基于小波变换的水文时间序列分解

运用Mallat算法和Daubechies小波，介绍了基于小波变换的水文时间序列分解方法。通过小波变换，将水文时间序列分解成不同时间尺度的确定性序列和随机序列，为建立水文时间序列中长期预报耦合模型打下了基础：以长江寸滩站日平均流量和年最大流量序列为例，进行了小波变换：通过对分解后的序列进行重构，结果是满意的。     

基于小波变换的水文时间序列分解及周期识别

运用Mallat算法和Daubechies小波,介绍了基于小波变换的水文时间序列分解方法.通过小波变换,将水文时间序列分解成不同时间尺度的确定性序列和随机序列,运用方差分析法,对小波分解后的确定性序列进行周期分析,获得原始系列的主周期.以长江寸滩站日平均流量和年最大流量序列为例,进行了小波变换及原始系列的主周期分析,结果是满意的.     

基于混沌的大坝监测序列小波RBF神经网络预测模型

本文结合混沌理论、小波分解与重构,以及径向基函数(RBF)神经网络的优点,提出了一种基于混沌的大坝监测序列小波RBF神经网络预测模型。该模型主要利用小波分析将大坝监测序列分解为趋势项和细节时间序列,并利用RBF神经网络和基于RBF神经网络的混沌理论对两种时间序列进行预测,最后通过小波重构得到预测值。实例分析表明,本模型能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,对监测数据的预测精度较高,可应用于实际工程。     

小波分析在GPS时间序列分析中的运用

利用"陆态网络"中KKN4站2010~2013年时间序列数据,通过小波分析对其周期性质和多尺度进行分解、去噪及重构,并利用重构前后的GPS时间序列的信噪比来对比去噪的有效性。结果表明,小波分析可以较好地分析时域信号的局部特征,将信号分解到不同的尺度上,说明小波分析可以很好地运用于GPS时间序列的分析中。     

基于尺度特征融合的随机森林日供水量预测模型

针对日供水量时间序列的非平稳性和耦合特征的复杂性,引入小波分解技术和随机森林回归模型,构建了基于尺度特征融合的随机森林模型(SF-RF).首先,使用离散小波变换将单一尺度的原始时间序列分解为低、高频尺度的特征序列,提取耦合特征的多尺度信息;然后,使用随机森林回归模型拟合不同尺度特征;最后,线性融合各尺度的拟合结果获得总...     

基于小波分解的日径流逐步回归预测模型

本文以预测水文站的上游水文站的日径流序列为依据,利用小波分解和重构得到预测水文站及上游水文站的日径流序列在1~4尺度下的概貌分量,然后以各站的原始径流序列及其在不同尺度下的概貌分量为候选预报因子,建立了径流逐步回归多步预测模型。计算实例表明,由于引入了上游水文站的径流序列并提取了各站径流序列的不同尺度下的概貌分量,本文提出的基于小波分解的日径流逐步回归预测模型的预测精度高于小波网络模型和多元自回归模型,能对非凌汛期未来1~3d以及凌汛期1~7d的日均流量进行预测,可为制定水电站未来的发电计划提供科学的依据。     

鄱阳湖出湖径流序列的多时间尺度小波分析

为了分析鄱阳湖湖口出流径流序列的多时间尺度变换过程,应用小波分析中良好的时频分析功能,选择Morlet小波函数对鄱阳湖出湖径流序列进行连续小波变换。计算得到了小波变换系数的模平方、实部和方差,并绘制其随尺度变化的分布图。通过分析各尺度下的连续变换系数实部的变化趋势,确定了径流序列在各个尺度下的丰枯变换过程。研究结果表明：鄱阳湖出湖流量在长尺度上丰枯变化较慢,短时间尺度上丰枯变化明显,2007年为由丰转枯的年份,2007年后的几年内在72,225,375个月尺度上则处于较枯时期。     

小波分析在AR模型重构路面不平度中的应用

针对线性滤波器AR模型重构路面不平度时低频处误差较大的问题,提出利用小波分析的时频特性来调整重构的路面随机序列。首先根据等级路面的功率谱利用AR模型构造C级路面随机序列,然后利用小波分析的小波分解方法和小波包分解方法对路面随机序列进行分解,根据信号能量与信号振幅平方成正比原理,调整信号分解分量各频段的振幅后再进行信号重构,并在时域和频域上与原信号进行对比。仿真结果表明,小波分解方法和小波包分解方法都能提高重构路面功率谱与目标功率谱的拟合精度,且小波包分解方法在处理高频分解分量时更具优势。     

WPSO-SVR耦合日径流预测模型研究及应用

针对径流时间序列过程的高度非线性,将小波分析方法、粒子群优化算法与支持向量回归相结合,建立了小波-粒子群-支持向量回归耦合日径流预测模型(WPSO-SVR)。该模型充分挖掘小波分析的多分辨功能和支持向量回归的非线性逼近能力,应用小波分析方法将日径流时间序列分解为不同频段的子序列,将重构后的序列作为模型的输入,利用粒子群全局搜索能力实现模型参数寻优,得到最佳模型参数,构建模型,并将该模型应用于金沙江中游石鼓站日径流预测。结果表明,该模型的预测效果明显优于单一支持向量回归模型,在日径流预测中具有较强的适应性。     

基于小波分析的最近邻抽样回归预报模型研究

〗为了提高水文中长期预报的精度,以屏山站1951～2005年年径流序列为例,应用小波分析技术对信号进行多尺度分析,将水文时间序列分解成若干个高频序列和低频序列,再将高频序列和低频序列分别应用最近邻抽样回归建立模型,然后应用小波重构技术将各序列进行重构,从而实现对原始序列的预测。结果表明：应用小波技术建立的组合模型,其精度明显高于单一的最近邻抽样回归模型,可以应用于生产实践中。     

