共查询到19条相似文献,搜索用时 109 毫秒
1.
门限自回归模型及其在水文随机模拟中的应用 总被引:1,自引:0,他引:1
为了客观描述日流量变化的非线性特性,将一种非线性时序模型--门限自回归模型引入日流量随机模拟.根据我国金沙江流域屏山站观测资料建立了日流量随机模拟的门限自回归模型.实用性检验结果表明,该模型用于模拟日流量过程是可行的,成果实用.这种尝试为日流量随机模拟提供了一种考虑日流量非线性变化特性的新模型. 相似文献
2.
3.
4.
5.
应用门限自回归(TAR)模型建立了同时受潮汐和径流双重影响的长江下游感潮河段高桥水文站月水位TAR预测模型,建模过程中运用遗传算法来实现模型参数的优化.计算结果显示,门限自回归模型可以拟合感潮河段的非线性特性,拟合及预测精度均满足水文预报规范要求,遗传算法的引入简化了建模过程,提高了模型的预测精度并保证了其预测性能的稳定性.研究结果表明用遗传门限自回归模型预测感潮河段的水位是可行的,该模型在感潮河段其他水文要素的非线性时序预测中也具有广泛的实用价值. 相似文献
6.
7.
8.
9.
10.
投影寻踪门限自回归模型在水稻单产变化预测中的应用 总被引:1,自引:0,他引:1
由于受气象、人为等因素的影响,为水稻单产变化时序这类非线性系统,提出了投影寻踪门限自回归(PPTAR)模型.用自相关分析技术确定预测因子,构造了新的投影指标函数,用门限自回归(TAR)模型描述投影值与预测对象间的非线性关系,并用基于实数编码的加速遗传算法优化投影指标函数和TAR模型参数.实例的计算结果表明,用PPTAR模型预测水稻单产变化时序是可行和有效的.PPTAR模型简便、适用性强,克服了目前投影寻踪方法计算量大、编程实现困难的缺点,有助于投影寻踪方法的推广应用,为解决非线性时序复杂预测问题提供了新的途径. 相似文献
11.
应用门限自回归 (TRA)模型解决具有周期性变化和下降趋势的地下水位的预测问题 ,可以有效地利用地下水位资料所隐含的时序分段相关性 ,起到限制模型误差 ,保证模型预测性能的稳定性 ,提高预测精度的作用 相似文献
12.
13.
年径流预测的遗传门限自回归模型 总被引:5,自引:0,他引:5
为有效利用年径流时间序列资料所隐含的时序分相依性这一重要信息,推进出用门限自回归模型(TAR)来预测年径流,并研制了TAR建模的一整套便通用的方方案,用所提出的改进遗传算法,可同时优化门限值和自回归系数,从而解决了TAR建模过程所涉及的大量复杂寻优工作这一难题,为TAR模型的广泛应用提供了强有力的工具。实例计算的结果说明这套方案是可行的和有效的;通过门限值的控制作用,TAR模型可以有效地限制模型误差,从而保证ATR模型预测性能的稳健性,提高预测精度,该方案具有通用性,在非线性时序预测中具有重要的理论意义和实用价值。 相似文献
14.
变形监测数据是定量评价水利工程结构安全的重要依据.水利工程变形数据是一种典型的非平稳信号,同时包含线性成分与非线性成分.针对水利工程变形的线性成分和非线性成分特征,分别利用针对线性信号的自回归移动平均模型和非线性信号的数据分组处理方法,构建了一种基于ARMA-GMDH的组合预测模型对水利工程的变形进行预测.工程实例表明... 相似文献
15.
滑坡位移监测动态预报时间序列分析技术研究 总被引:11,自引:1,他引:10
采用三次样条函数插值法处理非等距时间序列,运用时序分析方法建立了滑坡位移动态预报的ARIMA模型和CAR模型,并将其应用于茅坪滑坡,取得了良好的实际成果,为判断茅坪滑坡的动态特征提供了可靠的理论依据. 相似文献
16.
日径流过程随机模拟的FDR模型 总被引:1,自引:0,他引:1
本文根据对日径流过程变化特征的深入分析,提出了以日径流过程的一阶差分过程的轮次分析为基础的日径流过程随机模拟模型,简称为一阶差分轮次模型,简记为FDR模型。根据长江宜昌站90年日径流资料建立了宜昌站日径流过程随机模拟模型,并进行了实用性检验,取得了预期的成果。可以认为FDR模型具有概念明确、模型结构简单和对资料适应性强的特点。因此,本模型具有较好的实用前景,是一个较好的日径流过程模拟模型。 相似文献
17.
18.
根据实测日流量过程资料分析清江流域的洪水统计特征和自相关结构,分别用AR模型和典型解集模型进行随机模拟,并对模拟结果进行分析与检验,经研究认为典型解集模型对隔河岩水库入库径流模拟效果相对较好。 相似文献
19.
Rainfall is one of the fundamental components of the hydrological cycle as its accurate estimation is necessary for planning,
designing and operation of water resources development programmes. In the present study, monthly stochastic model was developed
using rainfall data for Doimukh (Itanagar), Arunachal Pradesh, India. The rainfall series was assumed to be composed of deterministic
and stochastic components. The trend component was found to be non-significant. Fourier series analysis was used to identify
the periodic component. Three harmonics were found significant. The stochastic component was modeled by fitting into auto
regressive model of order 6. The Mean and standard deviation of the generated series were found to be close to the historical
values. The value of absolute error, relative error, correlation coefficient and Nash–Sutcliffe coefficient indicated a high
degree of model fitness to the observed data series. 相似文献