基于WRF模式,TIGGE＿EC的初始场对WRF暴雨过程的预报效果同样显着优于FNL,这表明初始误差是本次过程预报误差的重要来源。分析扰动湿能量大值区（敏感区）及主要影响要素（敏感变量）发现,西部内陆即上游区的水汽变化是江淮季风区暴雨重要的预报误差来源,对其准确描述可有助于本次过程的预报效果。（3）归纳总结2008-2019年期间的19次华南季风区暴雨事件并识别敏感区发现,华南季风区初始误差的扰动湿能量大值区分布存在一定规律,即扰动湿能量大值中心与降水区大值中心相距约5个经度,并大致集中于4°×4°范围内。在此基础上,利用700h Pa引导气流结合降水区位置,提出了敏感区客观识别的引导气流法,从而实现对湿能量扰动大值区的客观识别。
田刚,陈良华,魏凡,熊红梅[9]（2021）在《基于光流法雷达外推的2020年长江致洪降水临近预报检验评估》文中研究指明利用长江流域组网雷达、国家气象信息中心格点融合实况资料和自动气象站逐小时降水观测资料,建立了基于变分光流法的长江流域雷达外推降水预报产品,并检验分析了该产品对2020年17次长江洪水天气过程的0～3 h 39分区TS评分和全流域预报偏差。结果表明:（1）变分光流法的0～3 h临近预报效果与雷达分布呈正相关,分布越密集,预报结果越好;（2）变分光流法的0～3 h临近预报能够较好的追踪降水天气系统移动演变,降水的集中区同样也是临近预报TS评分的相对高分区;（3）变分光流法临近预报效果随着预报时效的变化以指数规律递减,0～1 h预报准确率最高;（4）变分光流法0～3 h临近降水预报结果较格点实况降水,10.0 mm以下量级降水,绝对误差率在5%以内;10.0 mm以上级别的,绝对误差率为6%～11%;（5）变分光流法0～3 h临近降水预报结果应用于长江流域定量降水预报,代替目前直接使用的数值模式输出结果,对提高洪水预报精度有较强的实用意义。
雷冠军[10]（2020）在《基于数据融合的丰满水库长期径流预报研究》文中研究说明我国的水资源时空分布不均,气候变化和人类活动的影响导致旱涝灾害频发,成为制约经济发展的主要因素。河川径流在水循环系统中起着主导作用,而且极端径流会形成巨灾,径流预报对于防汛抗旱、水资源规划与管理等具有重要意义和价值。河川径流影响因子众多、变化特性复杂,基于成因分析法挖掘因子影响径流形成的规律是径流预报的关键。中长期径流预报预见期长、预报精度低,径流的形成机制尚不清晰,单一尺度因子的分析、单一统计预报方法的改进已不能进一步提高径流预报的精度,而且水文工作者不敢于报极值,中长期径流预报结果只能作为实际工作的参考。开展中长期径流预报理论和技术研究,融合多尺度因子和多方法的预报结果,进一步提高预报的精度和水平,能够为水库调度、水资源开发利用等工作提供支撑。本文以丰满水库流域的年径流为研究对象,选用天文、全球、流域尺度因子,分析挖掘因子与流域来水的相似性、遥相关性、可公度性、结构特性等规律,研究和改进智能学习法、模糊推理法、天文因子对比法、点聚图法、可公度法和可公度网络结构法等技术方法,建立了包含因子融合、结果融合、结构融合的多尺度因子信息融合的中长期径流预报模型。研究成果能够有效提高丰满水库流域径流和极端径流预报的精度,为丰满水库调度提供技术支持。具体研究成果如下:（1）运用统计分析法,挖掘三大尺度因子与流域来水丰枯特性的响应规律。结果表明,丰满水库流域来水的丰枯状态与ENSO事件的冷暖特性、ENSO事件的发生时间距离汛期的远近、基于农谚所选择的气象因子等具有较好的统计规律,且均能通过假设检验。基于线性相关系数法、互信息理论法、关联度分析法研究天文因子、气象因子、天文因子+海洋大气因子+气象因子与流域来水的相关性,结果表明,气象因子的相关性最强,海洋大气因子的相关性最弱,月球赤纬角与流域来水的关联度最大。（2）基于相关性分析所得的因子组合方案,运用神经网络、支持向量机、决策树、随机森林等智能学习方法,融合因子预报径流。