均生函数与神经网络在长期水文预报中的应用

本文采用均生函数与BP人工神经网络相结合建立一种新的长期水文预报方法，经实际预报证明，该方法在年平均流量预报上具有较好的拟合和预报精度。     

时间序列模型在水文预报中的应用

文章将SPSS软件中的时间序列模块应用到水文预报当中,讨论SPSS软件中的时间序列分析模块,利用西北某流域水文站的历史径流量资料,通过ARIMA模块进行径流量预报,取得了理想结果。     

时间序列分析方法在郑州市降水量预报中的应用

根据1971年-2013年郑州市的降水量资料,采用二次多项式拟合提取降水量的趋势分量,采用谐波分析法提取降水量的周期成分,利用自回归模型求解随机成分,最后将三者叠加,构建了郑州市降水量的预报模型。模型计算结果与实测数据对比可知,应用预报模型对降水量进行预报精度较高。因此利用建立的预报模型对2014年-2016三年的降水量进行了预测,为该区水资源的管理提供依据。     

水文预报时间序列神经网络模型

本文提出了水文预报的时间序列神经网络模型，并研制开发了相应的计算机软件，其有效性在实例中得到验证。     

水文预报时间序列神经网络模型

水文时间序列表述的是水文水资源系统在气象环境、流域下垫面以及人类活动等因素综合作用后的输出结果,其变化规律呈现随机性和确定性特点。在大尺度条件下,水文时间序列的传统预报模型简单,且很少考虑环境噪音因素的影响。伴随现代化科学技术的快速进步,国民经济的管理部门提出了更高的水文水资源预报要求,在要求短期预报更精准的基础上,对中长期预报的要求要越来越严格。由于受到相关科技水平的制约和诸多复杂因素的影响,当前的中长期水文水资源预报还处于发展、探究阶段。     

时间序列模型在径流长期预报中的应用研究

自回归积分移动平均法(ARIMA法)通过对噪声概率分布的研究,可知道预测在各种概率下可能出现的偏差大小,能很好地处理随机干扰问题.随着计算机技术的发展,该方法的计算工作量大的缺点,也迎刃而解.介绍了ARIMA预测模型的建模原理和建模方法,并将该方法应用到塔里木河上游源流卡群水文站的年径流量预报中,以误差在±20%以内为全合格标准,合格率达到90%以上.     

水文时间序列预报的人工神经网络模型

1　引言由于水文现象本身的复杂性 ,目前还很难用物理方法对水文现象进行描述 ,人们主要借助数理统计方法以及其它的一些不确定性方法来描述水文现象 ,以弥补物理方法的不足。不确定性方法主要运用概率统计、时间序列、模糊数学和灰色理论等来探索水文现象。但这些理论和方法都需要具有显式函数 ,而它们往往难以找到 ,或只能以近似表达式进行描述 ,一般都有比较大的误差 ,因此 ,寻找更合理与灵活的理论和方法来充实水文学的研究成了水文工作者多年来不懈的追求 ,人工神经网络途径便是一种尝试。近年来 ,人工神经网络技术已被广泛应用于水文…     

平稳时间序列法在长期洪水预报中的应用

针对实际工作需要,利用工具软件,将平稳时间序列法理论在长期洪水预报工作中做了尝试性应用,经实例数据检验,效果较好,历史拟合成果合格率为77%,达到了乙级预报方案合格率标准。     

改进的时间序列模型在非汛期水沙预报中的应用

从ARMA模型出发，对传统的误差实时修正方法进行改进，用服从正态分布的纯随机序列代替，延长了时间序列预测时域．用这两种方法对黄河潼关水文站水沙序列进行了预测，经计算表明，改进的时间序列方法有效地提高了预测精度。     

用平衡时间序列法做中长期水文预报应用分析

应用平衡时间序列法做中长期水文预报时，进行了一些分析对今后应用有一定的指导意义     

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。     

灰色灾变预测在长期水文预报中的应用

根据灰色系统理论,应用GM(1,1)模型建立鄱阳湖汛期洪涝、干旱年灰色灾变基本预测方程,并对残差的GM(1,1)模型进行修正,给出灰色预测区间,试作洪涝、干旱异常年变化的长期预测。     

长期水文统计预报方法在长江大通站径流预报中的应用

目前以气象要素作为预报因子对水文变量(如径流量)做出预报是常用的一种长期预报方法。介绍了以北半球500hPa高度(H500)、100hPa高度(H100)和西太平洋海温(SST)三个气象场要素作为预报因子，采用逐步回归分析方法，对长江大通站的月径流量、7—10月份的径流总量做预见期为一年的预报。结果表明，建立的统计预报方案满足精度要求，可供实际预报工作参考。     

时间序列分析方法预报基坑支撑轴力

介绍了自回归模型AR(n)的建立步骤。基坑轴力监测数据波动很大，但是模型预测结果平均误差只有3%左右，说明模型有很强的自适应性，同时证实时间序列分析法可应用于基坑支撑轴力监测数据分析和预报。应用该模型对现场观测数据进行分析，对模型参数进行估计及检验，并判断模型的正确性，在此基础上预报其变化趋势。结果证明，误差较大地方是由于施工的干扰造成的分析，从而可以判断出施工过程对支撑轴力的影响程度。     

灰色系统在瑞丽江长期水文预报中的应用

根据瑞丽江防汛抗旱、水资源管理等工作的实际需要,选取流域内有代表性的戛中、等戛水文站为实例,采用灰序列关联分析技术对年径流量和年最大洪峰流量两要素进行预测,并与自回归模型AR(P)的预测结果进行对比,证明灰序列关联分析法预测精度优于自回归模型AR(p)。     

时间序列分析法在沈阳市地下水位动态预报中的应用

本文应用时间序列分析法,对近年来沈阳市地下水位动态变化进行分析和预测表明,近年来地下水位经历了由逐渐下降到逐渐回升的过程,其包含了1年和4.5～9年的周期,主要反映了其季节性变化和随气候的多年变化规律.     

时间序列分析在四平地区地下水水位预报中的应用

本文对四平地区地下水水位观测资料进行了分析,运用时间序列分析方法建立了地下水位预报模型.首先对序列提取了趋势项和周期项,然后利用自回归(AR)模型建立了随机模型,将三者进行线性叠加便得到地下水水位预报模型,最后对已建立的模型进行检验.结果表明,所建立的地下水水位预报模型,具有较高的精度.