The Research of Monthly Discharge Predictor-corrector Model Based on Wavelet Decomposition

Based on wavelet analysis theory, a wavelet predictor-corrector model is developed for the simulation and prediction of monthly discharge time series. In this model, the non-stationary time series of monthly discharge is decomposed into an approximated time series and several stationary detail time series according to the principle of wavelet decomposition. Each one of the decomposed time series is predicted, respectively, through the ARMA model for stationary time series. Then the correction procedure is conducted for the sum of the prediction results. Taking the monthly discharge at Yichang station of Yangtse River as an example, the monthly discharge is simulated by using ARMA model, seasonal ARIMA model, BP artificial neural network model and the wavelet predictor-corrector model proposed in this article, respectively. And the effect of decomposition scale for the wavelet predictor-corrector model is also discussed. It is shown that the wavelet predictor-corrector model has higher prediction accuracy than the some other models and the decomposition scale has no obvious effect on the prediction for monthly discharge time series in the example.     

基于多尺度相关向量机的城市日用水量预测

为提高日用水量预测精度,提出一种基于多尺度相关向量机的预测模型。通过静态小波分解将用水量非平稳时间序列分解为不同尺度的平稳时间序列,然后在分解后的各子序列分别建立相关向量机回归模型进行预测,最后通过小波逆变换将各子序列预测结果整合得出原始用水量时间序列的预测值。在实例分析中分别利用多尺度关联向量机模型和单尺度相关向量机预测模型对实际用水量进行预测分析。结果表明,前者具有更高的预测精度,可应用于城市日用水量的预测。     

大坝变形的小波分析与ARMA预测模型

大坝变形观测资料可视为非平稳时间序列,从影响大坝变形规律的因素出发,可将其分解为主值函数项、周期函数项和改进后的平稳时间序列。其中主值函数项采用逐步回归法拟合,针对时效因子采用半经验公式无法准确拟合实际变化情况,采用小波分析法将序列分解为低频和高频两部分信号,其中低频部分代表时效等因素影响的变形趋势;高频部分代表水位、温度等影响的变化规律,应用时间序列原理分别建立变形预测ARMA（p,q）模型,从而在现有水位、温度观测资料下预测坝体未来的变形趋势。实例计算结果表明,结合小波分析的时间序列法建立的预测模型,预测精度高于统计回归分析,预测效果良好,可作为一种有效方法应用于大坝变形预测中。     

基于时移小波-灰色理论的边坡位移预测模型研究

边坡的变形稳定性问题是土木工程建设中亟待解决的问题之一。大量研究表明,用实测的边坡位移时间序列预测边坡未来变形更为准确。但外界因素可能使数据产生误差,需去噪处理,才能使监测数据更有使用价值。结合时移小波去噪和灰色理论,对锦屏一级水电站边坡位移监测数据进行研究,提出了时移小波系数相关性去噪及小波-MGM(1,n)预测模型。该模型通过对小波尺度系数和近似系数的分解与重构来模拟真实信号,进而预测边坡的深度位移曲线。经验证预测曲线与实测曲线很接近,为边坡的治理和防护提供了一定的参考依据。     

小波、模糊与统计相关结合的径流预测方法研究

在模糊聚类、识别与统计相关结合的预测模型的基础上,引入小波分析理论,提出了小波、模糊与统计相关三者有机结合的预测模型。其基本思路是:先把各预报因子逐个进行小波分解,再将分解的小波序列带入模糊聚类、识别与统计相关结合的预测模型,求取类别变量特征值与预测对象之间的回归方程来进行预报。其显著特点是利用了小波分析的多分辨率功能,小波分解后将非平稳时间序列分解成适当的多个平稳时间序列及一个经平滑而比原序列平稳得多的序列,提高了数据变化的稳定程度,把噪声和真实数据进行了一定的区分,减小了预测因子中噪声对预测对象的影响,从而提高了预测精度。在新疆雅马渡站年径流量的预报中,预测效果比单纯用模糊-统计相关模型进行预测的效果要好,具有更高的预报精度。     

CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用

为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。     

多沙河流水沙变化特征小波分析

为了给多沙水库运行调度提供依据,降低水沙序列长度和随机性的影响,将小波变换应用于研究流域径流与含沙量的变化特性。采用db3小波对标准化径流与含沙量序列进行多分辨率分析,研究径流与含沙量变化的趋势性;选用复Morlet小波绘制出小波方差图,分析径流过程与含沙量过程存在的周期性。以崖羊山水电站所在的李仙江流域为例,针对电站坝址断面的月平均流量与含沙量序列进行小波分析,从低频重构序列的结果中可以看出该流域径流与含沙量的变化趋势;并结合当地的降雨量与水土保持状况分析,表明结果是合理的。根据小波方差图可以看出,崖羊山水电站所在流域径流过程与含沙量过程存在非常接近的显著周期,均为2 a左右,且两者变化周期具有同步性。研究结果表明小波分析是研究非平稳随机时间序列的有效方法。     

水轮机非平稳振动信号的小波分析

基于水电站机组振动的现场试验研究,利用小波分析方法在时域和频域上同时具有良好局部化性质的特点,对开停机这一典型非平稳过程信号进行小波分析。通过将信号分解到不同频带内,并对分解信号作振源分析和统计分析,以获取优势频率等有用信息。试验结果表明,水流脉动压力和尾水涡带摆动是引起开机过程中机组强烈振动的主要原因,同时也证明了小波是处理非平稳信号的最有力的工具。