结果表明,水量回归预报较差,3级分类预报较优;预报方法不同,方法所对应的最优因子及其组合不同,训练和预报性能均较优且稳健性强的方法为ELM、RBF神经网络。对多方法的最优分类预报结果进行融合,使得定性预报正确率达到89.5%。（3）运用相位对比法融合天文因子、海洋大气因子及其组合预报径流。结果表明,该方法的定量预报正确率为63.16%,24节气阴历日期+太阳黑子相对数的定性预报最优,正确率为63.16%。相位对比法对于极端来水年的丰枯属性识别能力较强,却难以有效预报出平水年,运用定量预报结果反推来水级别的正确率较低。相位对比法存在无法判别的年份,运用模糊推理法基于相关性分析所得的因子组合进一步分析计算因子的相似性,融合因子预报径流。引入TOPSIS模糊综合评判法、相似衍生法相似度、“因子进出法”等,对模糊推理法进行改进。结果表明,相似衍生法模糊推理法的稳健性优于Turksen模糊推理法,二者对径流的定量预报较差、定性预报较优,对其各自最优的定性预报结果进行融合,正确率达到73.68%。（4）采用“主次因子对比法”对单一天文因子对比法、分布式融合结构天文因子对比法进行改进,融合结果预报径流。研究得到能够提高预报精度的混合式融合结构天文因子对比法,定性预报正确率为63.16%。基于分析所得的海洋大气因子、气象因子与流域来水的遥相关规律修正预报结果,进一步改进天文因子对比法,使得预报正确率提高到 73.68%。（5）绘制三大尺度因子与流域来水的点聚图,融合结果预报径流。结果表明,24节气阴历日期和月球赤纬角点聚图具有较好的稳健性,太阳黑子相对数离散性较强难以准确划分其聚类区间,三大尺度因子点聚图的定性预报正确率分别为63.16%、57.89%、21.05%。将海洋大气因子、气象因子与来水丰枯的遥相关规律作为该类因子的点聚图进而得到径流预报结果,并与天文因子点聚图的预报结果进行融合,使得预报正确率提高到 73.68%。（6）将径流分为一般、极端、极值点结构,融合结构预报极端径流。结果表明,以因子融合、结果融合的预报结果作为一般来水结构能够融合多因子、多方法的信息,预报正确率为84.21%;点面结合法的改进与上下包线结构、智能学习分类以及传统点面结合法相比对于极端来水结构的预报精度较高,预报正确率为60%;通过细致划分丰枯水链、引入月球赤纬角对可公度网络结构法进行改进,能够增强方法的可操作性,降低基于极值点结构预报极端来水年高发期的不确定性;综合径流三大结构的预报结果,结合连续极端来水年的判定,预报极端来水的高发年,其中特丰水年、特枯水年的预报正确率分别为66.7%、80%。
二、SVM方法与长江上游降水落区预报（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、SVM方法与长江上游降水落区预报（论文提纲范文）
（1）2016—2020年6—7月长江流域主要暴雨过程特征及差异性分析（论文提纲范文）
| 引 言 |
| 1 资料与方法 |
| 2 长江流域雨情概况 |
| 3 长江流域主要暴雨过程天气形势 |
| 4 长江流域降水差异成因分析 |
| 4.1 西太平洋副热带高压 |
| 4.2 南海夏季风 |
| 4.3 短时强降水特征 |
| 5 结 论 |
（2）基于机器学习模型的龙羊峡水库水温分层结构模拟研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 水温模拟研究进展 |
| 1.2.2 机器学习模型研究进展 |
| 1.2.3 水温分层研究进展 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 研究区域概况 |
| 2.1 龙羊峡水库工程概况 |
| 2.2 水文气象特性 |
| 2.3 数据资料 |
| 3 水库水温模型构建方法 |
| 3.1 遗传算法 |
| 3.2 互信息方法 |
| 3.3 数值模型 |
| 3.3.1 水动力模型 |
| 3.3.2 水温模型 |
| 3.4 机器学习模型 |
