龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：兰州交通大学
摘要：本发明公开基于BP神经网络对降水形态转变的预测方法，按照以下步骤进行：Step1：定义降水形态；Step2：对CMIP5数据进行降尺度；Step3：CMIP5模型精度验证；Step4：BP神经网络模型预测精度验证；Step5：未来降水形态预估。有益效果：通过使用BP神经网络模型预测TMR中RPR的未来变化可以提高未来降水类型预测的准确性。一方面为水文模型中有关参数的选取提供科学的参考，另一方面为气候变化下农业生产以及水文水循环变化提供科学管理的依据。
主权项：1.基于BP神经网络对降水形态转变的预测方法，其特征在于，按照以下步骤进行：Step1：定义降水形态定义RPRrainfall-to-precipitationratio即降雨日数占总降水日数的百分比，通过降雨天数占总降水天数比值的变化来研究研究区降水形态的变化特征；Step2：对CMIP5数据进行降尺度采用Delta方法，所述Delta方法是一种比较简单但在GCMs数据降尺度时常用的方法；Step3：CMIP5模型精度验证采用泰勒图来评估CMIP5模型模拟地区气温和降水量的能力；Step4：BP神经网络模型预测精度验证采用BP神经网络模型预测出未来测试区的RPR；Step5：未来降水形态预估利用气温与RPR的关系，将CMIP5模型模拟不同RCPs下的未来月平均气温输入模型，从而得到未来不同RCPs下月的RPR以及RPR变化的速率，所述Step4中各站点某月中与RPR相关的气象因子气温、气压、蒸发、相对湿度、风速、日照时数和地表温度，作为输入变量，所述Step4中该月的RPR作为输出变量，采用历史数据中选取部分时段的数据作为率定期，部分时段数据作为验证期，率定和验证的评价指标采用NSC、RSR和PBIAS定量分析模型模拟的精度。
全文数据：
权利要求：
百度查询： 兰州交通大学 基于BP神经网络对降水形态转变的预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号