[发明专利]基于改进BP神经网络拟合多种气候模式的气候变化预测方法及系统

说明书

本发明公开了一种基于改进BP神经网络拟合多种气候模式的气候变化预测方法及系统，包括以下步骤：收集表征气候变化特征的降雨数据；对气候模式预测网格数据进行降尺度处理，得到与实测资料同分辨率的长系列资料；将降尺度后的气候模式预测系列进行均值校正；建立改进BP神经网络模型并确定网络模型结构；训练和检验所建立的BP神经网络模型；利用模型输出预测未来气候时空变化。本发明改进了BP神经网络的输入输出数据处理，并拟合多种气候模式用以预测未来气候变化，增加了预测结果的可靠性，弥补了以往单一模式在评估时偏差较大及多模式集合评估时未考虑流域空间不均匀性等不足。

技术领域

本发明属于气候学与水文水资源应用领域，尤其是一种利用气候模式预测未来气候变化的方法。

背景技术

气候变化背景下的未来气候预估是全球气候变化的重大科学问题之一。客观评价未来气候变化趋势，加强水资源适应性管理，趋利避害，是国家应对气候变化的重大战略需要。全球气候模式被认为是用于认识和归因过去气候变化并对未来进行预估的主要工具。因此，选择性能高的模式非常重要，模式是否能够合理地模拟出过去的气候变化，将直接影响到模式能否对当前气候年代际变化“再现能力”的评估，可以在一定程度上检验对未来气候变化预估的可信度。

目前，利用气候模式进行未来预测的方法主要分为两种：一种是利用单一模式进行预测，利用不同气候模式的模拟数据与实测资料进行控制试验和评价模式对平均状态的模拟效果，认识历史气候并筛选出模拟效果好的气候模式对未来气候进行预测；第二种是多模式集合进行预测，根据单一模式性能利用主观赋权法或客观赋权法给气候模式赋权得到多模式集合，并预测未来气候变化。然而，单一模式在评估特定流域气候变化趋势时，往往偏差较大；利用多模式集合时，一个流域用同一组权重值则未考虑流域空间的不均匀性，不能正确反映气候变化的时空分布情况。

此外，利用BP神经网络预报时，预报序列值不能外延的情况使得BP神经网络在气候预测中的应用受限。如何利用BP神经网络预测未来气候变化并得到可信度高的结果，也是亟待解决的技术难题。

发明内容

发明目的：一个目的是提供一种基于改进BP神经网络拟合多种气候模式的气候变化预测方法，以解决现有技术存在的上述问题。进一步的目的是提供一种实现上述方法的系统。

技术方案：一种基于改进BP神经网络拟合多种气候模式的气候变化预测方法，包括以下步骤：

步骤1、收集表征气候变化特征的降雨数据；

步骤2、对多种气候模式预测网格数据进行降尺度处理，得到与实测资料同分辨率的长系列资料；

步骤3、将降尺度后的气候模式预测系列进行均值校正；

步骤4、建立改进BP神经网络模型并确定网络模型结构；

步骤5、训练和检验所建立的BP神经网络模型；

步骤6、利用模型输出预测未来气候时空变化。

所述步骤1进一步为：

收集研究区域内历史时期的实测降雨资料系列，多种气候模式模拟的历史时期的降雨网格数据和预测的未来时期的降雨网格数据。

在进一步的实施例中，所述步骤2进一步为：

对气候模式预测网格数据进行降尺度时，采用ArcGIS中反距离权重插值法对气候模式网格数据进行逐年插值；利用ArcGIS中Analysis Tools模块中的spatial join工具连接气候模式空间分布中的空间量与研究区域内雨量站位置，得到与实测资料同分辨率的气候模式预测雨量长系列资料。

所述步骤3进一步为：