改进GM(1,1)模型在中长期径流预测中的应用

针对基本GM(1,1)模型的一些不足,将x(1)的第n个分量作为灰色微分模型的初始条件,并采用粒子群优化算法率定模型参数,改进了基本GM(1,1)模型,并将其应用于中长期年径流量预测中。结果表明:改进GM(1,1)模型具有较高的模拟精度,可以用于年径流量预测;与基本GM(1,1)模型相比,改进GM(1,1)模型预测结果的相对误差较小,说明改进GM(1,1)模型是合理的,且在中长期年径流量预测中的应用效果良好。     

基于改进灰色模型的水资源预测

为了提高灰色模型GM(1,1)对用水量预测的精度,通过对传统灰色模型的残差序列进行改进,提出了一种新的灰色改进预测模型。将其应用于城市居民生活用水量预测中,结果表明:与传统GM(1,1)模型预测值相比,改进GM(1,1)模型预测值与实际值拟合效果更好。     

基于灰色理论的预应力锚索抗滑桩预应力损失预测分析

运用灰色理论对预应力锚索抗滑桩预应力监测数据进行分析,建立GM(1,1)模型和改进的GM(1,1)模型,对锚索预应力变化进行预测。GM(1,1)模型与改进的GM(1,1)模型预测结果与实际监测结果均吻合良好,均能够达到合格的标准,并且改进的GM(1,1)模型比GM(1,1)模型计算精度要高。基于灰色理论的预应力锚索抗滑桩预应力损失预测是可行而实用的,具有较高的可靠性,灰色预测较为客观地反映了工程实际情况,对边坡稳定的预测预报有一定的参考价值。     

大坝位移的改进非等间距GM(1,1)预测模型

基于灰色理论建立的GM(1,1)灰色预测模型常被用于大坝位移实测资料序列的分析。为提高大坝位移预测精度,在分析传统GM(1,1)预测模型构建原理、步骤的基础上,提出了对原始数据序列进行平滑处理、对背景值和残差序列进行优化等方法,建立了大坝位移预测的改进非等间距GM(1,1)模型,并用某大坝水平径向位移监测数据对其进行了检验,结果表明:改进的模型在大坝位移预测中的适用性更强,不仅提高了预测精度,而且保留了灰色模型建模灵活、所需数据少等优点,用于短期预测效果较好,用于长期预测的效果有待考证。     

改进的GM(1,1)模型在城市需水量预测中的应用

基本GM(1,1)模型未充分利用新信息,且背景值构造不合理,对变化非平稳的数据序列预测精度较低,为此,本文采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,建立重构背景值的GM(1,1)等维递补模型,并运用改进模型预测北方某市需水量,结果表明,改进模型预测精度更高,为需水量的预测提供了一种新方法.     

R/S分析法与GM（1，1）灰色模型相结合的鸳鸯池水库入库径流量预测

依据鸳鸯池水库1959-2015年实测入库年径流量系列,利用年代际径流量平均值、径流年内分配集中度分析了入库年径流量年际变化和年内分配特征,同时分别采用基本GM(1,1)、改进GM(1,1)以及R/S分析法与基本GM(1,1)灰色模型相结合的方法预测了入库年径流量。结果表明:入库年径流量时间序列有明显分形特征,H指数为0. 922;径流量时间序列具有状态持续性,即未来年径流量变化趋势与过去一致;年径流量系列长期记忆性以41 a为周期;经R/S分析后采用基本GM(1,1)灰色模型预测得出2013、2014、2015年入库径流量分别为3. 60×108、2. 97×108、3. 67×108m3,与实测值相比,相对误差分别为20. 69%、8. 97%、8. 10%,较基本GM(1,1)、改进GM(1,1)灰色模型的预测精度高。据此预测得出2020年入库径流量将比2015年增加8. 99%。     

塔里木河流域径流量预测分析

因径流量预测中伴随着随机性、灰信息性的特点,传统的数学模型难以解决复杂的非结构化问题。在参与塔河流域多个水文控制站点径流量预测的基础上,探讨了GM(1,1)与BP算法在径流量预测中的有效性及存在的一些问题。首先用灰色关联理论对相关序列的灰色绝对、相对、综合关联度进行了分析;然后建立了GM(1,1)模型,讨论了在原始序列准光滑条件满足、1-AGO准指数规律满足条件下GM(1,1)模型模拟随机振荡序列的局限;最后建立了神经网络模型,应用BP算法训练网络权矩阵和偏置,对径流量的历史演变进行了仿真模拟,对预留年份的径流量作了预测检验。     

