河川径流混沌特征分析

在对混沌理论及其在径流系统应用的适应性分析的基础上,提出河川径流混沌分析方法;以黄河为研究对象对月径流序列进行相空间重构,并进行混沌特征识别和分析,得到如下结论：天然月径流比实测月径流的饱和关联维数要大,要恰当描述实测月径流序列的变化特征,进行动力系统建模,最少需要4个独立变量,最多需要8个独立变量,要描述天然径流序列则最少需要5～6个,最多需要12个独立变量;同一水文站、同一时期的实测径流序列和天然序列的混沌特征不同;下游的混沌特征要强于上游;从上世纪五十年代到本世纪初黄河干流月径流的混沌特性比上世纪二十年代到上世纪七十年代月径流的混沌特性要稍强;所采用径流时间序列的长、短对混沌特征的识别有影响,序列越长,所表现的混沌特征就越强。黄河径流具有混沌特征,为径流系统的建模和混沌预测提供了依据。     

和田河年径流序列变化特征及驱动因素分析

采用滑动平均值法、逐年累计求均值法、Spearman秩次相关系数法、基于分形理论的DFA、R/S和Husdorsff分维数方法,分析新疆和田河径流序列时域变化特征、分形特征及趋势持续性,并探讨和田河年径流变化驱动因素.分析结果表明,和田河年径流序列存在分形特征;河川径流量呈现不显著增加趋势;2000-2007年间径流变化主要受气温升高因素影响呈现短时间增加.     

基于小波分解的径流预报非线性模型

径流时间序列中包含了大量的信息,从频率域上来看,这些信息包括变化平稳的低频信息和变化相对剧烈的高频信息。本文利用小波分解,将径流时间序列分解为低频项和高频项,低频项采用逐步回归法预报,高频项采用基于自组织法求解的Volterra滤波器预报,两者结果综合,最终实现径流预报。实例计算表明,该模型具有足够高的计算精度。     

基于修正组合模型的河川径流中长期预报

为了充分发挥灰色模型在单变量预测及神经网络在处理非线性问题上的优势,同时降低二者的线性组合模型中组合权系数计算方法的不确定性对模型预测效果的影响,本文基于修正组合预测的思想,借助马尔科夫链对灰色GM（1,1）、BP神经网络及组合灰色神经网络模型预测的误差序列进行了修正处理,并通过分析比较修正单一模型与修正简单组合模型在中长期径流预测精度上的差异,提出了基于修正组合模型的河川径流中长期预报方法。将该方法应用于黄河中游区四条一级支流窟野河、秃尾河、无定河与孤山川的控制性水文站年径流预测中,结果表明基于马尔科夫链修正的组合灰色神经网络模型具有更好的拟合与预报精度,是一种更有效的径流预测方法。     

基于V/S分析的河川径流长记忆性研究

针对河川径流的复杂波动性,将V/S分析引入到河川径流中进行长记忆性研究。通过V/S分析计算黄河上游兰州站和贵德站年径流序列的Hurst指数,与R/S分析进行比较,并进行稳定性与短期相关性检验,结果表明：兰州站、贵德站年径流序列V/S分析的Hurst指数均大于0.5,表明两站均具有较强的长记忆性,相对于R/S分析不易受短期相关性的影响,是一种稳健有效的分形方法,为河川径流长记忆性分析提供一种新的思路和方法。     

河川径流演变的非趋势波动分析

运用非趋势波动分析法,对黄河上游河川径流近百年月平均流量序列进行了分析,揭示了河川径流的长程相关性及其内在规律性。研究结果表明:黄河上游近百年河川径流序列波动的标度指数a=0.5862,存在内在的正长程相关性,长程幂律关系至少可持续54月或4.5年;大于54月尺度区间的标度发生改变,可能是不同时空尺度下信号突变或序列长度受限所致,这也从某种程度上体现了河川径流系统演变过程中复杂的物理机制。     

基于混沌支持向量机的河川径流预测研究

以黄河上游兰州站月径流序列为研究对象,在介绍相空间重构原理的基础上,探讨了混沌分析的主要定量指标:饱和关联维数d,最大Lyapunov指数λ和Kolmogorov熵k。得到该时间序列的最佳嵌入滞时τ=3个月,饱和关联维数d=3.230,最小嵌入维数m=12和最大Lyapunov指数λ=0.241,Kolmogorov熵k=0.14,指出该序列的预测时限为4个月。在此基础上建立了基于混沌特性的支持向量机径流预测模型,用1995~2004年的月径流数据进行仿真试验后,用2005年1~12月的径流数据作为预测检验,结果表明,该模型可用于混沌时间序列的月径流预测,并验证了由最大Lyapunov指数所确定的可预报时限为4个月的结论。     

一种基于EEMD和高阶统计量的局部放电白噪声抑制方法

矿用干式变压器绝缘的劣化总是伴随着一定的局部放电,测量局部放电信号的真实性直接影响到变压器绝缘性能评估的准确性。文中在集合经验模态分解(empirical mode decomposition,EEMD)的基础上,结合高阶统计量原理,提出了一种基于EEMD和高阶统计量的局部放电白噪声抑制方法。首先利用EEMD方法分解得到各阶经验模态分量(IMF);然后通过IMF各分量峭度的计算,结合Bootstrap方法检测并滤除高斯分布的IMF分量;对剩余IMF分量进行自适应阈值处理,去除混叠的白噪声成份;最后将处理结果重构回原信号。分别以仿真信号和实际PD信号为例,证明了该方法的有效性。     

