参考腾发量的计算和预测方法研究

论文题目: 参考腾发量的计算和预测方法研究

论文类型: 硕士论文

论文专业: 水利工程

作者: 胡庆芳

导师: 尚松浩

关键词: 参考腾发量,计算和预测,经验公式,网络,网络

文献来源: 清华大学

发表年度: 2005

论文摘要: 参考腾发量是水文学的一个基础性概念,对作物需水和农业灌溉的意义尤其重大。FAO推荐的Penman-Monteith公式提供了一种计算参考腾发量的标准方法,但是该公式需要非常完备的气象观测数据,在缺乏资料的地区应用起来存在一定的困难,因此寻找一种资料易得、计算简便、精度保证的参考腾发量计算和预测模式具有重要意义。本文根据山西省潇河灌溉试验站1978~2003年逐旬的气象资料,采用三种常用的经验公式—Hargreaves公式、Priestley-Taylor公式、Markkink公式计算了该站逐旬、逐月、逐年的参考腾发量,并以FAO Penman-Monteith公式作为对照,对这三种公式在该站的适用性进行了评价,分析了其误差变化规律。结果表明,由于三种经验公式仅考虑了影响腾发的一部分主要因素,所以都存在一定的误差。一般而言,Hargreaves公式高估了参考腾发量,这种情况在潇河雨热同期的夏秋季节尤为突出,其误差与降水显著正相关; Priestley-Taylor公式的计算结果与Penman-Monteith公式在统计意义上比较吻合,其相对误差受Peman-Monteith公式中空气动力学项与辐射项之比的影响,在年内呈倒“U”形变化,并与该比值成指数多项式负相关关系;Markkink公式则低估了参考腾发量,其误差原因有待进一步分析。本文还建立了三种不同形式的以气象因素作为输入的旬日均参考腾发量人工神经网络模型,即BP网络模型、基于投影寻踪的RBF网络模型和动态RBF网络模型。这三种模型虽然特点不一,但所得结论基本一致,精度也基本相当,其数学试验结果都说明通过人工神经网络模拟和预测参考腾发量是完全可行的,在所有的输入因子中,除最高温度、最低温度外,旬序数和风速、日照时数对模型精度也有较大影响。本文同时提出了这三种人工神经网络模型的理想预报方案,它们均以最高温度、最低温度、日照时数和旬序数作为预报因子,并可达到较高的预报精度,预报合格率超过90%,平均相对误差低于10%,对于农业用水管理具有实际推广价值。

论文目录:

摘要

ABSTRACT

第1章绪论

1.1 研究背景及意义

1.2 ET_0 的计算和预测方法及研究进展

1.3 论文的研究内容

第2章参考腾发量的计算和初步分析

2.1 FAO PENMAN-MONTEITH 公式的推导

2.2 FAO PENMAN-MONTEITH 公式计算逐旬ET_0的步骤

2.3 ET_0 的计算结果及初步分析

2.4 旬ET_0 序列与气象因素的相关分析

2.5 本章小结

第3章参考腾发量的经验计算模式及评价

3.1 三种经验公式的理论基础

3.2 HARGREAVES 公式的精度评价和误差分析

3.3 PT 公式和M 公式的精度评价和误差分析

3.4 本章小结

第4章 BP 网络模拟和预测参考腾发量

4.1 BP 网络的基本原理及其改进

4.2 参考腾发量模拟和预测的BP 网络模型

4.3 BPN_ET_0 模型的缺点和不足

4.4 本章小结

第5章 PP-RBFN 模拟和预测参考腾发量

5.1 RBFN 的基本原理和中心选取算法

5.2 投影寻踪的基本原理和实现步骤

5.3 PP-RBFN 及其学习过程

5.4 PP-RBFN 模拟和预测ET_0

5.5 本章小结

第6章动态径向基函数网络及其应用

6.1 径向基函数网络的改进

6.2 “NEWRB”函数的算法原理及实现

6.3 动态RBFN_ET_0模型

6.4 本章小结

第7章结论和展望

7.1 论文的主要工作

7.2 论文存在的问题及展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果

发布时间: 2007-03-14

参考腾发量的计算和预测方法研究

猜你喜欢