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…     

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。     

基于特征加权混合隶属度的模糊孪生支持向量机

模糊孪生支持向量机(FTSVM)忽略了不同特征间的差异,导致核函数或距离的计算无法准确反映样本间的相似性,使FTSVM在处理含有大量不相关或弱相关特征的高维数据分类时,难以达到良好分类效果;且隶属度的设计未有效区分离群点或噪声。针对以上问题,提出了一种基于特征加权混合隶属度的FM-FTSVM。首先计算每个特征的信息增益,并依据信息增益值的大小为特征赋予权重,降低不相关或弱相关特征的作用,使其能更好地应用于高维数据分类;然后,为每一类样本构造一个最小包围球计算基于紧密度的特征加权隶属度,并结合基于距离的特征加权隶属度得到特征加权混合隶属度,综合考虑样本点到类中心的特征加权欧式距离和样本间的紧密程度,可更好识别离群点或噪声数据;最后,融合特征加权核函数,降低不相关特征对核函数或距离计算产生的影响。与对比算法在人工数据集、高维数据集和UCI数据集上进行比较,发现本文提出的方法在区分离群点、噪声和有效样本上有明显优势,且在高维数据集上可获得更好分类效果。     

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     

基于模糊综合评判的变压器故障模糊诊断法

针对电力变压器故障诊断常用的罗杰斯比值法中存在着临界比值判据缺损的问题，提出了利 用模糊集理论进行电力变压器故障诊断的方法。将气体比值看作故障类别的模糊现象子集， 依据罗杰斯比值法中给出的不同气体成份相互间的比值与变压器故障类别之间的定量关系， 建立模糊现象子集相对于不同故障类别的隶属函数，从而进行故障类别的模糊综合评判。算 例表明了这种方法的优越性和应用价值。     

大坝沉降监测的时间序列与预报

基于平稳性时间序列分析理论,对大坝沉降监测数据时间序列进行模式识别、参数估计,建立变形监测分析与预报的ARMA模型。结合实例,运用该模型对变形监测数据进行动态分析和预报,将拟合和预报数据同原始数据进行比较分析,结果表明ARMA模型处理动态监测数据是十分可行和有效的,具有重要的应用价值。     

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。     

P-Ⅲ型分布参数估计的模糊加权优化适线法

从充分利用样本信息，增强参数估计方法的稳健性和平差能力等方面考虑，首次提出了P—Ⅲ型分布参数估计的模糊加权优化适线法，通过假想水文样本和实测水文资料检验，结果表明模糊加权平方和最小二乘法的计算结果稳定，完全能达到容许误差标准。     

基于时间序列分析的黑河干流年径流预报

采用周期均值叠加法和马尔可夫链法对黑河干流莺落峡断面年径流过程进行了预报分析。结果表明:周期均值叠加法分析出莺落峡断面1945—2007年系列的第1周期约为22 a,和黑河干流年径流的变化规律基本一致;两种方法预报的年径流变化规律基本一致,周期均值叠加法预报精度较高,可基本满足黑河干流水量调度工作的要求。     

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.     

一种区域地下水位预报的时间序列分析组合模型

根据地下水位动态变化的特征 ,建立提取水文趋势项的时间序列分析组合模型 ,并用逆函数法对地下水位进行预报。经典型实例验证 ,模型精度较高 ,具有一定的实用价值     

用时间序列逐步回归分析预报枯水期地下水位埋深

本文将逐步回归分析和时间序列分析方法结合起来进行枯水期地下水位埋深预报,使时间序列分析的参数大大减少。实例计算表明,预测精度较高。     

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。     

变压器故障检测方法的改进--模糊识别阈值原则法

三比值法是目前被普遍接受的判断变压器故障的有效方法，但这一方法仍存在一个不确定的模糊范围。文中 根据变压器故障分解气体的相对比率，运用模糊识别阈值原则判断变压器的故障性质，获得了理想的结果。     

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。     

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.     

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.     

水文时间序列分析方法在水文长期预报中的应用

介绍了水文时间序列分析技术,并以祖厉河靖远站年平均流量序列为实例,建立了长期预报模型,经预留年份实测资料验证,所建模型合理,预报精度较高,结果可靠,满足长期预报的需要。