| 3.4.1 人工神经网络 |
| 3.4.2 支持向量机回归 |
| 3.4.3 基于遗传算法的支持向量机回归模型 |
| 3.4.4 基于数值模型前驱数据的水温细化模型 |
| 3.5 本章小结 |
| 4 基于数值模型的龙羊峡水库水温模拟 |
| 4.1 水动力学模型 |
| 4.1.1 构建模型 |
| 4.1.2 计算参数及边界条件 |
| 4.1.3 水动力模型的参数率定及验证 |
| 4.2 水温与盐度模型 |
| 4.2.1 水温模型搭建 |
| 4.2.2 计算参数及边界条件 |
| 4.2.3 模型参数率定及验证 |
| 4.3 龙羊峡水库水温模拟及水温结构分析 |
| 4.4 本章小结 |
| 5 基于机器学习模型的龙羊峡水库水温模拟 |
| 5.1 不同水温预测模型的验证与对比 |
| 5.2 辐射因子对预测模型精度的影响 |
| 5.3 水库水温的预测 |
| 5.4 本章小结 |
| 6 结合数值模型的混合机器学习模型对龙羊峡水库水温模拟研究 |
| 6.1 混合机器学习模型 |
| 6.1.1 水库水温细化模型的建立 |
| 6.1.2 水库水温细化模型前驱数据获取 |
| 6.2 细化模拟水库水温数据及结果分析 |
| 6.3 水库水温梯度变化分析 |
| 6.4 坝前水温结构分析 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附录:攻读学位期间主要研究成果 |
（4）基于WRF-Hydro模式的气象-水文耦合径流预报研究 ——以漳河流域为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 流域水文模型 |
| 1.2.2 气象-水文耦合模式 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 研究区域与资料 |
| 2.1 研究区域 |
| 2.2 资料数据 |
| 2.2.1 地形和土地利用数据 |
| 2.2.2 格点气象数据 |
| 2.2.3 站点观测资料 |
| 2.3 本章小结 |
| 第三章 区域WRF模式降雨预报 |
| 3.1 WRF模式及设置 |
| 3.2 模式物理参数化方案及试验设计 |
| 3.3 不同试验降雨模拟结果评价 |
| 3.3.1 评价指标 |
| 3.3.2 降雨模拟结果 |
| 3.3.2.1 24 h尺度降雨评估 |
| 3.3.2.2 1 h尺度降雨评估 |
| 3.4 本章小结 |
| 第四章 流域WRF-Hydro模式的适用性 |
| 4.1 WRF-Hydro模式及设置 |
| 4.2 WRF-Hydro模式参数优化 |
| 4.2.1 评估方法 |
| 4.2.2 敏感性分析及参数率定 |
| 4.2.3 参数验证 |
| 4.2.3.1 基于CMPAS的验证 |
| 4.2.3.2 基于ERA5 的验证 |
| 4.3 本章小结 |
| 第五章 WRF/WRF-Hydro耦合模式及径流预报 |
| 5.1 WRF/WRF-Hydro耦合及径流预报 |
| 5.1.1 WRF/WRF-Hydro耦合模式的建立 |
| 5.1.2 径流预报结果 |
| 5.2 降雨偏差修正及其WRF/WRF-Hydro耦合模式径流预报 |
| 5.2.1 逐步订正法 |
| 5.2.2 降雨结果 |
| 5.2.2.1 降雨空间分布的准确性 |
| 5.2.2.2 降雨量的误差 |
| 5.2.3 径流结果 |
| 5.3 本章小结 |
| 第六章 结语 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望与建议 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（5）四川盆地夜雨的时空变化特征及形成机理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 降水日变化特征研究进展 |
