年径流动态的长期灰色拓扑预测

本文应用灰色拓扑预测方法对峪河口水文站年径流未来30年动态作长期预测,结果表明灰色拓扑预测模型群较可靠,预测精度高,算例结果令人满意。     

灰色自记忆模型在年径流预测中的应用

为探索提高年径流预测精度的简单有效途径,以GM(1,1)微分方程为动力核建立了灰色自记忆模型,并应用于寸滩站年径流的拟合和预测中,取得了良好的效果。与组合模型相比,该模型结构简单并具有较高的拟合和预测精度,可应用于年径流序列的预测之中。     

年最大洪峰流量灰色拓扑区间灾变预测

根据灰色预测理论，提出一种以改进信息提取方法的基础的灰色拓扑区间灾变预测法，该法既填补了灾变预测法中信息量的不足，又加强了拓扑预测法对实测灾变信息量的利用，从而将灾变预测和拓扑预测有机地结合起来，增加了ＧＭ（１，１）建模的信息量，用于汉江安康和渭河咸阳两站的年最大洪峰流量序列资料进行灾变分析和建模检验，结果是满意的。     

灰色系统方法在洪水径流预测中的应用研究与展望

概述了应用于洪水径流预报的灰色系统方法，包括灰色系统方法简介，区域水文模式与大气环流模式的耦合，因果序列的灰关联模式预测，全因果序列扩维的灰关联模式预测，微分动态（１，Ｎ）模型预测和灰色参数区间模型预测等，并对这些方法以及发展趋势进行了讨论，提出了初步建议。     

基于EMD分解的AR模型在年径流预测中的应用

为提高年径流中长期预测的精度,提出了一种新的时间序列预测方法——基于EMD分解的AR模型,以汾河上游上静游、汾河水库、寨上和兰村四座水文站1956~2000年的年径流序列为例,首先利用经验模态分解(EMD)方法将四座水文站的年径流序列分解为若干个固有模态函数(IMF)分量和一个残余项分量,然后运用自回归(AR)模型分别对各阶IMF进行预测,最后将各阶预测值重构得到年径流量预测值与单独运用AR模型的预测结果进行比较。结果表明,运用基于EMD分解的AR模型对汾河上游年径流进行预测,其预测精度比单独运用AR模型的预测精度有明显提高,表明该方法可行、有效。     

MCEEMD-HGWO-MGU混合模型在径流预测中的应用

为分析径流非线性特征对预测精度的影响,在改良的互补集成经验模态分解(MCEEMD)基础上,建立混合灰狼优化算法(HGWO)与最小门控单元(MGU)混合的径流预测模型,并利用该模型预测黄河下游三个水文站处的月径流.选取纳什效率系数和合格率评价模型性能,并选择多个误差指标与其他模型进行比较.结果表明,与其他模型相比,MCE...     

基于PSO优化的直接灰色模型在年用电量预测中的应用

将直接灰色预测模型引入城市电网年用电量预测中,避开了灰微分方程参数辨识时选取的背景值问题,以模型的还原值与实际值的平均相对误差最小化为优化目标,设计了求解该模型的粒子群优化算法,并与多种预测方法比较.结果表明,该方法合理、有效,预测精度较高.     

基于未确知盲数的BP模型及其在年径流预测中的应用

针对未确知盲数可展现信息真实的数量及状态,将未确知盲数与BP网络耦合,提出了以未确知盲数为网络输入、预测对象为输出的BP模型,模型预测结果为具有置信度与置信区间的盲数,并将基于未确知盲数的BP模型用于年径流预测。结果表明,该模型有效,预测结果可供借鉴。     

支持向量机回归模型在径流预测中的应用

为了探索提高径流中长期预测精度的有效途径,尝试建立了基于支持向量机的径流预测模型,并应用于西江流域梧州站的年、月径流预测中,取得了很好的效果。并与神经网络预测进行对比,结果表明该模型的预测精度要高于人工神经网络模型。     

引入灰色弱化缓冲算子的人工神经网络组合预测方法在年径流预测中的应用

为了提高年径流量预测的精度,将灰色系统理论的弱化缓冲算子和人工神经网络相结合,提出一种新的年径流预测方法——引入灰色弱化缓冲算子的人工神经网络组合预测方法,并以兰州站年径流过程计算为例,验证了该方法的合理性。结果表明,预测结果精度较高,可见将引入灰色弱化缓冲算子的人工神经网络组合预测方法用于年径流预测具有可行性。     

年径流变化的BP神经网络预报模型研究

针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。     

基于小波分析的BP网络预测模型及其在年径流预测中的应用

鉴于小波变换序列中尺度系数系列和小波系数系列变化特征存在较大差异,提出了一种新的小波分析与BP网络结合方式,即建立两个BP网络分别对两类系数系列进行预测,再对各小波变换系数的预测值进行小波重构,获得原序列的预测值。将该模型应用于二滩电站入库年径流量预测,结果表明该模型预测精度高,可为水电站提供可靠的入库年径流预测结果。     

基于加权秩次集对分析法的年径流预报模型

针对秩次集对分析方法在年径流预报中存在的问题,对其历史集合中的各元素所在位置与后续值的位置之间的间隔赋予了不同的影响权重,构建了年径流加权秩次集对分析预报模型,给出了模型在年径流预报应用中的步骤,利用黑河干流莺落峡站1945～2009年的实测径流资料检验了该模型的有效性,并与秩次集对预报模型、ARIMA预测模型及BP预测模型的预测结果进行了比较。结果表明,加权秩次集对预报模型的平均误差为12.29%、合格率为100%,本文对秩次集对预报模型的改进有效、可行。     

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。     

年最大负荷的包络灰预测模型研究

根据北京地区年最大负荷发生的特点，以1997～2002年年最大负荷数据为基础，采用包络灰预测的方法，建立了北京市年最大负荷的包络灰预测模型。通过与其他预测模型的比较，发现所建包络灰预测模型更具合理性和可行性，可以满足现场的实际需要。