小波包分解与多个机器学习模型耦合在风速预报中的对比   总被引：1，自引：1，他引：0  

王同亮  马绍休  高扬  宫毓来  安志山 《中国沙漠》2021,41(2):38-50

准确预报风速是提高风电利用率以及电力系统稳定性的有效方法。学者们提出了大量风速预报模型,但针对不同下垫面不同风速预报模型的对比研究较少。该研究主要探究小波包分解和12个机器学习模型耦合对3种下垫面（戈壁、绿洲和沙漠）风速预报能力,探索风速预报的优化耦合模型。设置3组模型实验进行对比：单一机器学习模型、小波包分解-机器学习混合模型和小波包分解-机器学习-卷积神经网络混合模型。结果表明：具有特征选择和记忆功能的深度学习模型（如卷积长短时记忆网络）以及极限学习机对风速具有较好的预报能力,小波包分解可以显著提高模型精度。小波包分解与卷积长短时记忆网络、卷积门控循环单元和极限学习机的耦合模型在风速预报中具有较好的表现。这表明信号分解和深度学习的耦合模型,能有效提高预报精度,值得推广。  相似文献   

机器学习与统计模型在石羊河流域气候降尺度研究中的适用性对比     

宫毓来  马绍休  刘伟琦 《中国沙漠》2022,42(1):196-210

高分辨率气候数据是研究气候变化对农业、生态、水文影响的驱动数据,动力和统计降尺度模型是两类常用的生成高分辨率气候数据的方法,近年来机器学习模型也被用到气候变化的研究中,但针对不同站点(下垫面)的多种统计降尺度模型的对比研究较少.石羊河流域土地利用类型多样,海拔变化显著,适合研究降尺度模型的适用性.本研究选择2种传统统计...  相似文献   

农业干旱业务化监测研究进展与展望     

刘伟琦  马绍休  宫毓来  冯坤  梁林昊 《中国沙漠》2023,43(1):197-211

业务化农业干旱监测系统是农业干旱监测和预测以及农业风险评价和防范的有力工具,为了更好地促进农业干旱业务化监测的发展,系统回顾了基于气象变量、土壤湿度、植被状态和多变量等4类常用干旱指数,详细分析了美国、中国、欧洲和联合国粮食及农业组织等业务化农业干旱监测系统的特征,讨论了业务化农业干旱监测系统中存在的问题：如数据的质量及融合不稳定、综合干旱指数的构建不确定、监测的时间分辨率有待提高、缺乏考虑水文条件以及作物的生长过程等影响的问题。展望了未来农业干旱业务化监测,应从利用多源数据监测干旱、构建综合指标时需考虑区域时空差异及不同指标间的累积性和滞后性、加强机器及深度学习在综合指标构建中的作用、发展日时间尺度监测干旱以应对骤旱事件的发生、强化作物生长过程模型和先进的技术手段在干旱监测中的作用等方面深入发展。  相似文献