| 1.2.2 降水日变化机制研究进展 |
| 1.2.3 降水日变化模拟研究进展 |
| 1.3 论文拟解决的科学问题 |
| 1.4 论文研究目的和内容 |
| 第二章 四川盆地暖季夜雨的时空变化特征分析 |
| 2.1 引言 |
| 2.2 资料与方法 |
| 2.2.1 资料介绍 |
| 2.2.2 研究方法 |
| 2.3 四川盆地暖季降水日变化气候特征 |
| 2.3.1 小时降水量、降水频率、降水强度的空间分布 |
| 2.3.2 盆地夜雨的演变特征及与青藏高原东坡降水日变化的联系 |
| 2.3.3 降水日变化的季节内演变特征 |
| 2.4 四川盆地暖季典型个例降水日变化合成分析 |
| 2.4.1 降水传播日小时降水空间分布 |
| 2.4.2 降水起始时间、位置及空间变化 |
| 2.4.3 降水传播日夜间总降水特征 |
| 2.5 本章小结 |
| 第三章 四川盆地暖季夜雨触发及传播机制的观测研究 |
| 3.1 引言 |
| 3.2 资料与方法 |
| 3.2.1 资料介绍 |
| 3.2.2 分析方法 |
| 3.3 四川盆地西南部夜雨触发机制 |
| 3.3.1 盆地夜雨触发的动力强迫作用 |
| 3.3.2 盆地夜雨触发的热力强迫作用 |
| 3.4 影响四川盆地夜雨东北传播的可能机制 |
| 3.4.1 风场日变化的影响 |
| 3.4.2 风场季节内演变对降水日变化的影响 |
| 3.4.3 水汽输送日变化的影响 |
| 3.5 本章小结和讨论 |
| 第四章 四川盆地夏季夜雨形成机制的模式预报研究 |
| 4.1 引言 |
| 4.2 模式介绍与其他资料方法 |
| 4.2.1 模式说明及试验设计 |
| 4.2.2 其他数据及研究方法 |
| 4.3 四川盆地夏季夜雨时空变化特征的模式预报研究 |
| 4.3.1 日平均降水空间分布 |
| 4.3.2 夜雨时空演变特征 |
| 4.3.3 盆地不同区域降水日变化差异 |
| 4.4 四川盆地降水日变化模拟中夜雨形成机制的研究 |
| 4.4.1 风场日变化的影响 |
| 4.4.2 热力条件垂直日变化的影响 |
| 4.5 模式分辨率及预报起报时间对降水日变化的影响 |
| 4.6 本章小结和讨论 |
| 第五章 四川盆地降水与风场日变化的相互作用研究 |
| 5.1 引言 |
| 5.2 所用的资料与方法 |
| 5.2.1 资料介绍 |
| 5.2.2 模拟的个例选取及试验方案设计 |
| 5.3 盆地夜间不同降水强度的风场日变化特征 |
| 5.4 四川盆地降水日变化个例的模拟评估 |
| 5.5 四川盆地夜雨与风场日变化的关系研究 |
| 5.5.1 大尺度环流形势变化特征 |
| 5.5.2 风场日变化及对夜雨的影响 |
| 5.5.3 盆地降水潜热释放对风场日变化的影响 |
| 5.6 本章小结和讨论 |
| 第六章 总结与讨论 |
| 6.1 全文总结 |
| 6.2 论文的创新点 |
| 6.3 讨论与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）长江三角洲夏季极端小时降水特征及其与城市化关系研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 极端降水的定义 |
| 1.2.2 国际关于极端降水变化的研究进展 |
| 1.2.3 我国关于极端降水变化的研究进展 |
| 1.2.4 城市化对极端降水的影响机制 |
| 1.2.5 城市化与复杂地形、海/湖-陆风对极端降水的共同作用 |
| 1.3 论文拟解决的关键科学问题和主要研究内容 |
| 1.4 论文章节安排 |
| 第2章 长江三角洲城市化概况 |
| 2.1 资料介绍 |
| 2.1.1 中国土地利用遥感监测数据 |
| 2.1.2 DMSP/OLS全球夜间灯光数据 |
