月径流序列的混沌特征识别及Volterra自适应预测法的应用

在混沌动力系统相空间重构的基础上,利用关联维数法和最大Lyapunov指数法,对月径流时间序列进行混沌特性识别。然后结合自适应技术的实时递推特性和Volterra级数的非线性表征能力,利用Volterra自适应滤波法可对径流时间序列进行预测。通过江桥站和丰满水库实际月径流序列的预测结果表明,月径流序列中存在着一定的混沌特征。应用Volterra自适应法可以有效地对水文时间序列进行预测,与加权一阶局域预测法相比,能够实现更高精度的多步预测。     

汀江流域降水径流时间序列的混沌分析

越来越多的研究表明水文系统是一个高度非线性、复杂性的巨型系统。混沌理论为研究变化环境下水文要素特性提供了新方法。以汀江流域上杭水文站月尺度降雨径流时间序列为对象,采用饱和关联维数和最大Lya-punov指数指标识别混沌特性。分析结果表明,汀江流域月尺度降雨、径流的饱和关联维数均为分数维数,最大Lyapunov指数均大于零,可推断其存在明显的混沌特性,为进一步研究降雨径流预报提供依据。     

月径流序列混沌特性识别及预测

以混沌理论和相空间重构原理为基础,分析计算大峪水文站1955-2006年月径流序列的最佳延迟时间和嵌入维数;运用最大Lyapunov指数λ10证实大峪月径流序列具有混沌特性,从而建立了基于混沌特性的BP神经网络预测模型。仿真及预测结果表明:该模型预测精度较高,可用于大峪月径流预测。     

红河流域月径流时间序列的混沌特性分析

目前已有多种方法和指标来识别水文序列的混沌特性,但单独一种方法一般不能作为混沌特性识别的充分条件。根据相空间重构和混沌理论,对红河流域上游大东勇站1958-2010年、中游元江站1953-2010年和下游蛮耗站1957—2010年的月径流序列进行了较全面的混沌特性分析。首先采用去偏复自相关函数法和CAO法计算重构参数来对各站月径流序列进行相空间重构,然后分别计算其最大Lyapunov指数、Kolmogorov熵和关联维数,用这3个不同的混沌判别指标共同分析各站月径流序列是否具有混沌特征。经计算,红河流域各站月径流序列各个混沌判别指标均表明其具备混沌特征,为利用混沌理论建立预测模型提供了科学的依据。     

钱塘江径流系统的混沌特性分析

以富春江电站作为钱塘江流域的径流代表站,利用1970-2005年日径流时间序列资料,开展了钱塘江径流系统的混沌特性研究。重点计算了最大Lyapunov指数和吸引子维D数D*。从计算结果可以判定,钱塘江径流系统中不同程度地存在着混沌现象,因此可采用混沌理论和方法来认识其规律。     

混沌时间序列法在地下水位预测中的应用

在相空间重构的基础上,并借助G-P（Grassberger-Procaccia）算法、C-C方法和Woff方法分别从濮阳市范县、华龙区和南乐县中的某观测孔的地下水位一维时问序列中提取lyapunov指数,通过对地下水时间序列的混沌特性识别,表明其时间序列具有混沌特征。然后运用加权一阶局域法对地下水位时间序列进行预测。结...     

地下水位时间序列的混沌特征分析

将重构相空间理论和加权一阶局域预测模型应用于地下水位时间序列的预测,结果表明:①将重构相空间理论用于一维水文时间序列预测建模,能较好地反映该序列内在的运动机理,揭示水文动力系统复杂的运动规律和演化过程;②应该考虑将混沌理论与其他非线性动力系统的相关理论进行结合来预测地下水位;③模型预测精度较高并具有广泛的实用价值,为进一步研究提供了一个新的思路。     

不同时间尺度的径流时间序列混沌特性分析

径流序列的动力行为是在复杂非线性和多尺度现象综合作用下的外在表现.基于混沌理论和相空间重构理论,以金沙江和美国Umpqua河统计的日径流序列为研究对象,对不同时间尺度(日、旬和月)的径流序列,首先利用0-1混沌测试算法计算其渐进增长率,探讨径流序列混沌特性随时间尺度的变化规律,然后重构以上径流序列的相空间,分别计算关联维数、最大Lyapunov指数和Kolmogorov熵.用这3个混沌判别指标分析不同时间尺度下径流序列的混沌特性及其随时间尺度的变化规律.研究结果表明,时间尺度和径流序列非线性特征之间的关系并不明显,渐进增长率随时间尺度的增加并无明显的变化规律,嵌入维数则随时间尺度的增大呈减小趋势,最大lyapunov指数和Kolmogorov熵随着时间尺度的增加逐渐增大.     

