基于小波消噪原理的参考作物腾发量预测模型研究

将小波分析与随机分析结合,提出了基于小波消噪的随机模型并将之用于太子河流域参考作物腾发量(ET0)的模拟和预测。其思路是:首先对时间序列进行小波消噪;根据消噪序列的变化特性建立适合的随机模型;最后应用模型进行预测。     

基于小波消噪的年径流预测SPA模型

集对分析(SPA)的年径流预测就是基于SPA原理从同、异、反3个方面刻画预测模型的误差分布情况,利用联系度描述水文预测模型的预测精度,从而建立预测模型。水文序列的多时间尺度和高度的非线性特性,使得建立的水文预测模型精度往往不高。应用小波消噪的特点,利用汾河水库坝下站1959—1983年的资料建立小波消噪的SPA模型,对1984—1989年的丰枯状态进行预测,将水文预测中的单一预测和综合预测结果分别与实测系列进行对比。结果表明,综合预测模型优于单一预测模型。     

基于小波去噪及优化BP神经网络的滑坡变形预测研究

为提高滑坡变形预测精度,以小波去噪和优化BP神经网络为基础,构建了滑坡变形预测模型,即先利用小波去噪剔除滑坡变形序列中的误差信息,再利用BP神经网络实现滑坡变形预测,且为保证其预测精度,利用试算筛选和混沌理论优化其模型参数,以实现滑坡变形的优化预测。实例研究表明:小波函数、阈值选取方法和小波分解层数对去噪效果的影响较大,sym8小波函数、软阈值及12层分解层数组合在实例中的去噪效果相对最优;同时,隐层节点数优化和节点阈值优化能有效提高BP神经网络的预测精度,在初步预测效果评价中,SH1号监测点的相对误差均小于2%,平均相对误差仅为1.65%,并在可靠性验证中,SHZ2号和SHZ3号监测点预测结果的平均相对误差分别为1.54%和1.51%,说明该模型不仅具有较高的预测精度,还具有较好的稳定性,适用于滑坡变形预测。     

小波消噪在枯水期来水量预报中的应用

根据小波理论,将枯水期来水量序列进行小波分解,并用软阈值方法进行消噪处理。用消噪后的小波系数进行序列重构,对重构后的序列进行时间序列分析,构建时间序列AR（p）模型,用AR（p）模型进行来水量的预测。     

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。     

基于多尺度小波变换WNN的灌区灌溉水量研究

选取Daubechies(db6)小波系对陆浑灌区1970—2013年的降水量及作物需水量时间序列进行多时间尺度水平分解,以得到的1970—2003年的小波系数为输入数据、灌溉水量为输出数据,构建多尺度小波变换的小波神经网络进行预测模拟,并利用单隐层BP、双隐层BP神经网络和小波神经网络分别进行了预测比较,结果表明:基于多尺度小波变换的小波神经网络模型的模拟精度和预测的稳定性均高于其他3种模型,4种预测模型的预测值平均相对误差排序为单隐层BP神经网络双隐层BP神经网络小波神经网络多尺度小波变换的小波神经网络。     

深度学习框架对城市日供水量预测的研究

供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型。该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行训练,最后利用训练的模型进行预测。以新开河2014—2015年日供水量为训练数据,2016年1月1—7日供水量为测试数据,导入该模型进行预测。依据该测试方法对其后200 d的供水量进行预测,结果表明:该模型用于日供水量预测比深度信念网络模型及传统BP神经网络模型精度高,相对误差均小于5%,是一种有效的方式。     

基于小波去噪的高斯过程回归模型在面板堆石坝沉降预测中的应用研究

引起面板堆石坝沉降变形的环境因素复杂,观测数据呈现出明显的噪声干扰特性,限制了数学模型拟合及预测的精度。对原始信号进行小波变换可有效分解其中的有用信号和噪声,因此,引入小波变换理论建立了基于小波阈值去噪的数学模型,并对面板堆石坝(CFRD)的沉降变形实测数据实施去噪,再对去噪后的数据进行高斯过程回归(GPR),建立了预测堆石坝沉降变形的模型。依托CFRD的实测沉降变形资料,采用Wavelet-GPR模型对大坝沉降进行了拟合与预测,并与未进行去噪的GPR模型计算结果进行对比。结果表明：Wavelet-GPR模型观测值与预测值的残差符合正态分布,去噪后学习段的均方根误差(RMSE)由0.928 7 mm减小至0.457 7 mm,平均绝对误差(MAE)由0.485 0 mm减小至0.330 6 mm;预测段的RMSE由1.308 9 mm减小至0.917 6 mm,MAE由0.926 3 mm减小至0.730 3 mm;且去噪后模型的样本观测值个数在其预测值95%置信范围内的占比有明显提升。因此,利用小波阈值去噪对实测沉降数据进行降噪处理能够降低噪声导致的数据观测值与真实值之间的误差,Wa...     