| 2.1.3 地方统计局道路长度、用电量数据 |
| 2.2 长江三角洲城市化进程 |
| 2.3 本章小结 |
| 第3章 长江三角洲夏季极端小时降水的气候态特征 |
| 3.1 资料介绍 |
| 3.1.1 长时间序列小时降水数据(1975-2018 年) |
| 3.1.2 长时间序列日地表气温数据(1975-2018 年) |
| 3.1.3 热带气旋最佳路径数据 |
| 3.2 分析方法 |
| 3.2.1 极端小时降水要素定义:阈值、频次、强度、累积量和持续时间 |
| 3.2.2 台风型和非台风型极端小时降水的定义 |
| 3.2.3 传统最小二乘线性回归和分位数回归方法 |
| 3.2.4 C-C变化率 |
| 3.3 极端小时降水的空间特征 |
| 3.4 极端小时降水的时间特征 |
| 3.4.1 台风型和非台风型极端小时降水的发生时间和持续时间 |
| 3.4.2 极端小时降水的长期变化 |
| 3.4.3 地表气温的长期变化 |
| 3.5 极端小时降水的城乡差异 |
| 3.5.1 增长趋势差异 |
| 3.5.2 C-C变化率差异 |
| 3.6 本章小结 |
| 第4章 长江三角洲夏季极端降水事件与城市热岛强度的关系 |
| 4.1 资料介绍 |
| 4.1.1 地面加密自动气象站小时资料(2011-2018年) |
| 4.1.2 ERA-Interim再分析资料 |
| 4.2 分析方法 |
| 4.2.1 极端降水事件的选取 |
| 4.2.2 城市热岛强度的定义 |
| 4.2.3 气温异常和降水异常 |
| 4.3 强弱城市热岛环境下极端小时降水的差异 |
| 4.4 本章小结 |
| 第5章 “0726”极端降水过程的观测分析和数值模拟 |
| 5.1 资料介绍 |
| 5.1.1 地面加密自动气象站小时资料 |
| 5.1.2 探空数据 |
| 5.1.3 天气雷达拼图数据 |
| 5.1.4 NCEP-NCAR FNL分析资料 |
| 5.1.5 中国土地利用遥感数据 |
| 5.2 个例简介和观测分析 |
| 5.3 高分辨率数值模拟研究 |
| 5.3.1 模式设置 |
| 5.3.2 模拟结果验证 |
| 5.3.3 长江三角洲对流触发过程分析 |
| 5.3.4 造成南通强降水的对流演变过程分析 |
| 5.4 本章小结 |
| 第6章 城市对“0726”极端降水过程影响的敏感性试验研究 |
| 6.1 模拟方案设置 |
| 6.2 敏感性试验结果分析 |
| 6.2.1 城市下垫面对“0726”极端降水过程的整体影响 |
| 6.2.2 上游城市群和南通自身对南通极端降水的影响 |
| 6.2.3 上海对南通极端降水的影响 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 本研究主要结论 |
| 7.2 本研究的创新点 |
| 7.3 未来研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（7）基于集成学习的雅砻江流域中长期径流预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 中长期径流预报研究现状 |
| 1.2.2 TRMM卫星降雨研究现状 |
| 1.2.3 集成学习研究现状 |
| 1.3 本文研究内容及技术路线 |
| 第2章 TRMM卫星降雨数据适用性分析 |
| 2.1 雅砻江流域概况 |
| 2.2 研究数据及处理 |
| 2.2.1 TRMM卫星简介 |
| 2.2.2 TRMM 3B43数据获取及处理 |
| 2.2.3 雅砻江流域地面站点观测数据 |
| 2.3 TRMM数据精度评价 |
| 2.3.1 降雨精度评价指标 |
| 2.3.2 TRMM卫星降雨数据在雅砻江流域适用性评价 |
| 2.4 本章小结 |
| 第3章 基于集成学习预报模型的构建 |