改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用

研究了改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用,先用S型函数对厦门某边坡的实测数据进行平滑处理,然后用平滑后的数据建立不等时距灰色GM(1,1)模型,最后用改进的计算公式求得马尔科夫模拟值和预测值。结果表明改进后的不等时距灰色马尔科夫GM(1,1)模型的拟合精度和预测精度有了很大的提高,对边坡稳定性预测有一定的参考价值。     

基于GM和BP网络的年均流量组合预测模型

以岷江紫坪铺测站1937～2004年的实测流量资料为依据,运用灰色拓扑预测方法,在建模过程中将GM(1,1)模型、无偏GM(1,1)模型以及GM(1,1)改进模型与BP神经网络进行优化组合,建立年均流量组合预测模型.本文采用1995～2004年的年均流量资料对模型进行检验,结果表明,预测相对误差值较为合理,可以作为年均流量预测的有效方法.     

改进的灰色灾变模型在干旱预测中的应用

为提高传统的GM(1,1)模型精度,分别从原始数据序列检验和建立残差修正模型两方面进行了改进,并将改进的灰色灾变模型与不进行原始序列检验的GM(1,1)1模型和对原始数据序列进行检验的GM(1,1)2模型进行了比较。结果表明:改进的灰色灾变模型精度最高;运用该模型预测榆林市未来可能发生干旱的年份分别为2012年、2015年和2019年。     

并联组合建模在径流预测中的应用

针对径流预报的具体特征和相关问题,本文首先建立多元时变灰色预测模型,在分析多元时变灰色预测模型、非时变的免疫神经网络模型、最小二乘支持向量机模型在径流预报中应用的优势和不足的基础上,讨论并联组合预测建模的实用意义,并基于提高样本数据的精度将三者进行并联组合集成建模,充分发挥多种模型各自优点且相互补充。最后以新疆伊犁河雅马渡水文站的年径流预测为例,对该站年径流量进行并联组合预测建模,通过与三个单项模型的预测结果的比较分析,证实了本文所提出的组合预测的合理性、普适性和可靠性。     

基于灰色—拓扑模型的玛纳斯河年径流预测研究

新疆缺水,其径流丰枯变化规律一直备受关注。以新疆玛纳斯河为研究对象,以年径流频率为变量,采用拓扑原理计算实测频率的拓扑值。将对应的拓扑值作为变量,建立灰色模型GM(1,1),寻找实测玛纳斯河年径流的变化规律。建立了基于关联度、光滑离散函数等概念以及有限范围内近似的关联度收敛原理、生成数、灰微分方程等观念和方法,进而建立了微分方程动态模型。根据新疆玛纳斯河肯斯瓦特水文站1963-2010年的平均径流量资料,建立河流年径流量灰色-拓扑模型,以年平均流量为预测检验值预测来验证模型的精度。预测结果的相对误差为21.5%,满足预测的精度要求。结果表明,灰色-拓扑模型对玛纳斯河的年径流结果是可行的。     

回归支持向量机模型及其在年径流预测中的应用

研究交叉验证（CV）SVR年径流预测模型,以云南省清水江革雷站为例进行实例分析。利用SPSS软件选取年径流影响因子,确定输入向量;采用CV方法搜寻SVR惩罚因子C和核函数参数g,构建CV-SVR多元变量年径流预测模型,并构建GA-BP、传统BP模型作为对比模型。利用所构建的模型对实例进行预测。结果表明：CVSVR模型对实例后15年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.4596%、9.3035%,预测精度和泛化能力均优于GA-BP、传统BP模型,表明CV能有效搜寻SVR惩罚因子C和核函数参数g。CV-SVR模型具有预测精度高、泛化能力强以及算法稳定等特点。     

