混沌神经网络在地表水资源量预测中的应用

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。     

相空间神经网络耦合模型在水文预测中的应用

混沌相空间理论和神经网络用于径流系统的中长期预测,较传统途径可以更多地利用时间序列中包含的丰富信息,更好地揭示水文动力学系统的规律.针对混沌时间序列,结合混沌分析理论和BP神经网络,建立了相空间重构和BP神经网络耦合预测模型.经实例研究初步表明,用神经网络拟合相空间相点演化的非线性关系是可行的;相空间神经网络耦合预测模型在水文中长期预报中的应用是可行的、合理的,有较好的预报精度和应用价值.     

基于混沌相空间技术的流域产流预测模型

在对流域产流时间序列混沌特性进行分析的基础上,利用嵌入相空间来确定前期影响因子,建立了基于混沌相空间技术的BP网络模型.对黄河某支流控制站月径流量的拟合与预测结果表明,预测结果合理,精度较高.     

流域年径流时序分析的混沌网络模型研究

以混沌理论为基础,对三峡寸滩站月平均径流量时序曲线进行了相空间重构,确定了合理的饱和关联维数.与神经网络结合,用多维相空间建立了网络学习样本和教师值,构造了混沌神经网络分析模型.结果表明:流域年径流序列具有混沌性特征;混沌网络模型预测精度要高于标准BP网络模型,预测结果的绝对误差和相对误差均小于BP网络模型.     

宜昌站月径流时间序列的混沌特性分析

关于水文时间序列的混沌特性识别,目前已有多种方法和指标,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,对宜昌站1900～2007年的月径流序列进行了较全面的混沌特性分析。首先采用C-C法计算重构参数对月径流序列进行相空间重构,然后分别计算其关联维数、Lyapunov指数和Kolmogorov熵,用这3个不同的混沌判别指标并行分析宜昌站月径流序列是否具有混沌特征。经计算,宜昌站月径流序列各个混沌判别指标均表明其具备混沌特征。     

论混沌理论与水文预测问题

简述了混沌理论的基本概念，结合水文预测问题介绍了混沌理论应用的基本方法和步骤。在水文预测中，应用混沌分析方法需解决相空间重构、时间序列的混沌性识别和混沌时间序列预测等关键技术。     

大坝渗流观测数据中的混沌现象

探索性研究了大坝渗流观测数据中的混沌现象。文章首先采用互信息量法选择时间延迟τ,然后根据Takens重构相空间理论对大坝渗流观测数据进行相空间重构。作为实例研究,计算出了某水库大坝的渗流观测数据序列的最大Lyapunov指数为正,证明了在大坝渗流观测数据中存在混沌现象。     

基于相空间重构理论的神经网络在大坝渗流预测中的应用

简述了混沌预测方法和原理,提出运用神经网络来模拟混沌系统的动力学模型。通过实例重构出大坝渗流观测数据相空间,将其作为神经网络的输入,对渗流观测数据进行了预测。计算结果表明,基于相空间重构理论的神经网络模型具有一定的准确性和有效性,对于处理非线性问题是一种有益的探索。     

相空间神经网络模型在大坝安全监控中的应用

本文将混沌理论和神经网络理论相结合，并针对某一混凝土重力坝水平位移实测值建立相空间模糊神经网络预报模型。首先对水平位移的实测序列，进行相空间重构，求算关联维，说明该序列存在混沌成分和奇异吸引子；应用自适应模糊神经网络，对水平位移实测序列构成的相点，建立相空间神经网络模型。计算结果表明，相空间神经网络模型用于大坝监控中是可行的，其预报精度优于常规的统计回归模型，能揭示大坝的非线性性质，能更好地对大坝运行性态进行分析。     

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。