OALib Journal期刊
多年平均气温空间化BP神经网络模型的模拟分析
DOI: 10.3724/SP.J.1047.2011.00534
Keywords: 多年平均气温 ,空间化 ,ANN ,BP神经网络
Abstract:
气温数据空间化是插补无站地区温度、使气温数据便于综合分析的重要技术手段。理想情况下,气温的空间化分布受经度、纬度和海拔高度的影响,呈现规律性的空间分布态势。但是,各种微观因子如坡度、坡向、地形起伏、地表覆被等的存在,在一定程度上扰乱并弱化了这种规律性的分布态势。本文基于Matlab平台,利用BP神经网络研究了多年平均气温数据空间化的新方法。结果表明,与传统的IDW插值、Kriging插值、样条插值和趋势面插值相比,BP神经网络的绝对误差仅为0.51℃,具有较高的空间化精度,同时它更加准确地反映了诸如阿尔泰山、天山、昆仑山、喜马拉雅山等山区低温带的气温分布规律。本研究不仅丰富了气温数据空间化的理论、技术和方法,为相关研究提供了重要的基础数据;而且也为降雨、蒸发等模型因果关系不十分明确的气候/气象要素的空间化提供了一定的参考和借鉴。
References
[1] 于贵瑞,何洪林,刘新安,等. 中国陆地生态信息空间化技术研究(I)——气象／气候信息的空间化途径[J]. 自然资源学报,2004,19(4):537-544. [2] 廖顺宝,李泽辉.气温数据栅格化中的几个具体问题[J].气象科技2004,32(5):352-356. [3] 杨凤海,孙彦坤,于太义,等. 近10年黑龙江省气温的时空变异分析[J].地球信息科学学报,2009,11(5): 585-595. [4] 任传友,于贵瑞,刘新安,等.东北地区热量资源栅格化信息系统的建立与应用[J].资源科学,2003,25(1):66-71. [5] 刘新安,于贵瑞,范辽生,等.中国陆地生态信息空间化技术研究(Ⅲ)——温度、降水等气候要素[J]. 自然资源学报,2004,19(6):131-138. [6] 刘志红,Li Lingtao,McVicar T R,等.专用气候数据空间插值软件ANUSPLIN及其应用[J]. 气象,2008,34(2):92-100. [7] Daly C, Gibson W P, Taylor G H, et al. A Knowledge-based Approach to the Statistical Mapping of Climate[J]. Climate Research, 2002, 22(6): 99-113. [8] 莫林,张秋文.人工神经网络在降水量空间插值中的应用研究[J]. 计算机与数字工程,2007,35(9):9-12. [9] 周开利,康耀红.神经网络模型及其MATLAB仿真应用程序设计[M].北京:清华大学出版社,2005. [10] 高隽. 人工神经网络原理及仿真实例[M]. 北京:机械工业出版社, 2007. [11] Hornik K, Stinchcombe M, White H. Universal Approximation of an Unknown Mapping and its Derivatives Using in Multiplayer Feedforward Networks[J]. Neural Networks, 1990(3): 55-560. [12] Hornik K, Stinchcombe M, White H. Multiplayer Feedforward Networks are Universal Approximators[J]. Neural Networks, 1996(3): 359-366. [13] 刘长安. 人工神经网络的研究方法及应用. http://210.45.168.35:8080/shuxue/SyxUploadFile/2009-11/205470%A1%BEPPT%A1%BFMATLAB%C9%F1%BE%AD%CD%F8%C2%E74.pdf, 2004, 12.
Full-Text
Contact Us
service@oalib.com
QQ:3279437679
WhatsApp +8615387084133