基于ELM模型的孔雀河流域参考作物蒸散量研究

为实现气象资料缺乏情况下ET0高精度预测,以气象因子的不同组合为输入参数,利用P-M公式计算的ET0作为预测标准值建立基于极限学习机的ET0预测模型。选取新疆孔雀河流域2011年与2012年逐日气象资料进行模型测试,并将模拟结果同其它常用模型进行对比。结果表明ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高,可以作为气象资料缺乏情况下研究区ET0计算的推荐模型。     

基于小波去噪与BP神经网络的地铁沉降组合预测方法

为准确预测地铁开挖引起的地表沉降,采用小波去噪与BP神经网络组合预测的方法,对不同小波去噪参数的去噪效果进行对比分析,得到最佳去噪模型,再对监测数据进行降噪处理,最后结合BP神经网络进行地铁沉降预测。未降噪处理的BP神经网络预测值、经小波降噪处理的BP神经网络预测值与实际监测数据的对比分析表明,小波降噪与BP神经网络组合预测的精度最高,为地铁沉降预测提供一种新的方法。     

基于BP神经网络的农田蒸散量预报模型

本文根据石河子地区多年气象资料和作物生长、土壤水分状况,建立了以平均气温、相对湿度、净辐射量以及土壤相对湿度、棉花叶面积指数为输入向量,以实测ET为输出向量的BP神经网络蒸散量预报模型(ET(bp)).实际应用结果表明所建立的BP网络模型具有较好的预报效果,平均相对误差为6.47%,预测标准误差为0.312mm,有效性指数达到93.5%.     

新疆旱区草地参考作物腾发量随机模拟及其应用

本文根据新疆地区乌鲁木齐、吐鲁番、伊宁3个气象站40年逐日观测资料,应用FAO 1998 Penman-Monteith公式,计算乌鲁木齐站(1959~2000年)、吐鲁番站(1961~2000年)和伊宁站(1961~2000年)的历年逐日ET0。在此基础上,对各站多年平均ET0序列进行了随机模拟。结果表明:3个站ET0年内变化趋势大体一致,都具有很强的季节性,总体上吐鲁番站的ET0最高,伊宁站最低;年际变化呈现递减的趋势。通过预测值和Penman-Monteith法计算值对比,说明随机模型的预测结果良好,相对误差范围在实用范围之内,可为计算灌区作物需水量和优化灌溉制度提供一定的依据。     

基于最小二乘支持向量机的ET0模拟计算

参考作物蒸散量 （ET0） 有多种计算方法。本文将ET0看作是气象因素的复杂非线性回归,以日最高温度、最低温度、平均风速、太阳辐射以及相对湿度5个气象因子不同方式的组合作为输入数据,以FAO56 Penman-Mon?teith公式计算的结果作为预测校准值,建立了最小二乘支持向量机模型。选取河套地区临河气象站2005年逐日气象数据进行训练与验证,并将模拟结果同其他常用ET0计算公式的计算结果进行对比研究。结果表明最小二乘支持向量机能够很好的反映ET0同气象因素之间的非线性关系,模拟计算精度高,但随着气象因素个数的减少模拟精度有所下降。当基于温度和辐射条件计算时,最小二乘支持向量机模拟计算结果较Priestley-Talor公式计算精度更高,当基于温度条件计算时,温度较低时最小二乘支持向量机的模拟精度高于Hargreaves公式。     

基于气温预报的HS公式短期逐日参考作物腾发量预报评价与分析

为了开展基于气温预报Hargreaves-Samani(HS)公式短期逐日参考作物腾发量预报评价分析,收集南京站2002—2013年逐日观测气象数据和2012—2013年预见期7 d的逐日天气预报数据,采用FAO-56 Penman-Monteith(PM)公式及2002—2012年气象数据计算逐日ET₀(参考作物腾发量),并对Hargreaves-Samani(HS)公式参数进行率定。采用率定后的HS公式开展2012—2013年预见期7 d的ET₀预报,并对预报结果进行精度评价和敏感性分析,结果表明:最低温度预报准确率要高于最高温度;校正后的HS公式各相关统计指标较好,HS公式ET₀计算校正值与PM公式计算值总体上一致,校正后的HS公式精度得到提高;ET₀预报精度随预见期增加而下降,且基于最低温预报的ET₀预报精度要高于最高温度;ET₀预报误差对低温预报的敏感性要小于高温预报,ET₀预报误差对夏季温度预报误差敏感性最大,而对冬季温度预报误差敏感性最小。     

Temporal variations of reference evapotranspiration and its sensitivity to meteorological factors in Heihe River Basin,China

On the basis of daily meteorological data from 15 meteorological stations in the Heihe River Basin(HRB) during the period from 1959 to 2012, long-term trends of reference evapotranspiration(ET0) and key meteorological factors that affect ET0 were analyzed using the MannKendall test. The evaporation paradox was also investigated at 15 meteorological stations. In order to explore the contribution of key meteorological factors to the temporal variation of ET0, a sensitivity coefficient method was employed in this study. The results show that:(1) mean annual air temperature significantly increased at all 15 meteorological stations, while the mean annual ET0 decreased at most of sites;(2) the evaporation paradox did exist in the HRB, while the evaporation paradox was not continuous in space and time; and(3) relative humidity was the most sensitive meteorological factor with regard to the temporal variation of ET0 in the HRB, followed by wind speed, air temperature, and solar radiation. Air temperature and solar radiation contributed most to the temporal variation of ET0 in the upper reaches; solar radiation and wind speed were the determining factors for the temporal variation of ET0 in the middle-lower reaches.     

