全文总字数：5613字

1. 研究目的与意义及国内外研究现状

降水是地球水循环的重要一环，是地表淡水的主要来源，对人类社会及自然界都有重要影响。人类社会在高速发展，而过去的管理不足，使得人口过多、资源短缺、环境恶劣等问题日益突出，气象条件变得更为复杂更加多变。近年来，极端降水事件增多，部分地区暴雨、洪涝灾害等事件频频发生，而部分地区却处在长期干旱之中。这些灾害对农业、环境、经济都有严重的不良影响，而暴雨、洪涝灾害等更是对人类的生命和财产构成最直接的威胁。这些灾害的增多，更考验了政府有关部门应对灾害发生的能力。降水预测可以为政府有关部门做好灾害预防的准备工作提供参考依据，若能准确预测某地区的降水量，可以避免重大决策错误，将危害降到最低。

天然降水作为农田灌溉的重要用水还会直接影响农作物生产，进而影响农业经济^[1]。东北地区是我国最大的商品粮基地，玉米、小麦、水稻、高粱等都是该地区的主要粮食作物。另外，大豆、甜菜等经济作物也是东北农业的重要支柱。若是当年降水异常，粮食产量减少，对我国经济、社会、人民生活都会产生重大影响。故而降水预测对农业生产发展有着积极意义，它可以指导农业水利部门提前做好准备工作，减小降水变化对农业生产的影响。所以本文对位于三江平原腹地素有“中国东北大米之乡”的富锦市月降水量的进行研究预测。

月降水量存在明显的季节特征，同时混杂着多种不同波动因素，具有非线性、高波动和多尺度的特点，传统的、单一的方法常常难以对月降水量进行准确的预测^[2]。基于此，本文提出了一种基于季节调整（seasonal index adjustment）、小波分解（wavelet decomposition）和径向基（radical basis function，rbf）神经网络的sw-rbf组合模型来解决月降水量预测问题。首先，计算月降水量的季节因子对序列进行预处理；然后，对经过处理的序列进行多分辨小波分解得到一组序列；之后，用rbf神经网络分别对这些序列建模；最后将这些序列的结果组合得到最终的预测值。

2. 研究的基本内容

本文以富锦1953-2017年的月降水资料为研究对象，其中1953-2015年月降水量为训练集用于建立模型，2016-2017年月降水量数据作为验证集用作预测性检验。由于月降水量时间序列中含有不同种类的波动因素，具有季节性、波动大、非线性等特点，基于时间序列分解和组合模型的思想，对月降水量时间序列进行季节调整后用小波分解与重构方法得到季节调整序列的一系列分量，对这些分量分别建立RBF神经网络模型，然后将这些模型组合起来，最后得到一个季节调整的小波-RBF神经网络组合模型，简称为SW-RBF组合模型。同时，为了评价模型的优劣，建立基于季节调整的RBF神经网络模型（S-RBF模型）和直接对原序列建模的RBF神经网络模型（RBF模型）与SW-RBF组合模型进行比较。

3. 实施方案、进度安排及预期效果

实行方案：

通过查阅书籍、期刊及网络上的一些共享资源，在老师、同学的帮助指导下，运用所学的统计软件完成数据的处理，分析月降水量的特征和sw-rbf组合模型的预测性能。

进度：

4. 参考文献

[1] 李亚男,谢志祥,秦耀辰.近50年黄淮海平原极端降水时空变化及其对农业的影响[j].河南大学学报(自然科学版),2018,48(2):127-137.

[2] 俞续对.基于混合模型sepg_s对月降水量的研究及预测[d].兰州:兰州大学,2018:6-7, 25-26.

[3] 彭端,黄天文,郭媚媚,等.用逐步回归模型预测肇庆市汛期降水[j].广东气象,2005,05(02):16-17.