| 3.1 集成学习概述 |
| 3.2 基于Bagging的算法 |
| 3.2.1 随机森林 |
| 3.2.2 极端随机森林 |
| 3.3 基于Boosting的算法 |
| 3.3.1 梯度提升回归树 |
| 3.3.2 极端梯度提升树 |
| 3.4 基于Stacking的结合策略 |
| 3.4.1 Stacking结合策略 |
| 3.4.2 Lasso回归 |
| 3.5 评价指标 |
| 3.6 本章小结 |
| 第4章 雅砻江流域实例分析 |
| 4.1 研究区概况 |
| 4.2 预报因子 |
| 4.2.1 降雨与径流相关性分析 |
| 4.2.2 预报因子的选取 |
| 4.3 基于单一算法的中长期径流预报 |
| 4.3.1 各单一模型预测结果 |
| 4.3.2 各单一模型预测结果对比分析 |
| 4.4 基于Stacking结合策略的中长期径流预报 |
| 4.4.1 Stacking结合策略预测结果 |
| 4.4.2 Stacking结合策略与XGBoost对比分析 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其他成果 |
| 致谢 |
（8）南方季风区暴雨预报的初始误差敏感性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 南方季风区暴雨的机理研究 |
| 1.2.2 基于数值模式的暴雨预报误差研究 |
| 1.2.3 基于初始预报误差的研究 |
| 1.3 主要研究内容 |
| 1.3.1 研究问题的提出 |
| 1.3.2 研究内容及内容框架 |
| 第二章 资料、模式及方法简介 |
| 2.1 资料 |
| 2.2 模式及参数设置 |
| 2.2.1 WRF模式 |
| 2.2.2 HYSPLIT后向轨迹模式 |
| 2.3 方法 |
| 2.3.1 湿能量法识别敏感区 |
| 2.3.2 相关分析及TS评分的计算 |
| 2.3.3 水汽贡献率定义 |
| 第三章 一次粤西南暴雨过程的预报误差来源分析 |
| 3.1 降水过程简介 |
| 3.2 两类初始场的模拟结果对比 |
| 3.3 预报误差来源分析 |
| 3.3.1 初始差值场分析 |
| 3.3.2 敏感区及敏感变量分析 |
| 3.4 敏感性实验设计 |
| 3.5 本章小结 |
| 第四章 2020 年江淮季风区15 次暴雨过程的误差来源分析 |
| 4.1 初始误差分析 |
| 4.2 湿能量法识别误差敏感区 |
| 4.3 敏感区内误差扰动因子的贡献分析 |
| 4.4 上游水汽输送的作用 |
| 4.5 本章小结 |
| 第五章 近13 年华南季风区暴雨过程误差敏感区的客观识别方法研究 |
| 5.1 初始误差分析 |
| 5.1.1 预报误差来源确定 |
| 5.1.2 事件基于预报效果的分类 |
| 5.2 敏感区识别 |
| 5.2.1 湿能量人工识别法 |
| 5.2.2 引导气流客观方法识别 |
| 5.2.3 两种方法识别敏感区的对比 |
| 5.3 敏感区准确性验证 |
| 5.4 本章小结 |
| 第六章 总结和讨论 |
| 6.1 全文总结 |
| 6.2 特色及创新点 |
| 6.3 研究与展望 |
| 参考文献 |
| 个人简介 |
| 致谢 |
（9）基于光流法雷达外推的2020年长江致洪降水临近预报检验评估（论文提纲范文）
| 引言 |
| 1 资料与方法 |
| 1.1 资料 |
| 1.2 基于光流法雷达外推的降水预报方案 |
| 1.3 检验方案 |
| 2 结果分析 |
| 2.1 降水分级样本分析 |
| 2.2“站点-格点”分级降水预报TS检验 |
| 2.3“格点-格点”分级降水预报TS检验 |
| 2.4 不同时效TS评分结果 |
| 2.5 误差分析 |
| 3 结论 |