基于气象预报的参考作物蒸发蒸腾量的神经网络预测模型

参考作物蒸发蒸腾量(ET0)是进行实时灌溉预报和农田水分管理的主要参数，BP神经网络能够较好地反映ET0与诸影响因素间复杂的非线性关系。本文将ET0看作时间序列，选取前3日ET0作为影响因子，以天气预报可测因子包括最高、最低和日平均温度、反映天气类型的阴晴指数、日序数和风力等级进行修正，建立了三层BP神经网络模型。选取江苏射阳站2003与2004年气象资料，应用Matlab神经网络工具箱，采用trainer算法进行模型训练与预测。结果证明，所建模型能够很好地反映诸多影响因子与ET0之间的关系，具有较高的模拟精度和较好的泛化能力。     

西藏高海拔地区气象数据缺失条件下的ET0计算研究

西藏高海拔地区低氧低压(平均不足海平面的2/3)、太阳辐射强(年太阳辐射6 000~8 000 MJ/m2)、近地层空气湿度变化大,加之西藏地区气象资料系列短、站点少,该地区ET_0计算具有特殊性及不便性。本研究基于西藏地区9个典型站点20年逐日气象资料,通过引入海拔因子与修正温度常数对Hargreaves(HS)模型进行改进,旨在得到一种少参、准确的高海拔地区ET_0简易计算方法。结果表明,海拔2 000 m以上地区Hargreaves-Elevation(HS-E)改进模型在不同时间尺度条件下的修正结果均明显优于HS模型且避免了原HS模型在高海拔地区ET_0计算出现负值的情况,提升了ET_0计算值的实用性与精度。以PM模型ET_0计算值为标准进行误差分析,HS-E模型逐日ET_0计算的纳什效率系数(NSE)、均方根误差(RMSE)和平均相对误差(MRE)分别为0.8、0.53mm/d和13.80%,逐月ET_0计算的NSE、RMSE和MRE分别为0.84、11.90 mm/month和12.50%;对比不同时间尺度条件下(日、月)误差分析结果可知,计算时间尺度越大HS-E模型结果越优。HS-E改进模型在高海拔地区适应性较强,具有较高的计算精度,可作为西藏海拔2000 m以上地区气象数据缺失条件下ET_0计算的推荐模型。     

气象数据缺测条件下参照腾发量的计算方法

利用河北雄县和望都两气象站的数据，对FAO推荐的气象数据缺测时参照腾发量的计算方法进行了检验和评价，分析了参照腾发量对各气象要素的敏感性，提出了在气象数据缺测条件下适应我国北方平原区气候条件的参照腾发量的计算方法。     

Spatial variation of reference crop evapotranspiration on Tibetan Plateau

This study is based on meteorological observation data collected at 38 weather stations on the Tibetan Plateau over several decades. Daily reference crop evapotranspiration (ET0) was calculated with the FAO-56 standard Penman-Monteith formula. A test of normality was performed with Statistica 6.0 software, isotropic and anisotropic semi-variogram analysis was conducted with the GS+ (geostatistics for the environmental sciences) system for Windows 7.0, and the characteristics of spatial variation of daily ET0 were obtained. The following results can be obtained: Daily ETo for different periods on the Tibetan Plateau are distributed normally; Except for daily ETo in the E-W (east-west) direction in the summer, which showed a slight negative correlation with distance change, the Moran's indexes of daily ET0 for different periods in all directions on the Tibetan Plateau within a 100-km distance were positive, demonstrating a positive correlation with distance change; Variograms of daily ET0 in June, the dry season, the wet season, as well as annual average daily ET0 fit well with the Gaussian model; A variogram of daily ET0 in December fit well with the exponential model; Variograms of daily ET0 for the four seasons fit well with the linear with sill model.     

基于偏最小二乘回归的塔里木盆地北缘区ET0预测

利用气象因子计算ET0时,各气象因子之间经常存在多重相关性现象,从而导致所建多元回归模型失真,预测精度低。本文以新疆塔里木盆地北缘区的尉犁县为例,采用偏最小二乘回归建立ET0模型,利用主成分分析与典型相关分析思想,采用成分提取的方法,有效解决了各气象因子间的多重相关性问题,所建ET0模型取得较好效果。