基于混合核SHTS-SVM的年径流预测

为提高年径流预测精度,利用同热传递搜索(SHTS)算法对混合核支持向量机(SVM)关键参数和混合权重系数进行优化,提出混合核SHTS-SVM年径流预测模型。通过6个不同维度的标准测试函数对SHTS算法进行仿真验证,并与当前寻优效果较好的教学优化(TLBO)算法、灰狼优化(GWO)算法进行对比验证。利用两个年径流预测算例对混合核SHTS-SVM模型进行实例验证,并与多项式核SHTS-SVM、高斯核SHTS-SVM及SHTS-BP模型预测结果进行对比。结果表明:SHTS算法寻优精度优于TLBO、GWO优化算法,具有较好的极值寻优能力和稳健性能。混合核SHTS-SVM模型综合了多项式全局核函数和高斯局部核函数二者优点,在预测精度、泛化能力等方面均优于对比模型,具有较好的实际应用价值。     

灰色系统GM(1,1)模型在尼尔基水库年来水量预测中的应用

文中介绍了灰色系统理论、建模原理及其检验方法,以及利用尼尔基水库20年的年来水量资料建立灰色预测GM(1,1)模型,对尼尔基水库年来水量进行预测.经残差、关联度等检验分析,并对实测资料进行检验,模型精度较高,效果较理想,可以考虑应用于尼尔基水库径流中长期预报,为水库发电、供水提供必要的预测信息.     

改进BP神经网络集成模型在径流预测中的应用

为提高径流预测预报的精度和泛化能力,建立了基于3种基本改进算法的BP神经网络集成预测模型。利用ADF单位根检验方法、自相关分析方法确定径流时间序列的平稳性和模型的输入向量。针对BP神经网络标准算法收敛速度慢、易陷入局部极值的缺陷,采用自适应动量梯度法、共轭梯度法和Levenberg-Marquardt法分别改进BP神经网络标准算法,依次构建基于3种改进算法的BP神经网络模型对文山州南利河董湖水文站年径流进行预测,并构建GA-BP预测模型作为对比模型;采用加权平均方法对各单一模型预测结果进行综合集成。结果表明:集成模型对南利河2001-2005年径流预测平均相对误差绝对值为4.67%,最大相对误差绝对值为7.11%,精度和泛化能力均优于各单一模型和GA-BP模型。集成模型克服了单一模型预测精度不高和误差不稳定的缺点,具有较好的预测精度和泛化能力,是提高径流预测预报精度的有效方法。     

秃尾河流域年径流变化特性分析

对流域径流的变化规律进行准确地分析及合理地预测对流域水资源的合理开发、水利工程的建设以及社会经济的发展具有重要的指导意义。利用Mann-Kendall秩次相关检验法和小波分析理论对秃尾河流域的径流变化规律进行分析研究,并建立BP神经网络模型对径流变化进行预测分析。结果表明:秃尾河流域年径流量变化总体上有明显的下降趋势;从小波系数图可以看出年径流过程主要存在2年、8年和19年左右的变化周期,其中19年左右时间尺度为第一主周期,同时发现目前年径流处在枯水期后期,水量有转向增加的趋势;采用BP神经网络法对秃尾河流域高家川站年径流量进行预测,预测结果相对误差仅为5.92%,说明所建立的BP神经网络模型用于该流域的年径流预测得精度较高,是一种有效地年径流预测方法。     

南盘江流域径流趋势灰色预测

利用灰色系统模型和灰色灾变预测理论，根据南盘江流域27年（1961年～1987年）年径流资料，建立一套灰色动态CM（1，1）预测模型，并对1993年～1994年的资料进行验证，得到了较为满意的效果．表明灰色灾变预测可作为水文长期预测的工具之一，为制定水电站的年度防汛措施和发电计划等提供参考．     

时间序列分解模型在乌拉斯台河年径流量预测中的应用研究

在剖析了现有年径流量预测方法的基础上,根据乌拉斯台河年径流量(1960年~1989年)序列的长期变化特征,提出了时间序列分解预测模型,即将年径流系列分解为趋势项、周期项、随机项,通过对其各项进行识别、提取,再将各项线性叠加,从而建立年径流量预测模型。从模型的识别过程可得,乌拉斯台河年径流具有不显著的递减趋势和明显的周期变化,同时具有一定的随机性。从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性。