日含沙量时间序列的混沌识别与预测研究

运用关联指数饱和法和改进的最大Lyapunov指数方法对流域产沙系统进行了混沌识别,结果表明日含量序列具有混沌特性.并以重构相空间的饱和嵌入维数作为神经网络输入层节点数,将混沌理论和神经网络二者有机结合,建立了混沌神经网络模型.将该模型用于黄河上游头道拐水文站汛期日含沙量预测,结果表明,该模型应用在汛期日含沙量预测中具有较高的精度.     

水文时间序列的混沌神经网络预报

简要介绍混沌和BP神经网络的理论，在此基础上阐述了水文时间序列预测中混沌同BP神经网络结合的可行性，提出了用最小嵌入维数作为BP神经网络输入节点数方法，并给出了计算的方法和步骤，用宜昌日径流时间序列资料进行了验证，分析结果表明：用混沌同BP神经网络相结合的办法做日平均流量时间序列的预测是可行的，嵌入维数作为BPNN的输入节点数是合理的，关于隐含层的节点数问题还有待进一步研究。     

基于混沌时间序列的大坝变形短期预测

将混沌时间序列预测理论应用到大坝变形预测中，根据非线性大坝变形时间序列，运用相空间重构理论，建立了加权一阶局域法、基于最大Lyapunov指数法大坝预测模型，对混沌的大坝变形数据短期预测模型进行了研究，对比分析了各自的特点，并结合实例完成了对大坝变形的预测。计算分析表明，该模型预测误差较小，与传统的自回归模型预测结果相比，基于混沌时间序列的预测方法在大坝变形的短期预测中具有更高的精度。     

混沌水文时间序列区间预测研究

本文提出了一种混沌水文时间序列区间预测算法。该算法首先利用关联积分法计算嵌入参数，重构水文时间序列的相空间，而后采用交叉迭代模糊聚类算法确定当前时刻相点的相似状态，并依据给定的不同区间风险度，动态得到未来某一时刻水文要素值的取值区间。作为分析研究，本文采用长江寸滩水文站的月径流时间序列作为研究对象，对其进行非线性水文中长期区间预测研究。结果表明该方法不但可以避免混沌点预测中局部邻域确定的任意性问题，而且还避免了混沌点预测中必须模拟确定性的混沌规则，无法控制其误差的问题。     

大凌河流域凌海站年径流量时间序列特征的小波分析

本文基于小波理论,采用Morlet小波分析了大凌河流域下游控制站—凌海站1961―2013年径流量时间序列变化特征。分析显示,凌海站多年径流量时间序列在53年分析时域内具有不均匀的时间尺度分布特征,且局部化明显;多年径流量序列变化主要受5―7a、14―16a和24―28a时间尺度的控制,具有6a、15a和27a左右的主周期。     

大清河北支山区地表径流锐减原因分析与计算

利用有序聚类分析法对大清河北支山区径流系列进行检验,1979年是地表径流系列过程发生显著突变点。用F检验法对突变点前后系列进行一致性检验,两个时段的径流系列差异显著。由此认为1979年以后径流量受人类活动影响显著。通过对影响径流量的人类活动因素和降水量因素进行分析计算,人类活动对径流量的影响范围在25％～40％之间;降水量减少对径流量的影响范围在25％～50％之间。由此可认为,该流域径流量减少的主要原因是降水量减少。通过对地表径流锐减的原因分析与计算,为今后制定水资源开发利用方案提供科学依据。     

黄河源区径流时空特性及相关因素分析

利用有关软件,选定径流过程中的显著性因子如上年降水量、汛期月降水量及上月降水量、地温等,分析了黄河源区径流的一般特点、统计特征以及径流与降水、地温的相关性。结果表明：黄河源区汛期降水一径流的相关性较好,年降水量与径流过程的相关系数一般较大,说明地下水补给的作用显著;黄河沿以上地区径流一降水的相关性较差,但与地温的相关性较好,说明下垫面条件对径流调蓄的作用显著。