基于小波消噪偏最小二乘回归模型的径流预测

小波消噪方法,可消除原始数据序列存在的噪声;偏最小二乘回归分析方法,可减弱自变量间多重相关性在系统建模中的不利影响。为此,引入基于小波消噪的偏最小二乘回归分析方法进行建模分析,对奴各沙水文站1960-2000年的径流序列进行拟合和预测。结果表明,该模型在径流的拟合和预测中表现较好,具有较高的精度和较好的稳定性,可作为径流预测的有效方法。     

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。     

合水水库径流变化的小波分析

小波分解有效地区分一维信号的区域变化和局部细节,是进行径流时间序列分析的有效方法。该文根据合水水库1958—2003年的实测径流月序列资料,采用小波消噪、db10的分解方法得出,1976—2003年合水水库的入库径流量表现出周期性变化,且周期为6～7a;并且从1961～1963年开始,呈现出每隔10a出现一次月径流量极大值的变化规律。     

基于小波消噪的三江平原井灌区年降水时间序列预测模型

近年来,由于水稻种植发展迅猛,导致三江平原井灌水稻区地下水位普遍下降.天然降水是地下水的重要补给来源,而年降水序列往往含有噪声.为解决上述问题,以853农场为例,对实测年降水资料进行小波消噪、差分和标准化处理,应用时间序列分析方法,建立了降水时间序列预测模型.精度检验结果表明,模型有效性和可靠性较高.该模型揭示了区域降水量的时间变化规律,为853农场乃至整个三江平原充分利用天然降水,合理制定水稻灌溉制度以及地下水资源的可持续利用提供了科学依据.     

基于率定量化标准系数的SPA年径流预测

针对集对分析(set pair analysis,SPA)在径流预测中径流集合量化标准仅根据主观经验确定的问题,提出了率定量化标准系数的SPA年径流预测模型,即首先对量化标准系数进行率定,再用SPA模型对径流进行预测。将该模型应用于长江宜昌站,并与经验标准预测结果进行对比。结果表明,率定量化标准后的预测结果能更好、更准确地反映原序列的变化,精度更高。     

基于小波消噪及BP神经网络的大坝变形分析

基于港口湾大坝多期变形观测数据,采用Matlab语言、小波消噪及BP神经网络分别建立了基于时间序列和基于环境因素的大坝变形监测BP神经网络模型,并利用模型分别对大坝某点变形值进行预测。时间序列BP模型具有结构简单、学习速率快的特点;环境因素BP模型精度高,可有效反映变形因素,便于拟合预测复杂的测点变形,相对前一种模型能更好地揭示大坝变形规律。两种建模方法先应用小波分析对原始观测数据消噪,训练过程中采用附加动量法等改进BP算法,大大提高了BP神经网络的计算效率,克服了其易陷入局部极小的缺陷,取得了良好的拟合效果和预测精度。     

基于优化算法的组合模型在水库年径流预测中的应用

为提高水库中长期径流预测精度,将灰色模型与BP神经网络模型进行组合,并采用马尔科夫链对组合模型误差序列进行修正,建立修正的中长期径流预测组合模型,此外利用SMA算法对组合模型参数进行优化,以白石和阎王鼻子2座水库为实例,选取常用5种模型进行精度对比。结果表明：相比于其他5种模型,参数优化后的修正组合模型其平均相对误差MAPE可降低约10%～13%,均方根误差RMSE平均可降低约34%～42%,预测精度更高。研究成果对于水库中长期径流预测方法具有重要参考价值。     

基于神经网络的年径流预测模型

年径流预测过程可以认为是一种复杂非线性函数关系的逼近过程。人工神经网络具有表达任意非线性映射的特性，在分类、学习和容错方面表现出很好的能力，可以克服常用的如回归分析模型结构更新量大、预报精度低的缺陷。以下着重介绍了ＡＮＮ 基本原理和算法，并结合实例说明了应用方法，并且通过建立年径流预测的人工神经网络模型，为年径流预测提供了具有实用价值的基本理论和实施技术。     

岩溶地下河水文时间序列小波消噪处理

在对重庆青木关岩溶地下河进行水文地质调查和水文气象观测的基础上,针对岩溶地下河水文过程的复杂非线性特征及存在的观测噪声,利用小波消噪方法对岩溶地下河水文时间序列进行消噪。结果表明：对水文时间序列进行消噪是必要的;小波消噪后,曲线变得平滑而且自相似性更强,该方法是有效可行的;小波函数的选择、分解层数的选取、阈值的确定和处理,需进行更深入的研究。     

基于小波去噪和FA-SVM的中长期径流预报

为优化支持向量机(Support Vector Machine,SVM)模型参数,提高中长期径流预报精度,建立了基于FA-SVM的中长期径流预报模型。该模型以样本中训练期均方差最小为目标函数,利用萤火虫算法(Firefly Algorithm,FA)对支持向量机主要参数(惩罚系数C、核函数参数g和不敏感损失系数ε)进行了优化。以岷江上游的紫坪铺水库为例,运用小波去噪法对各月径流序列进行数据预处理后,利用FA-SVM模型与BP神经网络模型进行了中长期径流预报。结果表明:(1)运用小波阈值法能够较好地滤除各月径流序列的系统噪声和测量噪声;(2) FA-SVM模型中长期径流预测效果较好,预报精度等级均在丙级以上;(3) FA-SVM模型的预报效果优于BP神经网络模型。     

基于PSO的SVM年径流预报模型研究

为了使SVM具有更好的预测效果,考虑到人为选择参数的随机性,提出了应用PSO优化SVM参数的年径流预报模型,并将其应用于伊犁河雅马渡水文站的年径流预报。结果表明:与改进的最速下降共轭梯度法、进化单纯形法相比,经参数优化的SVM年径流预报模型能够较好地模拟年径流量与其影响因子之间的非线性映射关系,提高预报精度。     

