基于人工神经网络和支持向量回归机的干旱预测

摘要

气候变暖导致南方湿润地区干旱逐渐加剧,干旱预测对于水资源优化管理、缓解旱情具有重要意义.基于不同时间尺度的标准化降水蒸散指数(SPEI)作为干旱评价指标,通过构建人工神经网络(ANN)和支持向量回归机(SVR)模型进行了预见期为1～3个月的干旱预测,并进一步构建了经验模态分解的人工神经网络(EMD-ANN)和支持向量回归机(EMD-SVR)耦合模型,以提高1个月时间尺度SPEI1的预测精度.结果 表明:对时间尺度为3个月及以上的SPEI,ANN和SVR模型具有良好预测效果,且SVR模型预测精度略优于ANN模型;预见期越短,干旱预测精度越高,预见期1个月的ANN和SVR模型预测决定系数可达到0.834 ～0.911;ANN和SVR模型对1个月时间尺度的SPEI1预测效果较差,通过EMD及小波消噪处理后,基于EMD-ANN和EMD-SVR模型的SPEI1预测精度显著提高.