一种水文时间序列预报的新方法

介绍了混沌和人工神经网络的理论及其在水文中的应用 ,在此基础上分析了水文时间序列中嵌入维数和BP神经网络的输入节点数的内在联系 ,提出用嵌入维数作为BP神经网络输入节点数的新方法 .计算了宜昌日径流时间序列的李氏指数和嵌入维数 ,确定其具有混沌特性 ,并用新的方法做了预测 ,同混沌中局域预测法的预测结果做了比较 ,结果显示新的方法效果明显较好 .     

AR（p）模型在赣江枯季水位预报中的应用

时间序列模型是水文预报常用的工具,人们对大量的水文数据进行分析,目的就是为了能够得出水文数据的规律性,进而预测水文系统在未来时刻的状态.运用AR(p)模型对赣江流域外洲水文站枯水季节的水位数据进行模拟,并利用所建模型对水位进行预报,预报值与实际值比较接近,模型模拟的精度比较高.     

南水北调中线工程水源区丹江口水库径流周期分析

时间序列分析是随机水文分析中常用的一种数据分析方法.该方法通过频谱分析,揭示水文时间序列的周期性变化规律.阐述了频谱分析的基本概念和理论,并将其应用于丹江口水库入库径流的周期分析中,针对丹江口水库1930-2005年的实测年径流资料,利用波谱分析方法提取水文时间序列的潜周期,并采用χ2分布进行周期性检验.计算结果表明,丹江口水库年径流量存在22 a及8 a变化的准周期,它对揭示丹江口水库上游水文周期的变化规律具有一定的探讨意义,为南水北调中线工程的水资源调度提供参考依据.     

基于小波神经网络的时间序列预报方法及应用

传统的时间序列预测模型在处理具有非线性特性或非平稳时间序列问题,特别是对有人参与的主动系统、社会经济系统的预测上,无法取得满意的预测效果.寻求处理这类系统的方法是人们一直努力的方向.这里以小波理论为基础,重点研究了小波网络在非线性时间序列中的建模预测方法,利用深圳综合指数数据,建立了股票指数预测模型.该模型克服了传统的时间序列预测模型仅局限于线性系统的情况,避免了BP神经网络模型固有的缺陷.仿真结果表明,该方法比神经网络预测方法的预测精度高,可以很好地应用于某些非线性时间序列的预测中.     

中长期径流预报的时间尺度

为研究时间尺度在中长期水文预报中的影响,选取在实际运用中较成熟的预报模型——最近邻抽样回归模型对不同时间尺度的径流序列进行建模预报.通过对三峡水库1980-2012年的逐日平均入库流量,高场、汉口、大通3个水文站1980-2012年的逐日平均流量,进行时间聚集,分别得到对应的3d、周、旬、月、季、年的平均径流量.用所建模型对以上4个站点的6个不同时间尺度的径流量进行模拟预测,结果显示随着时间尺度的增加,模拟预测结果的相对误差并非单调递增或者递减,而是先变小,后变大.研究中长期水文预报中时间尺度给预报结果带来的影响,可为水文预报精度的提高开辟新思路.     

嘎呀河流域径流量的时间变化研究

以图们江流域嘎呀河1956—2015年水文序列资料为基础,利用累积距平法、Pettitt检验法等方法,分析此时间段内该河水文突变情况;然后通过对河流序列进行水文时序分析和小波分析,得到该河水文序列的状态.研究表明:嘎呀河流域水文序列存在突变的年份为1985、1995、2002年和2012年,水文序列的突变周期为5年.     

水文时间序列周期叠加预测模型及3种改进模型

自然界中水文现象常暗含周期性,基于这一特性,发展了水文时间序列周期叠加预测模型.介绍了水文时间序列周期叠加预测模型(POL),分析了水文时间序列周期叠加预测模型(POL)在某些特定条件下应用上的不足,并提出3种改进模型: 趋势-周期叠加组合预测模型(TPOLC),压缩振幅的周期叠加预测模型(AC-POL), 逆推优势周期的周期叠加预测模型(DPI-POL).这些模型可根据需要组合建模,并可广泛应用于相应类型水文时间序列建模.     

日径流非线性时间序列分析模拟预报

以实测日径流资料为基础,首先判断时间序列的非线性性,而后利用神经网络理论非线性方法对实测的日径流非线性时间序列进行分析研究,以此说明非线性时间序列的建模与预测。     

变化环境下非一致性年径流序列的水文频率计算原理

由于受频繁人类活动和气候变化的影响,用于水资源评价计算的天然年径流量序列失去了一致性.为了适应变化环境对水文频率计算的要求,提出了基于时间序列分析的非一致性年径流序列的水文频率计算原理,包括假设前提和一般方法.该方法假设非一致性水文序列由相对一致的随机性成分和非一致的确定性成分两部分组成,采用成因分析法与统计分析法分别对确定性成分和随机性成分进行识别与检验,并对确定性成分进行拟合计算,对随机性成分进行频率计算;根据时间序列分析的分解与合成理论,将确定性的预测值和随机性的设计值进行合成,得到过去、现在和未来不同时期合成序列的频率分布.     