基于MIV的遗传神经网络径流预报模型

针对中长期水文预报中预报对象与预报因子之间复杂的非线性关系,引入平均影响值对预报因子进行筛选,选出对头道拐站年径流量影响较大的年降水量、年均相对湿度、年均气压3个因子作为神经网络的自变量,利用遗传算法优化的BP神经网络建立了预报模型。预报结果表明:基于平均影响值的遗传神经网络的预报精度及稳定性均达到了满意的效果。     

回归支持向量机集成模型在年径流预测中的应用

为进一步提高径流预测精度和泛化能力,根据回归支持向量机(SVR)特性及基本原理,提出考虑不同影响因子(输入向量)的SVR集成预测模型,以云南省南盘江西桥站1961—2007年径流预测为例进行实例研究。首先,利用相关分析法选取年径流预测的若干影响因子,依次构建不同影响因子的SVR单一模型对研究实例进行预测,并构建对应的RBF模型作为对比预测模型;然后,采用加权平均和简单平均2种方法对具有较好预测精度和互补性的单一模型的预测结果进行综合集成。结果表明基于SVR的加权平均和简单平均2种集成模型径流预测的平均相对误差绝对值分别为1.27%和1.54%,最大相对误差绝对值分别为2.99%和2.74%,其精度和泛化能力均大幅优于各单一模型以及基于RBF的加权平均和简单平均集成模型,表明加权平均SVR和简单平均SVR集成模型具有较高的预测精度和泛化能力。相对而言,加权平均集成模型赋予了预测效果好的模型更大的权重,预测精度和泛化能力均优于简单平均集成模型。预测模型和方法可为相关预测研究提供参考和借鉴。     

基于CEEMDAN-ARMA模型的年径流量预测研究

为了更好地预测河川径流,提高年径流的预测精度,以黄河源区唐乃亥水文站1956—2016年的实测年径流量为研究数据,采用完全集合经验模态分解(CEEMDAN)和自回归滑动平均模型(ARMA)相结合的方法,建立CEEMDAN-ARMA组合模型,并将组合模型的预测结果与单一的ARIMA模型的预测结果进行对比.结果表明:组合模...     

小波人工神经网络在径流预报中的应用

针对径流时间序列的非线性和多时间尺度特性,应用A Trous算法对盘石头水库的月径流序列进行了分析.在此基础上,将小波分析与人工神经网络相结合,建立了组合预测模型,并给出构造模型的一般步骤及关键算法.针对一般BP算法收敛速度慢、易陷入局部极小值的缺陷,提出了基于改进共轭梯度法的BP算法.实践表明:基于小波分析的人工神经网络模型在月径流模拟过程中具有很好的仿真能力,训练后的模型具有较高的精度.     

Singular Spectrum Analysis and ARIMA Hybrid Model for Annual Runoff Forecasting

High accuracy forecasting of medium and long-term hydrological runoff is beneficial to reservoir operation and management. A hybrid model is proposed for medium and long-term hydrological forecasting in this paper. The hybrid model consists of two methods, Singular Spectrum Analysis (SSA) and Auto Regressive Integrated Moving Average (ARIMA). In this model, the time series of annual runoff are first decomposed into several sub-series corresponding to some tendentious and periodic motions by using SSA and then each sub-series is predicted, respectively, through an appropriate ARIMA model, and lastly a correction procedure is conducted for the sum of the prediction results to ensure the superposed residual to be a pure random series. The annual runoff data of two reservoirs in China are analyzed as case studies. The results have been compared with the predictions made by ARIMA and Singular Spectrum Analysis-Linear Recurrent Formulae (SSA-LRF). It is shown that hybrid model has the best performance.     

基于混沌小波与支持向量机的径流预测

以淮河流域沙颍河水系沙河和澧河上游的水库为例,建立了月均流量的混沌小波支持向量机组合预报模型,充分利用了混沌分析的相空间重构、小波分析的多分辨率功能以及支持向量机的非线性逼近能力,并采用NSE、PBIAS和RSR对组合预测模型进行了评价。结果表明:混沌小波支持向量机组合预测模型的识别期和验证期模拟精度均较高,均优于混沌支持向量机模型。     

基于云模型的非一致性年径流预测

采用云模型和非一致性水文计算法对岷江流域年径流建立预测模型,利用非一致性计算法将水文序列分成相对一致的随机性成分和非一致的确定性成分,再分别对确定性成分和随机性成分进行云模型的不确定性推理,最后根据时间序列分析的分解与合成理论进行数值合成,得到最终的预测值。通过与传统预测方法相比较,非一致性云预测方法有较高的预测精度和推广应用价值。     

基于LBA-PP模型的年径流丰枯分类

针对年径流丰枯特性同时取决于径流本身大小和年内时程分配的特点,利用一种基于Lévy飞行策略改进的蝙蝠算法(Lévy Bat Algorithm,LBA)搜索投影寻踪模型(Projection Pursuit,PP)最佳投影方向a,提出LBA-PP年径流丰枯分类模型,并构建粒子群优化(Particle Swarm Optimization,PSO)算法-PP模型,与LBA-PP年径流丰枯分类模型对比,以云南省西洋站为例进行实例研究。结果表明LBA算法寻优能力优于PSO算法,具有较高的收敛精度、较好的稳健性能和全局寻优能力。利用LBA算法寻优PP模型最佳投影方向a,不但提高了PP模型的分类精度,而且为PP模型最佳投影方向的选取提供了新的途径和方法。LBA-PP模型同时考虑了年径流大小及年内时程分配信息,其分类结果较常规方法更科学、客观。