基于灰色神经网络理论的东江水库入库径流量预测

针对目前径流预测模型精度偏低的现状,提出了灰色神经网络预测模型,充分发挥了灰色理论的少量数据建模和神经网络能够逼近任意复杂函数的优点,并将该模型应用于东江水库年径流预测.结果证明,该模型预测精度更高,实用性更强.     

科学数据时间序列的预测方法

针对传统的时间序列分析方法预测科学数据效果较差的特点,提出了一种结合自组织神经网络和灰色理论的时间序列预测方法。该方法利用度量时间序列相似性距离函数,将时间序列按照其变化规律分成不同的类别,并在GM算法中针对白化参数进行优化,对科学数据时间序列进行自组织聚类,针对各类别采用灰色理论建立预测模型。试验表明,该模型适合科学数据的变化特点,提高了预测精度。     

基于时空特性和灰色神经网络的短时交通流预测

为了提高城市道路短时交通流的预测精度,提出一种基于时空变化特性和灰色神经网络的短时交通流预测模型。通过对道路短时交通流时间和空间特性的分析,将预测路段与相邻路段进行灰色关联度分析,深度挖掘道路交通流的空间信息,并利用灰色神经网络组合模型对预测路段进行短时交通流预测。以合肥市的道路实测数据进行实例分析,结果表明,相比单一时间序列预测模型,该方法有效提高了道路短时交通流的预测精度。     

基于灰色马尔可夫链的径流序列模式挖掘

河川径流受气候、地貌、土壤、植被等自然条件以及人类活动的耦合作用,其演变过程既表现出灰色禀性,同时也有强烈的随机性.探讨了径流序列模式挖掘的灰色系统方法,提出了综合考虑径流序列趋势变化与随机变化的灰色马尔可夫预测方法,并用于年径流序列预测.通过黄河上游贵德站年径流序列资料验证,该方法比GM(1,1)有更高的精度,满足规范要求,计算方法可行.结果可为黄河上游防洪抗旱、区域水资源管理、水利水电工程规划提供科学的依据.     

基于混沌支持向量机的径流时间序列预测研究——以渭河宝鸡林家村站径流序列为例

混沌理论和支持向量机具有强大的非线性处理能力.首先利用混沌系统相空间延迟坐标重构理论对林家村站月径流进行相空间重构,以便更为深刻地挖掘月径流序列中的信息,并运用最大Lyapunov指数法证实渭河林家村站月径流系列具有混沌特性.在此基础上利用基于统计学习理论的支持向量机建立混沌时间序列的预测模型.仿真结果表明,所提出的模型预测结果好于混沌神经网络模型的预测结果,该模型具有较高的泛化能力,可用于林家村站月径流预测.     

基于灰色遗传BP神经网络的大坝变形预测

提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。     

基于ARIMA LSTM组合模型的楼宇短期负荷预测方法研究

在楼宇短期负荷预测中,针对单一预测模型难以充分学习负荷时间序列中的特性问题,提出了一种基于自回归差分移动平均-长短期记忆神经网络(ARIMA-LSTM)组合模型的楼宇负荷预测方法。首先,根据灰色关联度选取相似日时间序列数据为训练样本;然后,利用ARIMA模型预测负荷,并将原始数据和ARIM A预测数据之间的误差视为非线性分量;最后,通过LSTM神经网络对误差序列进行校正,得到楼宇短期负荷的最终预测值。通过对上海市某楼宇的预测效果分析,并将其与ARIMA模型、LSTM模型和ARIMASVM组合模型进行对比,验证了所提方法能够有效控制预测误差,提高楼宇负荷预测精度。     

粗粒度网络流量的灰色模型预测

在实际网络流量上研究了新陈代谢灰色模型(MGM)预测流量. 预测结果表明,灰色模型建模长度远小于流量序列主周期长度时,预测精度较高. 灰色模型预测流量宜采用小量数据建模,此时残差修正对提高预测精度影响很小,预测不需采用残差灰色模型(RGM). 对比了灰色模型与自回归综合滑动平均模型（ARIMA）和Elman神经网络（ENN）模型的预测结果,灰色模型远优于ARIMA,与ENN相当. 灰色模型的优点是能自适应网络流量的变化.     

基于灰色相关分析的GRFM倾斜量预测模型

针对时间序列的动态性、相关性、小样本性、非线性等特征,利用灰色模型的小样本适用性和神经网络的预测高精度等性能,提出了一种基于相关分析的灰色神经网络组合预测模型.首先,基于灰色相关理论定量分析了倾斜量与沉降观测指标时间序列之间的相关度;然后,采用GM(1,1)模型对原始序列累加求和,降低各因素原始数据的噪声干扰;利用优化径向基神经网络(Radial Basis Function,RBF)多步拟合训练,其中心点和扩展系数初值采用蚁群算法进行优化.最后,将该模型应用到了砖石古塔的倾斜量预测中,设计了沉降综合指数,通过计算,该指数与倾斜量的灰色相关度为0.789 1,采用该模型对某古塔倾斜量进行了预测,平均相对误差为9.056%.实验结果表明,该模型对小样本、非线性的时间序列预测具有高精度和有效性,为古建筑保护中变形预测提供了理论和实践经验.     

