共查询到20条相似文献,搜索用时 31 毫秒
1.
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。 相似文献
2.
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. 相似文献
3.
本文根据不同条件下的实验结果对线性空隙率波动理论进行了分析和讨论,指出由于多相流动的复杂性,线性波动理论在描述气液两相流空隙率波动及其不稳定性方面存在着的局限性。通过空隙率波的测量和非线性分析说明,泡状流“失稳”时是一个混沌动力系统。利用Grassberg的计算方法,计算了泡状流失稳前后空隙率波时域信号的关联维数D2和关联熵K2,泡状流失稳时关联维数D2=2.39,关联熵为0.207。采用了Wolf的方法得到了时间序列最大Lyapunov指数,泡状流失稳时得到的最大Lyapunov指数为0.395。 相似文献
4.
5.
6.
7.
8.
通过对安康站1950—2014年逐月降水量的趋势进行分析,发现其降水存在周期变化。基于自相关函数法、C-C关联积分法来确定安康站降水的非线性系统的延迟时间、嵌入维数后,对降水序列进行了相空间重构,并利用G-P关联维法以及最大Lyapunov指数法进行混沌特征识别。结果显示:采用G-P关联维算法分析安康站1950—2014年降水时间序列并不能得到其存在混沌特性的结果,但最大Lyapunov指数法显示其存在混沌性;基于现有780个月份降水数据,可预报的最大时间长度为7个月。研究结果可为当地和下游地区的径流预报提供科学支撑。 相似文献
9.
采用相空间重构理论计算实测月降雨的延迟时间、嵌入维数、G—P饱和关联维数和Laypunov指数,证明乌尔逊河流域月降雨时间序列存在混沌现象。使用LS—SVM预测模型和RBF神经网络预测模型,两种模型对乌尔逊河流域月降雨时间序列进行对比分析。在预测精度上,LS—SVM测模型的预测精度不太理想,而RBF神经网络预测模型在降雨量很少的月份精度也很低。若想在干旱区半干旱区的降雨预测中应用,需要进一步研究。 相似文献
10.
采用相空间重构理论计算实测月降雨的延迟时间、嵌入维数、C-P饱和关联维数和Laypunov指数,证明乌尔逊河流域月降雨时间序列存在混沌现象.使用LS-SVM预测模型和RBF神经网络预测模型,两种模型对乌尔逊河流域月降雨时间序列进行对比分析.在预测精度上,LS-SVM测模型的预测精度不太理想,而RBF神经网络预测模型在降雨量很少的月份精度也很低.若想在干旱区半干旱区的降雨预测中应用,需要进一步研究. 相似文献
11.
12.
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。 相似文献
13.
以混沌理论为基础,提出了河流混沌特性分析方法。选择对河流演变有重要影响的宽深比时间序列和水沙时间序列,首先对这些时间序列进行相空间重构,计算不同河型的宽深比、径流量和含沙量时间序列的饱和关联维数和最大Lyapunov指数,然后通过求这些时间序列的饱和关联维数的加权平均值和最大Lyapunov指数的加权平均值,得出不同河型的混沌特性。以黄河下游的6个河段3种河型为例,对宽深比、径流量和含沙量时间序列,分别进行混沌特性分析。研究结果表明,河流演变具有明显的混沌特性,但不同河型表现出的混沌特性不同,游荡河型混沌特性较强,弯曲河型混沌特性较弱。通过对河流混沌特性分析,有助于加深对河流演变预测的进一步认识。根据混沌理论,混沌系统短期行为可以预测,而长期不能预测。所以,河流演变预测是短期可行,长期很难预测、甚至是不可预测的。 相似文献
14.
参考作物腾发量的混沌性识别及预测 总被引:4,自引:0,他引:4
本文应用饱和关联维数法对海河流域张北站从1966~2005年50年的参考作物腾发量序列进行混沌性识别,结果表明该序列存在一定的混沌特性。同时,运用自相关函数法和饱和关联维数法确定了该序列重构相空间的嵌入维数和延迟时间,并在此基础上进行了相空间的重构。建立了混沌局域法预测模型对相空间的演化进行了计算,实现了参考作物腾发量的预测,并与时间序列自回归(AR)模型和基于气象资料的BP神经网络模型预测结果进行了比较。结果表明,预测效果比BP网络模型稍差,但明显优于AR模型。这为解决缺乏气象资料地区参考作物腾发量预测问题提供了新的思路。 相似文献
15.
为提高洪水预报精度,从而提高水库防洪调度可信度,采用混沌预测模型,研究了复杂洪水动力特征和非线性特征并分析洪水实时预报问题。考虑到时间延迟与嵌入维数的相关性,利用C-C法计算相空间重构参数,判别了洪水混沌特性。为避免由嵌入维数m的选取引起的最大Lyapunov指数的明显波动,使用了改进的小数据量方法计算最大Lyapunov指数。构造了基于最大Lyapunov指数的混沌洪水实时预报模型,并将其应用到湖南五强溪水库的洪水预报,计算结果表明该模型具有较高的预报精度。 相似文献
16.
17.
18.
混沌神经网络在地表水资源量预测中的应用 总被引:1,自引:0,他引:1
为了有效地揭示水资源系统复杂的非线性结构及变化规律,对具有混沌特性的水资源时间序列重构相空间,计算出相空间的饱和嵌入维数和最大Lyapunov指数,并以此为指导,提出一种适用于高精度逼近和泛化建模的混沌神经网络的学习算法,运用混沌方法构造训练样本及确定神经网络的网络结构,用神经网络拟合相空间相点演化的非线性关系,建立混沌神经网络预测模型。实例表明,该模型有较高的预报精度。 相似文献
19.
不同时间尺度的径流时间序列混沌特性分析 总被引:1,自引:0,他引:1
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. 相似文献
20.
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。 相似文献