长短期记忆网络在中长期径流预报中的应用

长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题.以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以...     

Differential Hydrological Grey Model (DHGM) with self-memory function and its application to flood forecasting

This paper addresses a problem of flood forecasting with the self-memory function. Considering flood forecasting’s uncertainty and updating demand, a hybrid hydrological model, namely Differential Hy- drological Grey Model with self-memory function (DHGM-SM), is developed. The model has two fold features. One is to establish a self-memorization equation linked with DHGM, that could extract useful information from past data series and realize updating of hydrological dynamic process. The other is that this m...     

基于连续小波变换的水文序列变化特征研究

为揭示复杂水文现象中的精细结构，应用小波分析的多分辨率分析和分形理论相结合的途径探讨了水文序列变化的统计特征。将水文序列进行连续小波变换，得到小波变换系数，计算出小波变换系数的动力学特征指标——分维随尺度的变化过程。根据分维随尺度的变化特性，探讨了水文序列的奇异性(突变、跳跃等)变化。通过仿真试验和实际径流资料计算分析，表明提出的方法是有意义的，并且可行。     

基于混沌理论的径流降尺度分析

基于混沌理论,研究水文科学的尺度问题,将混沌分析方法应用于经流的降尺度计算。通过分析大时间尺度的年径流量分解到小时间尺度的月径流量的分解系数的混沌特征量,论证了分解系数具有混沌特性。在此基础上,对分解系数进行相空间法预测,利用预测结果进行月径流量的降尺度计算。实例研究表明混沌方法用于降尺度分析的有效性。     

不同目标函数下水文模拟结果的综合

现代水文预报中,常常对流量过程各个部分均有较高的模拟要求.而降雨-径流水文模型在特定目标函数下只能对流量过程的某个特定部分(如高水流量部分或者低水流量部分)做出较好模拟.如果选用恰当的综合方案对不同目标函数下率定出的模型的模拟结果进行综合,则有望获得对整个流量过程都有较好模拟效果的模拟系列,基于ANFIS(adaptive-network-based fuzzy inference system)综合平台,对分别在高水目标函数和低水目标函数下用SCE-UA算法率定的新安江模型的模拟结果进行综合,获得了综合模拟系列,在整个流量过程上对实测流量系列都能进行较好的模拟,并较大程度地提高了模拟精度.     

混沌局域预测法在网络流量短期预测中的应用

网络流量数据表现出一定的混沌特性,而在传统的混沌预测算法中,使用欧氏距离衡量相空间中相点间的相关性.由于欧氏距离的局限性,在高维相空间中,传统混沌预测算法的精度迅速下降.使用夹角余弦取代欧氏距离,作为判别相点间相关性的标准;并将相点视为向量,以向量的模和夹角为优化目标.进行预测参数识别.将以上算法应用于网络流量数据的短期预测,结果表明,在高维相空间中,预测算法的精度得到了明显的提升.     

并行电法在矿井复杂水文区域防治水探查工作中的应用

百善煤矿回收煤柱局部水文地质条件复杂,在比较多种物探方法的基础上,使用并行电法对681工作面水文异常区域的富水性进行探测,并使用其它物探和钻探进行验证。实践表明,并行电法对复杂水文区域的富水区域反映灵敏,对相对富水区的探测准确率高。探测结果有效地指导了工作面下一步的防治水施工,确保了工作面安全回采。     

基于小波神经网络的水文时间序列预测

复杂时间序列预测是时间序列分析的主要研究内容之一,已成为一个具有重要理论和实际应用价值的热点研究领域。基于小波和神经网络组合模型,提出一种多因子小波预测模型以提高水文时间序列的预测精度。并根据不同小波函数对水文时间序列数据的适应性,提出了一种基于加权相关系数的小波函数选择准则。以国家重要水文站淮河王家坝站汛期的日流量时间序列预测为例,对各种常用小波函数进行了实验。结果发现选择得到的Haar小波和B3 spline小波函数预测精度较高,从而验证了小波函数选取准则的有效性;通过和传统单序列小波神经网络模型比较,发现提出的多因子小波神经网络模型的预测合格率在不同预见期均提高了10％以上,并且对洪水高流量方向预测合格率提高了15％。     

交通冲突量的混沌预测

首先从混沌相空间重构着手简单介绍了混沌理论的基础,然后研究了混沌预测方法及其应用在交通冲突量预测中的原理和过程,最后利用混沌预测方法对具体的交叉口交通冲突量的预测实例进行了研究,并通过灰色误差检验方法对预测方法和结果进行了评价,表明交通冲突量混沌预测方法是交通冲突量预测的有效方法。     

基于混沌理论的短时交通流局域预测模型

为了提高城市短时交通流预测的精度,对城市的短时交通流数据进行混沌时间序列分析,并对交通流时间序列数据进行相空间重构.通过对混沌时间序列预测方法的研究,提出短时交通流加权一阶局域多步预测方法.对实测短时交通流量预测结果,验证该多步预测模型的预测精度明显高于一步预测模型.     

物流园区的货流预测研究

阐述了物流园区货流预测的目的和内容，提出了货流预测的主要流程，即货流预测实现的思路和方法，并举例说明了预测方法的运用。