基于连续小波变换的水文序列变化特征研究

为揭示复杂水文现象中的精细结构，应用小波分析的多分辨率分析和分形理论相结合的途径探讨了水文序列变化的统计特征。将水文序列进行连续小波变换，得到小波变换系数，计算出小波变换系数的动力学特征指标——分维随尺度的变化过程。根据分维随尺度的变化特性，探讨了水文序列的奇异性(突变、跳跃等)变化。通过仿真试验和实际径流资料计算分析，表明提出的方法是有意义的，并且可行。     

基于小波消噪的改进的非参数解集模型

首先对文献[2]提出的非参数解集模型进行了改进，然后建议了用小波技术对水文序列进行消噪处理再估计非参数解集模型中的带宽系数的策略。改进的非参数解集模型无需对水文序列相依结构（线性或非线性）和概率分布形式（正态分布、P-Ⅲ型分布）作假定，且能保持水文序列的各种统计特性，适用于时间量和空间量的随机解集。最后以金沙江流域某站月径流随机模拟为例进行验证，研究表明：改进模型能反映实测月径流系列的变化特性，因而用于水文随机模拟是可行的。     

雅砻江中上游径流变化特性的小波分析

根据雅砻江流域中上游雅江(1970~2004年)、洼里(1972~2004年)两水文站月径流资料,采用Db3小波函数分析径流特性和变化趋势.结果表明:雅江站径流总体呈增长趋势,但增长速度已经变缓;洼里站径流在1993年前呈稳定增长趋势,但在1993年后径流减少趋势越来越明显;而雅江-洼里区间径流量一直呈减少趋势.利用复Morlet小波通过连续小波变换分析径流的周期特性,并用小波方差识别主周期.结果表明:雅江站径流序列存在10~11 a的第一主周期和5 a左右、2~3 a的次主周期;洼里站径流序列存在9~10 a的第一主周期,5 a左右、2~3 a的次主周期和一个1 a左右的不明显周期.     

GNSS站坐标时间序列噪声估计方法探讨

为了研究GNSS站坐标时间序列噪声估计方法的差异,比较极大似然估计法、两种方差分量估计法(最小二乘方差分量估计法、最小范数二次无偏估计法)对不同时间长度GNSS站坐标时间序列噪声模型的估计效果,确定噪声模型估计的适宜长度为15 a,最佳估计方法为方差分量估计法,并选择最小二乘方差分量估计进行时间序列的噪声模型估计。中国区域15个GNSS站坐标时间序列的噪声模型估计结果表明,闪烁噪声是中国区域GNSS站坐标的主要噪声,且竖直方向的噪声强度远大于水平方向的。在此基础上,利用线性回归法分析水平方向和竖直方向噪声方差的相关性,指出水平方向的噪声能够引起竖直方向32%以上的噪声。     

宝鸡市径流演变特性分析

针对宝鸡市渭河干流林家村站、渭河北岸支流千河千阳站和南岸支流清姜河益门镇站天然径流序列,采用Kendall秩次相关检验、Spearman秩次相关检验分析了其演变趋势性,用R/S法计算了各自的Hurst指数以分析其演变持续性,分析表明三条河流年径流量均存在较为显著的持续下降趋势;通过月径流序列的相空间重构,估算了能够表征水文系统混沌特性的定量指标即月径流序列的饱和关联维数D2和最大Lyapunov指数1λ,计算结果表明三条河流径流系统均存在混沌特性.     

一种水文时间序列预报的新方法

介绍了混沌和人工神经网络的理论及其在水文中的应用 ,在此基础上分析了水文时间序列中嵌入维数和BP神经网络的输入节点数的内在联系 ,提出用嵌入维数作为BP神经网络输入节点数的新方法 .计算了宜昌日径流时间序列的李氏指数和嵌入维数 ,确定其具有混沌特性 ,并用新的方法做了预测 ,同混沌中局域预测法的预测结果做了比较 ,结果显示新的方法效果明显较好 .     

径流时间序列的网络拓扑模态研究

为揭示径流时间序列的复杂动力学特征和非线性规律,借助可视图方法将径流时间序列转化为复杂网络,利用网络拓扑分析理论对网络的点强度、中间中心性、平均路径长度、聚类系数等参数进行分析,探明径流时间序列的网络拓扑特征与模态。采集北江流域石角站和赣江流域外洲站的水文数据,对北江与赣江径流时间序列的网络拓扑模态进行验证分析。结果表明：北江与赣江径流时间序列网络的聚类系数均较大而平均路径长度均较小,2个网络均具有小世界特性和无标度网络特性,中心性大的节点均对应年中月径流,北江与赣江的径流时间序列非线性动力特征及拓扑模态基本相似。从新的维度刻画径流时间序列的结构特征以及内在动力学特性,更有利于揭示径流时间序列的多维度非线性特征。     