计及高阶统计量和深度学习的抗噪孤岛检测方法

分布式电源持续的规模化接入给微电网运行引入了显著的不确定性与噪声,增加了配电网监视的难度。而孤岛检测设备易受电网扰动干扰而误动作,导致分布式电源被切除运行,孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形。文中将基于多尺度高阶奇异谱熵的深度学习概念应用于孤岛检测问题,提出一种结合经验模态分解与高阶奇异谱熵的新型混合深度学习架构。作为经验模态分解后的信号处理方法,多尺度高阶奇异谱熵结合多分辨率高阶统计分析与谱分析并以熵值作为特征提取输出,进而通过深度学习架构对所提取的孤岛与扰动特征量进行训练及测试。仿真结果表明所提方法能够实现孤岛的准确检测,从而避免分布式电源退出运行。     

基于联合主成分分析的宜昌站径流中长期预报

中长期径流预报对于水资源规划管理、水库及水电站调度均具有重要意义,本文主要采用降水、径流和气象数据,应用主成分分析、气象因子遥相关分析等方法,利用东亚降水区域的联合主成分,对宜昌站径流进行中长期预报。运用主成分对宜昌站径流进行局域回归,预报取得了较好的效果。     

基于Prony分析特征提取的同调机组分群方法

同调机群识别在电力系统的动态等值、主动解列控制中具有重要意义。提出一种基于Prony分析特征提取的同调机组分群方法。首先针对Prony分析受噪声干扰严重的缺点,利用集成经验模式分解(Ensemble Empirical Mode Decomposition, EEMD)方法对含噪声的信号降噪。然后对降噪后的功角信号进行Prony分析,提取功角信号的幅值、频率和阻尼特征值,形成每台机组的特征向量。最后将系统中所有机组特征向量组成的特征矩阵输入到自组织神经网络进行聚类,从而实现同调机组分群。EPRI-36节点系统和华北电网系统算例表明,所提方法可以很好地降低噪声影响,充分提取功角曲线特征,准确识别同调机组。     

基于MCMC理论的河道水质风险分析模型

河道水质风险分析是一个涉及参数较多、而数据资料较少的复杂统计问题。将水质监测值看作水质指标分布的一个样本,结合水质指标分布参数及超参数先验分布,在推导各参数及超参数满条件概率公式基础上,引入MCMC理论中的Gibbs抽样方法,建立了基于MCMC理论的河道水质风险分析模型。通过实例验证了模型的合理性,为水质风险分析提供了新的思路和方法。     

窟野河径流变化检测及归因研究

窟野河径流变化是气候变化和人类活动作用的结果,也是流域水资源开发利用及治理保护的重要依据。基于窟野河流域温家川站径流量(1954—2010年)资料,采用MK-P法和Pettitt法进行突变年识别及归因分析;并借助SCRAQ法估算降水、潜在蒸发和人类活动对径流的影响。结果表明:窟野河径流量呈显著减小趋势,且在1979年和1996年发生两次显著突变。与基准期相比,人类活动强度较低期(1980—1996年)降水、潜在蒸发、人类活动对径流的影响比例分别为29.21%、-3.63%,74.42%;人类活动强度较高期(1997—2010年)所占比例分别为20.62%,-1.53%和80.91%;与人类活动强度较低期相比,人类活动强度较高期占比例分别为11.85%,-0.16%和87.99%。大规模水土保持和高强度煤矿开采对窟野河径流突变具有重要影响。     

基于混沌分析的月径流序列耦合预测模型及其应用

针对北方地区月径流年内年际变化幅度大、单一方法难以预测以及径流时间序列预测时,非线性模型阶数难以确定的特点,提出基于混沌分析的月径流序列耦合预测模型。该模型从时频分析角度出发,把月径流序列分解成不同的频率成分,并以相空间重构为基础进行混沌分析,然后分别采用支持向量机进行预测。以淮河支流沙河上游某水库月径流预测为研究实例,得出了较满意的预测结果,为径流预测提供了一条新途径。     

基于基尼系数的水文年内分配均匀度变异分析方法——以东江流域龙川站径流序列为例

由于受气候变化、人类活动及流域下垫面变化等因素的影响,许多水文要素序列不仅在年际形式上发生了变异,而且其年内分配特性也发生了不同程度的变异,严重影响了水利工程的规划设计以及水资源可持续利用和优化调配。目前有关水文要素年内分配特性的研究,多集中在分析水文要素年内分配的不均匀性上,很少涉及这种不均匀性是否随环境变化而发生变异,且有些不均匀性指标表达不直观、可比性不强,为此本文提出了基于基尼系数的水文年内分配均匀度变异分析方法。该法首先借用基尼系数构建水文要素年内分配均匀度模型,然后采用水文变异诊断系统分析年内分配均匀度序列的变异规律,最后利用均值差异法对其变异的物理成因进行分析。以东江流域龙川站多年逐月径流量序列为例,计算结果显示：龙川站径流年内分配均匀度GI在1973年发生了跳跃强变异,变异前后GI的均值相对增加了21.07%;这种变异约60%是由于人类活动特别是枫树坝水库的修建运行造成的下垫面变化引起的,而气候变化只占到约40%。