（10）基于数据融合的丰满水库长期径流预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和目标 |
| 1.1.1 研究背景 |
| 1.1.2 研究目标 |
| 1.2 国内外研究进展 |
| 1.2.1 三大尺度因子径流预报研究 |
| 1.2.2 因子相关性分析 |
| 1.2.3 传统统计预报模型 |
| 1.2.4 现代水文预报模型 |
| 1.2.5 研究进展的总结 |
| 1.3 本文研究介绍 |
| 1.3.1 研究问题 |
| 1.3.2 研究方法 |
| 1.3.3 研究内容 |
| 1.3.4 技术路线图 |
| 第二章 径流预报技术的系统分析 |
| 2.1 来水丰枯的影响机理 |
| 2.1.1 热量与引力作用 |
| 2.1.2 地形和海陆分布作用 |
| 2.2 来水预报基于的基本特性 |
| 2.2.1 周期性 |
| 2.2.2 有序性 |
| 2.2.3 遥相关性 |
| 2.2.4 结构特性 |
| 2.3 来水与极端来水预报的思路 |
| 2.3.1 预报因子基于空间尺度的分类 |
| 2.3.2 预报因子基于时间尺度的分类 |
| 2.3.3 预报值基于预报特征的分类 |
| 2.3.4 基于信息融合的流域来水预报 |
| 2.4 研究流域分析 |
| 2.4.1 流域介绍 |
| 2.4.2 流域丰枯机理 |
| 2.5 小结 |
| 第三章 三大尺度因子与径流的统计分析 |
| 3.1 天文尺度因子相位与流域来水规律分析 |
| 3.1.1 太阳黑子相对数 |
| 3.1.2 月球赤纬角 |
| 3.1.3 24节气阴历日期 |
| 3.2 全球尺度因子相位与流域来水规律分析 |
| 3.2.1 ENSO事件的发生与结束时间与流域来水丰枯的关系 |
| 3.2.2 ENSO事件特征值与流域来水丰枯的关系 |
| 3.3 流域尺度因子相位与流域来水规律分析 |
| 3.3.1 谚语机理分析 |
| 3.3.2 气象因子与来水属性级别统计分析 |
| 3.4 因子数值与流域来水统计分析方法 |
| 3.4.1 基础数据处理 |
| 3.4.2 相关性分析的方法 |
| 3.5 因子相关性分析结果 |
| 3.5.1 天文因子相关性分析 |
| 3.5.2 气象因子相关性分析 |
| 3.5.3 天文因子+海洋大气因子+气象因子相关性分析 |
| 3.6 结果分析 |
| 3.6.1 因子相位与流域来水规律 |
| 3.6.2 因子数值与流域来水相关性 |
| 3.7 小结 |
| 第四章 基于智能学习的预报因子融合的径流预报 |
| 4.1 预报方法 |
| 4.1.1 神经网络 |
| 4.1.2 决策树和随机森林 |
| 4.1.3 支持向量机 |
| 4.2 数据处理的方法 |
| 4.2.1 预报因子的处理 |
| 4.2.2 预报值的处理 |
| 4.2.3 预报值的评判指标 |
| 4.2.4 模型和因子优选的TOPSIS-模糊综合评判法 |
| 4.3 建模预报 |
| 4.4 结果统计分析 |
| 4.4.1 流域水量回归预报结果分析 |
| 4.4.2 流域来水量7级分类预报结果分析 |
| 4.4.3 流域来水量3级分类预报结果分析 |
| 4.4.4 33个因子方案分析 |
| 4.4.5 预报结果的最优方案 |
| 4.4.6 最优方案的预报结果分析 |
| 4.5 小结 |
| 第五章 基于相似性分析的预报因子融合的径流预报 |
| 5.1 相位对比法 |
| 5.1.1 基本原理 |
| 5.1.2 预报结果分析 |
| 5.2 相似模糊推理法 |
| 5.2.1 模糊推理法的基本原理 |
| 5.2.2 相似度的计算方法 |
| 5.2.3 主成分分析法计算权重 |
| 5.2.4 TOPSIS-模糊综合评判法优选最优模型 |
| 5.2.5 预报模型的建立 |
| 5.3 模糊推理法预报 |
| 5.3.1 因子组合分析 |
