小波网络模型在年径流预测中的应用

结合人工神经网络（ANN）的较强非线性逼近功能和自学习、自适应特点。充分发挥两者优势，将小波分析与人工神经网络进行耦合（即小波网络模型）。将非线性时间序列实行小波变换．再以小波变换序列作为ANN的输入、原始时间序列作为ANN的输出，最后训练网络并进行预测。     

基于小波分析技术的中长期径流预测模型研究

针对中长期径流预测精度低的问题,提出了基于小波分析技术的时间序列预测模型。利用小波函数db(5)将年径流序列进行尺度为3的分解,得到相应的低频信号和高频信号,然后对各级分解信号利用ARMA(2,1)模型进行预报,最后将各预报结果叠加合成原始径流的预测值,并与ARMA模型直接预测的年径流值比较,通过实例得出前者预测模型要比后者预测的精度更高、稳定性更好,从而验证了该中长期径流预测模型的有效性。     

一种非线性组合预测方法在径流测报中的应用

将基于人工神经网络的非线性组合预测方法应用于径流预测中,以1996年太阳沱的洪水资料为例,对已经建立的两个模型,采用三层的BP网络进行组合模拟预测,从多方面分析比较,让明用该种方法能够提高预测精度,结果令人满意：     

粒子群小波人工神经网络组合模型的径流预测

为了克服传统径流过程预测容易产生累积误差的缺点,提高径流预测精度,提出了一种基于粒子群小波人工神经嘲络组合模型的月径流过程预测算法,该算法具有原理简单、实用性强等特点.将该算法用于预测某电厂月径流过程计算,结果表明,其预测结果精度高,可为水电厂提供可靠的入库径流,对水电厂制定合理的运行方式有重要作用.     

基于小波分析技术的中长期径流预测模型研究

针对中长期径流预测精度低的问题,提出了基于小波分析技术的时间序列预测模型。利用小波函数db(5)将年径流序列进行尺度为3的分解,得到相应的低频信号和高频信号,然后对各级分解信号利用ARMA(2,1)模型进行预报,最后将各预报结果叠加合成原始径流的预测值,并与ARMA模型直接预测的年径流值比较,通过实例得出前者预测模型要比后者预测的精度更高、稳定性更好,从而验证了该中长期径流预测模型的有效性。     

小波网络模型在隔河岩水库径流预测中的应用

基于小波分析与人工神经网络提出一种小波网络模型,模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力,预测精度较好。在清江隔河岩水库年、月径流中长期预测中,得到满意的结果。     

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。     

基于小波分析的ANN模型日径流预测研究

介绍基于小波分析建立的人工神经网络模型,并给出构造模型的一般步骤及关键算法.利用此模型对日径流进行模拟与预测,实验表明,基于小波分析的人工神经网络模型在日径流模拟过程中具有很好的仿真能力,训练后的模型用于预测具有较高的精度.     

基于小波网络的径流多时间尺度分析及预报方法研究

应用Morlet小波的多分辨分析功能,对嫩江和洮儿河汛期径流序列进行了多时间尺度分析,结果显示,嫩江汛期径流具有4年和25年左右的主周期,洮儿河汛期径流具有4年、10年和25年左右的主周期,二者丰枯变化位相基本一致并具有同步性.针对径流时间序列的非线性和多时间尺度特征,将小波分析与人工神经网络结合建立了组合预测模型,模型原理简单,预测精度较高.这证明小波神经网络用于径流中长期预报是可行的.     

日径流的组合预测模型

根据最优加权组合预测原理，建立了径流响应线性模型和时间序列模型的优化加权组合模型，以预测日径流，依据最小二乘法原理确定其优化加权系数，预测结果表明，优化加权组合模型可提高预测精度。     

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。     

基于小波分析的径流分级组合预报模型

为进一步提高径流预报精度、降低预报的不确定性,利用小波分析法提取径流系列的概貌和细节成分;采用BP网络模型、RBF网络模型、SVM模型分别模拟预报,进行径流分级。根据不同级别的径流,对预报结果予以变权重组合,构建了基于小波分析的径流分级组合预报模型,并对其预报结果作了分析和总结。宜昌站中长期径流预报结果表明,组合预报模型能够较好地提高预报精度。     

基于小波神经网络的年降水量预测模型研究

为了研究某一地区年降雨量的变化规律、特点,以及该地区的旱涝情况,以便提前采取预防措施,减少灾害带来的影响,降低损失,试图通过建立小波与神经网络组合模型的方法预测年降水量.将采用小波神经网络模型预测出的结果与人工神经网络模型预测出的结果进行比较,结果表明:采用小波神经网络模型的预测结果在精确度上要好于单独使用人工神经网络预测的结果.与人工神经网络模型相比,小波神经网络模型具有较高的预测精度,在对降雨量数据进行预测分析时具有较大优势.     

