基于NetCDF的RTM数据分类聚合研究

发布时间：2020-10-14 16:56

　　 陆地地表径流具有生态环境调节的重要功能,陆地地表径流参与到了大气、海洋、植被和土壤等自然元素循环的全过程。陆地地表径流情况的变化将直接影响气候、海洋、植被和土壤的改变,甚至会对全球生态环境系统产生影响。因此,掌握地表径流变化情况可以预测生态环境变迁趋势,为预测和治理自然灾害具有重要意义。然而,目前的地表径流模式研究对地表径流的模拟仍存在一些问题,CESM是全球气候-海洋-陆地-冰川全耦合的气候模式,其中的RTM模块是研究地表径流的有效途径。由于数据采集设备类型各异导致数据存储格式不统一,且地表径流数据具有高维、可计算难度大等特点,以至难以耦合到RTM模块中。为此,本文提出了基于NetCDF的RTM数据分类聚合方法。该方法的研究重点:1)如何对高维地表径流数据进行分类聚合;2)如何对多源高维地表径流数据进行NetCDF格式转换,以满足RTM对输入数据的要求。开展RTM数据分类研究对分析地表水文的时空分布及演变规律具有重要意义。为进一步利用CESM开展地表径流变迁与人类活动互作用机制的研究,理解过去气候与环境演变规律,预估未来全球生态环境变化奠定基础。论文的主要内容包括:1.提出基于神经网络的高维RTM数据分类聚合方法,该方法采用Autoencoder算法对神经网络进行训练,从而得出最优的神经网络结构。2.提出基于NetCDF的RTM多源数据分类聚合模型,从管道通信角度设计管道数据处理模型。该模型使用抽象工厂屏蔽了设备差异,通过在管道中设计消息泵的方式来传递设备汇入的数据信息。该类信息被传输到数据信号处理器,在数据信号处理器中结合神经网络对设备输入数据进行数据分类,提取出地表径流数据。最终实现,基于NetCDF库文件,提出了.Net环境下读写NetCDF格式文件的接口函数,以创建符合RTM输入数据要求数据文件格式。本论文利用FM评价指数对基于神经网络的改进Autoencoder算法模型经K-means算法聚类后结果分析,表明对高维数据的聚类效果要明显优于直接聚类;提出的多源数据聚合模型处理器能够实时对输入数据进行集成融合处理,系统处于稳态;创建的.Net环境读写NetCDF格式数据的接口能够较好的存取地表径流等科学数据数据集。
【学位单位】：华北水利水电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P333
【部分图文】：

iV XW y ( ) ( )i if V f XW 神经元节点接收到的输入信息，向量W 为神经网i 就是该神经元节点的输出数据信息。活函数iV 是非负值，那么，该神经元节点就处时，该神经元节点就处于抑制状态。理模式是阈值加权和模式，这也是神经网络中称这种神经元节点为神经处理单元。网络，那么，就必须选择激活函数，常用的激sigmoid 函数。可用图 2-2 表示：

图 2-3 分段性函数Fig 2-3 Piecewise function意义可以用函数 （u ）表示：11,21 1u ,2 210,2uu uu + + （ ）= 阈值函数相比，当线性值不超出阈值时该函数出阈值时，分段性激活函数就和阈值函数相似，可用图 2-4 表示：

图 2-3 分段性函数Fig 2-3 Piecewise function学意义可以用函数 （u ）表示：11,21 1u ,2 210,2uu uu + + （ ）= 与阈值函数相比，当线性值不超出阈值时该函数超出阈值时，分段性激活函数就和阈值函数相似数，可用图 2-4 表示：
【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

3 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

4 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期

5 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期

6 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期

7 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期

8 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期

9 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期

10 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期

相关博士学位论文 前10条

1 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年

2 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年

3 周小强;基于深度学习的交互式问答技术研究[D];哈尔滨工业大学;2017年

4 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年

5 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年

6 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年

7 孔颖;终态神经网络及其相关应用[D];浙江工业大学;2017年

8 谈宏莹;基于太赫兹时域谱物质检测技术及实验研究[D];燕山大学;2016年

9 吴森森;地理时空神经网络加权回归理论与方法研究[D];浙江大学;2018年

10 张振敏;基于脉冲神经网络的纹理图像识别研究[D];福建师范大学;2016年

相关硕士学位论文 前10条

1 谢良才;基于BP神经网络的煤热解特性及煤灰熔融特性研究[D];西北大学;2018年

2 张旭;基于VMD-神经网络输气管道的工况分类研究[D];东北石油大学;2018年

3 孙昊;粒子群神经网络在供水管线腐蚀预测中的应用研究[D];东北石油大学;2018年

4 严寒;基于卷积神经网络的图像分类算法研究[D];西北大学;2018年

5 季静;融合多重语义对齐表示的机器阅读理解研究[D];南京师范大学;2018年

6 尹化荣;基于卷积神经网络的情感分类算法研究[D];西北大学;2018年

7 邹鑫;基于卷积神经网络的图像分类算法研究[D];西北师范大学;2018年

8 李婷玉;基于神经网络的输油管道腐蚀预测研究与实现[D];华北理工大学;2018年

9 赵士超;基于神经网络的LIBS钢水成分在线检测[D];华北理工大学;2018年

10 曹雲梦;基于BP神经网络的轨道电路故障诊断[D];华北理工大学;2018年

本文编号：2840934