| 5.3.2 误差评定与优选判别 |
| 5.4 模糊推理法因子二次筛选 |
| 5.4.1 因子进出法寻优 |
| 5.4.2 因子进出法实例分析 |
| 5.5 模糊推理法预报结果 |
| 5.6 结果分析 |
| 5.7 小结 |
| 第六章 基于天文因子对比法的预报结果融合的径流预报 |
| 6.1 天文因子对比法机理分析 |
| 6.2 预报方法1-单一天文因子对比法 |
| 6.2.1 24节气阴历日期对比法 |
| 6.2.2 太阳黑子相对数对比法 |
| 6.2.3 月球赤纬角对比法 |
| 6.3 预报方法2-天文因子对比法预报结果的融合 |
| 6.3.1 天文因子预报结果的线性融合 |
| 6.3.2 天文因子融合法-主次因子对比法 |
| 6.3.3 天文因子融合法的修正 |
| 6.3.4 天文因子融合法定量预报 |
| 6.4 小结 |
| 第七章 基于点聚图法的预报结果融合的径流预报 |
| 7.1 点聚图法 |
| 7.1.1 点聚图的制作 |
| 7.1.2 预报方案 |
| 7.2 24节气阴历日期点聚图预报 |
| 7.2.1 极端来水年24节气阴历日期的聚类特性 |
| 7.2.2 24节气阴历日期聚类预报方法 |
| 7.2.3 24节气阴历日期聚类分析建模 |
| 7.2.4 基于聚类分析的来水预报 |
| 7.3 月球赤纬角和太阳黑子相对数点聚图预报 |
| 7.3.1 月球赤纬角聚类预报方法 |
| 7.3.2 太阳黑子相对数聚类预报方法 |
| 7.4 海洋大气因子与流域气象因子点聚图预报 |
| 7.5 多尺度因子点聚图预报结果融合 |
| 7.6 小结 |
| 第八章 基于来水结构融合的极端径流预报 |
| 8.1 基本定义 |
| 8.2 预报方法 |
| 8.2.1 一般来水结构预报-多方法预报结果融合 |
| 8.2.2 极端来水结构预报 |
| 8.2.3 基于改进可公度网络结构的极值点结构预报 |
| 8.2.4 极端来水年预报 |
| 8.3 实例应用 |
| 8.3.1 一般来水结构分析 |
| 8.3.2 极端来水结构分析 |
| 8.3.3 极值点结构的确定及极端来水年预报分析 |
| 8.3.4 连续极端来水年预报分析 |
| 8.4 讨论 |
| 8.5 小结 |
| 第九章 结论与展望 |
| 9.1 结论 |
| 9.2 展望 |
| 9.3 创新性 |
| 附表 |
| 参考文献 |
| 科研及发表论文情况 |
| 致谢 |
四、SVM方法与长江上游降水落区预报（论文参考文献）
- [1]2016—2020年6—7月长江流域主要暴雨过程特征及差异性分析[J]. 王孝慈,李双君,孟英杰. 干旱气象, 2021(06)
- [2]基于机器学习模型的龙羊峡水库水温分层结构模拟研究[D]. 邹昊. 西安理工大学, 2021(01)
- [3]基于机器学习的黄河源区月径流模拟与中长期预报研究[D]. 李瑶. 中国地质大学(北京), 2021
- [4]基于WRF-Hydro模式的气象-水文耦合径流预报研究 ——以漳河流域为例[D]. 吴雨晴. 南京信息工程大学, 2021(01)
- [5]四川盆地夜雨的时空变化特征及形成机理研究[D]. 李娟. 南京信息工程大学, 2021(01)
- [6]长江三角洲夏季极端小时降水特征及其与城市化关系研究[D]. 姜晓玲. 中国气象科学研究院, 2021(02)
- [7]基于集成学习的雅砻江流域中长期径流预报研究[D]. 吕盼成. 华北电力大学(北京), 2021(01)
- [8]南方季风区暴雨预报的初始误差敏感性分析[D]. 林琳. 南京信息工程大学, 2021(01)
- [9]基于光流法雷达外推的2020年长江致洪降水临近预报检验评估[J]. 田刚,陈良华,魏凡,熊红梅. 暴雨灾害, 2021(03)
- [10]基于数据融合的丰满水库长期径流预报研究[D]. 雷冠军. 中国水利水电科学研究院, 2020(04)