刘振男，周靖楠

(贵州理工学院，贵州 贵阳 550001)

0 引言

作为对农业生产影响最大的一类自然灾害，干旱由于发生几率大、持续时间久、随机性强等特征，增加了对其预测与防治的难度，从而导致了许多环境与经济问题，如何提高预测干旱的精度问题成为当今研究的一个热点。随着计算机技术的飞速发展，干旱预测的技术也经历了跨域式的革命，由最初的应用历史资料和天气学统计相关、相似等方法迅速的发展到了应用数理统计及计算机软件等方法进行预测的阶段[1]，其中，灰色系统理论[2]、森林随机模型[3]、ARIMA模型[4]、PSO－LSSVM[5]等方法都已成功的应用于干旱预测，而在大量现代研究技术手段中，人工神经网络模型(Artificial Neural Network，ANN)无疑是应用最为广泛、最适用于解决非线性问题的方法。刘代兰等[6]成功的利用ANN模型对于河西走廊伏旱进行了预测。虽然ANN的预报精度高并且本身具备较强的非线性拟合能力，但其也固有很多缺点。比如ANN的权值和阈值一般是通过随机初始化为[－0.5，0.5]区间的随机数，这个初始化的参数对神经网络训练的影响很大，但是又无法准确获得，鉴于此，赵廷红等[7]与王笑宇等[8]引入多种群遗传算法对BP神经网络的初始的权值和阈值进行了优化，分别成功的应用到了重力坝变形预测与降雨预报中，以得到更好的预测效果，但至今还没有文献描述过利用文中的改进模型对干旱进行预测的效果，因此，本文将MPGA－BP模型应用到干旱预测当中，并选取SSTA作为模型的输入因子对越南盖河流域的干旱进行了预测。……