基于小波神经网络的水文时间序列预测

复杂时间序列预测是时间序列分析的主要研究内容之一,已成为一个具有重要理论和实际应用价值的热点研究领域。基于小波和神经网络组合模型,提出一种多因子小波预测模型以提高水文时间序列的预测精度。并根据不同小波函数对水文时间序列数据的适应性,提出了一种基于加权相关系数的小波函数选择准则。以国家重要水文站淮河王家坝站汛期的日流量时间序列预测为例,对各种常用小波函数进行了实验。结果发现选择得到的Haar小波和B3 spline小波函数预测精度较高,从而验证了小波函数选取准则的有效性;通过和传统单序列小波神经网络模型比较,发现提出的多因子小波神经网络模型的预测合格率在不同预见期均提高了10％以上,并且对洪水高流量方向预测合格率提高了15％。     

基于分形盒维数的跳频信号跳周期快速估计方法

针对通信对抗中跳频信号参数估计问题,提出一种基于短时分形盒维数的跳频信号跳周期快速估计方法.首先对信号采样序列分段,计算短时分形盒维数,结合小波变换检测盒维数曲线的奇异点,然后采用谱分析的方法提取奇异点的变化周期,进而估计出跳频周期.仿真实验表明,该算法运算复杂度低、跳频定位精度高,在-10dB就能有效估计出跳频周期,与基于STFT的时频分析方法相比,具有计算量更小的优点.     

基于小波变换的年径流序列的模拟

根据黄河三门峡（陕县）站实测39年的年径流量序列,本文利用小波变换把实测序列分解成高频部分和较为光滑部分,对不同部分进行分析后,结合AR（1）模型进行模拟,再用小波变换重构算法进行重构,重构的模拟序列的统计特征参数表明,利用小波变换结合AR（1）模型模拟的水文序列与原序列的统计特征参数较为接近,是一个较好的模拟水文序列的方法。     

水文时间序列多时间尺度分析的小波变换法

以长江宜昌站近100年（1890～1987）年平均流量过程为例，利用Marr小波和Morlet小波变换对水文序列的多时间尺度演变特性进行了分析，研究结果表明，其年际及年代际时间尺度在时间域中分布很不均匀，具有明显的局部化特征，小波变换法分析了水文水资源系统多时间尺度是优越的。     

小波分析在地下水位序列多时间尺度分析中的应用

以河套灌区地下水位序列为例子,首先对地下水位序列进行了小波消噪,然后采用Mexican Hat小波函数对消噪序列进行了小波变换,并基于此分析了地下水位序列的多时间尺度演变特征.结果表明:不同的时间尺度分辨率下,地下水位序列会表现出不同的周期交替现象,时间尺度在时间域中分布很不均匀,具有明显的局部化特征;小波分析可以清晰地给出各种周期的强弱和分布情况以及突变点,为分析地下水位时间序列的动态变化特征提供了一种新方法.     

小波变换在分形信号参数估计中的应用

分形信号和Ｈｕｒｓｔ指数的提取是一个十分重要的研究方向,从此提出了一种新的基于小波变换和分数高斯噪声模型的Ｈｕｒｓｔ指数提取方法,分别推导了分形信号和白器材怕的小波系数统计量的公式,在此基础上用最大似然法进行参数估计,与传统方法的实验表明,该方法具有较高的稳定性。     

基于模糊模式识别的径流特性分析

为了探讨河流天然径流的演变规律,引入模糊模式识别的理论和方法对流量序列进行研究,给出了基于模糊聚类的径流丰枯特性分析的方法;在对径流丰、中、枯聚类基础上提出了基于模糊模式识别的多维丰枯周期特性分析方法。以嘉陵江支流白龙江下游的三磊坝水文站多年月平均流量数据为例,得出了该站径流各年的丰枯特点、丰枯周期及相应的隶属度。该方法的多维径流特性分析结果与分析尺度和数据维数有关。     

龙川江年输沙率时间序列的小波特征

基于龙川江出口水文控制站小黄瓜园站的长时间序列水文资料,利用小波变换研究了龙川江流域降水量和输沙率时间序列的多时间尺度变化特征和突变特征.研究表明:小黄瓜园站年降水量时间序列具有2a和4a的准主周期;年输沙率时间序列具有2、4、9.5a左右的准主周期;龙川江输沙率年内分配很不均匀,6～10月输沙量占全年输沙量的96.7%,尤其是7、8两个月输沙量占全年输沙量的55.7%;输沙率年内变化和年际变化的高频振荡主要是由降水量变化所致;龙川江泥沙主要来源于中下游地区(占全流域输沙量的94.2%);小黄瓜园站对屏山站泥沙贡献率为1.69%.