基于小波包分解的 LS-SVM-ARIMA 组合降水预测

针对降水量影响因素众多, 是一种复杂的非平稳、非线性且存在噪声问题的时间序列的特点, 提出一种基于小波包分解的 LS-SVM 与 ARIMA 组合模型的年降水量预测方法。利用小波包将降水序列分解成低频趋势序列和高频细节序列; 应用 LS-SVM 模型预测低频趋势序列, ARIMA 模型预测高频细节序列; 将两个模型的预测结果叠加, 得到年降水量的预测值。实例验证表明: 小波包对时间序列的分解比小波分解更精细, 组合模型预测能够全面的提取降水序列中所包含的信息, 更好地反映年降水量随时间变化规律, 提高了年降水量预测的精准度, 为降水量预测提供一种新方法。     

基于相空间重构的大坝服役性态小波支持向量机预测模型

通过支持向量机与相空间重构、小波分析、粒子群算法等的组合应用,充分考虑大坝原型监测数据特征,开展了大坝变形性态预测模型研究。为提升模型的抗噪能性,首先利用小波分析工具对监测数据序列进行时频分解,对分解所得的高频子序列实施阈值去噪处理;进而在借助混沌相空间重构技术,计算各子序列延迟时间与嵌入维数的基础上,重构各子序列的相空间。依据去噪和重构后的变形子序列,建立大坝变形性态支持向量机预测模型。考虑到支持向量机惩罚因子与核函数参数对模型预测精度影响显著的特点,引入粒子群算法,并通过支持向量机的参数寻优,进一步提高了模型的预测精度。工程实例分析表明,相空间重构的大坝变形性态小波支持向量机预测模型具有较强的抗噪和泛化能力,且能够更好地辨识蕴含于大坝原型监测数据中的时频非线性特征,更利于大坝变形性态的精准预测。     

基于分布式水文模拟的干旱评估预报模型研究

针对鄱阳湖地区水资源季节分布不均及近期干旱问题，本文从防洪与抗旱统筹的角度，提出加强该地区洪水资源利用以解决枯季干旱缺水的初步设想。在对洪水资源潜力估算基础上，提出了加强洪水资源利用的主要途径。进而借鉴国内外经验，重点探讨在湖口设置控水工程以协调防洪与抗旱及生态环境保护之间关系。初步认为鄱阳湖洪水资源丰富，加强利用是必要的，通过在湖口设置可调节式溢流堰结合U型活动闸的仿都江堰式生态水利工程，在不影响防洪和江湖联通性的前提下，适度延缓汛后湖水外泄，以备枯季抗旱和维系湖区水生环境。     

基于小波分析的NARX神经网络在水位预测中的应用

高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。     

基于小波去噪的高斯过程回归模型在面板堆石坝沉降预测中的应用研究

引起面板堆石坝沉降变形的环境因素复杂,观测数据呈现出明显的噪声干扰特性,限制了数学模型拟合及预测的精度。对原始信号进行小波变换可有效分解其中的有用信号和噪声,因此,引入小波变换理论建立了基于小波阈值去噪的数学模型,并对面板堆石坝(CFRD)的沉降变形实测数据实施去噪,再对去噪后的数据进行高斯过程回归(GPR),建立了预测堆石坝沉降变形的模型。依托CFRD的实测沉降变形资料,采用Wavelet-GPR模型对大坝沉降进行了拟合与预测,并与未进行去噪的GPR模型计算结果进行对比。结果表明：Wavelet-GPR模型观测值与预测值的残差符合正态分布,去噪后学习段的均方根误差(RMSE)由0.928 7 mm减小至0.457 7 mm,平均绝对误差(MAE)由0.485 0 mm减小至0.330 6 mm;预测段的RMSE由1.308 9 mm减小至0.917 6 mm,MAE由0.926 3 mm减小至0.730 3 mm;且去噪后模型的样本观测值个数在其预测值95%置信范围内的占比有明显提升。因此,利用小波阈值去噪对实测沉降数据进行降噪处理能够降低噪声导致的数据观测值与真实值之间的误差,Wa...     

一种新的连续小波变换VLSI实现方法

研究了连续小波变换的VLSI实现方法。利用2个周期函数相乘得到小波信号链,与待分析信号经过乘法器相乘,再经过低通滤波器处理,得到信号的时频分解,也就是得到待分析信号的局部放大信号。乘法器采用的是InP衬底的异质双极晶体管(HBT)的Gilbert乘法器,低通滤波器采用的是压缩扩展的对数域电路。首次采用电流模式压缩扩展对数域电路来实现一维连续小波变换,这种实现具有高速、低电压、低功耗等特点。用PSPICE,Matlab对乘法器和滤波器等小波变换基本器件及小波重构进行仿真,表明所提出的连续小波变换压缩扩展电路可行。