基于灰色马尔可夫链的径流序列模式挖掘

河川径流受气候、地貌、土壤、植被等自然条件以及人类活动的耦合作用,其演变过程既表现出灰色禀性,同时也有强烈的随机性．探讨了径流序列模式挖掘的灰色系统方法,提出了综合考虑径流序列趋势变化与随机变化的灰色马尔可夫预测方法,并用于年径流序列预测．通过黄河上游贵德站年径流序列资料验证,该方法比GM（1,1）有更高的精度,满足规范要求,计算方法可行．结果可为黄河上游防洪抗旱、区域水资源管理、水利水电工程规划提供科学的依据．     

基于生命旋回-权马尔可夫的径流预测模型

针对生命旋回预测模型不能反映河川径流周期性和波动性变化的特点,将其与权马尔可夫链结合,提出了一种精度较高的预报模型——生命旋回-权马尔可夫链组合模型.该模型用生命旋回模型预报河川径流的趋势项变化,由权马尔可夫链对径流残差序列进行修正,进行预测时采用等维信息方法处理,在此基础上对黄河龙门水文站径流进行预测,拟合精度为86.97%,合格率为86.78%,表明该模型可以用于径流预测.此外,对求解生命旋回模型的方法作出了改进,经研究表明,该方法实用可行.     

富贵庄站径流系列展延后的记录长度控制

根据水文学统计原理,以洋河水库站和富贵庄站的同步径流资料为依据,建立相关关系,在相关系数计算和显著性水平检验以及误差评定基础上,给出回归方程模型和系列展延后的记录长度控制数值,为延长富贵庄站年径流系列长度提供有效的理论依据,为内插外延富贵庄站年径流量,在方法和精度上提供了保证。     

改进型灰色马尔科夫模型在径流预测中的应用

随着径流量预测重要性的凸显,径流预测模型不断涌现.针对单一径流预测的局限性及一般的耦合径流预测精度不高的问题,应用数据加载法提出了GM(1,1)的修正模型,并对模型进行残差修正,提出了改进型的灰色马尔科夫耦合预测模型,进一步提高了径流预测的精度,区间预测成果更具科学性和实用价值,并将预测模型具体应用于三门峡水库入库年径流预测,预测成果可靠度高.     

大峪河径流特性初步分析

通过对大峪河1955～2006年的径流序列进行趋势性、周期性以及混沌特性分析,初步揭示了大峪河径流变化特件及其规律,即:大峪站实测年径流序列呈递减趋势,但不显著;年径流序列变化的短周期为4～8 a,长周期为12～25 a;而且其月径流序列存在一定的混沌特性.     

基于WA-GRNN模型的年径流预测

针对传统的中长期水文预测方法由于缺乏对水文要素本身内部结构和变化特性的描述,往往导致建模过程中确定模型结构、参数等存在盲目性,而以往常用预测模型收敛速度较慢、模型结构及参数优化复杂等问题。本文将小波分析（WA）和GRNN神经网络联合使用,建立了中长期水文预测模型：即先应用WA揭示水文序列内部结构及变化特性,从而将原序列分为确定性成分和随机成分两部分,然后利用GRNN神经网络对确定性成分和随机成分分别进行模拟预测,最后将两部分结果叠加作为最终预测值。将该模型用于沱江中上游三皇庙水文站年径流的预测,并与传统方法进行对比。结果显示该模型预测效果较传统方法更好,能有效地揭示序列的时频结构和变化特性,对于生产应用具有较强的实际意义。     

非一致性年径流分析计算初探

环境变化下的年径流序列常是非一致性的,可假定由确定性成分和随机性成分组成.针对确定成分中的非一致性(趋势、跳跃等),探讨了非一致性年径流序列分析计算方法.首先提取年径流序列中的非一致性成分,再对剩余成分进行频率分析计算,推求设计年径流年内分配.实例分析表明,经过非一致性处理后计算成果与未经非一致性处理的计算成果有显著差异,非一致性年径流序列的频率分析计算必须进行非一致性数据处理.     

基于灰色神经网络模型的径流模拟与应用

通过对实测年径流系列进行相关影响因子的灰关联度分析,建立了GM(1,N)模型,利用BP神经网络模型对残差值进行拟合修正,构建了一个基于GM(1,N)的灰色神经网络预测模型.结合实例的计算结果表明,该模型可提高年径流模拟精度.     

模糊支持向量机在径流预测中的应用

在分析现有径流预测模型局限性的基础上,考虑径流量随时间变化的不确定因素,建立了基于模糊支持向昔机的径流预测模型,使得较近时间的径流数据与较远时间的径流数据相比,对预测精度的提高影响更大．将该模型应用于新疆伊犁河雅码渡站年径流预测中,与传统的支持向量机预测模型比较表明,模糊支持向量机预测精度有较大的提高,并能进一步在其他流域径流预测中推广应用．     

模糊支持向量机在径流预测中的应用

在分析现有径流预测模型局限性的基础上,考虑径流量随时间变化的不确定因素,建立了基于模糊支持向量机的径流预测模型,使得较近时间的径流数据与较远时间的径流数据相比,对预测精度的提高影响更大.将该模型应用于新疆伊犁河雅马渡站年径流预测中,与传统的支持向量机预测模型比较表明,模糊支持向量机预测精度有较大的提高,并能进一步在其他流域径流预测中推广应用.     

钱塘江河口径流长周期特性及其对河床的影响

针对水文时间序列的非平稳性,采用小波分析方法研究钱塘江河口年径流序列的近似周期及其变化趋势.在分析复Morlet小波函数基本特性的基础上,选用该小波对标准化径流序列进行小波变换,根据小波变换系数模与实部的时频分布以及小波方差图揭示钱塘江河口年径流过程伴随着21a左右的显著周期成分,预计在2008-2010年间,该河口仍将维持径流偏枯的趋势,而后才转入偏丰期.结合历年的实测水下地形资料,分析径流周期性变化与河口河床冲淤之间的关系.结果表明,两者关系密切,在径流偏丰期,河床冲刷河势顺直;在径流偏枯期,河床淤积河势弯曲.