RBF神经网络模型在金沟河流域径流预测中的应用

河川径流时间序列是一个复杂的非线性系统,使传统的预测方法难以描述其变化规律。将金沟河流域八家户站的1957年至2003年的年径流实测数据作为样本,转化为径流差后,进行归一化处理及自相关函数分析,在MATLAB环境下建立径向基神经网络径流预测模型。结果表明:与传统的BP神经网络预测比较,利用径向基神经网络模型对径流序列进行预测具有更高的精度和更短的运算时间,是径流预测的一种有效方法。     

水文时间序列高阶自相关性识别及其对水文分析的影响研究

以往水文序列分析中,对序列自相关性的研究多集中于一阶自相关性及其处理方法,而对于水文序列的高阶自相关性则鲜有表述。以陕西省典型流域实测年径流序列为研究对象,开展序列高阶自相关性的研究,探讨高阶自相关存在与否的问题。结果表明陕西省渭河、汉江、无定河三大典型流域中,仅有无定河流域风沙区的韩家峁、横山以及流域出口的白家川水文站的年径流序列检测到了高阶自相关,其余站点的径流序列均不存在高阶自相关性。为了验证高阶自相关性对水文分析的影响,通过BP神经网络预测模型对高阶自相关性的影响进行了评估,结果显示在输入变量中加入合适的高阶变量序列后,可在一定程度上提高模型的预测效果,从侧面验证了高阶自相关性客观存在的假设。同时,研究结果还表明对径流关系不佳的小样本资料地区,考虑高阶自相关性的影响,可有效提升小样本径流资料的展延效果,为区域水文设计的科学性与应用效果提供保障。     

长江上游径流混沌动力特性及其集成预测研究

针对长江上游干流主要站点月径流时间序列强非线性和非平稳特征,引入混沌理论和AdaBoost.RT集成极限学习机方法对其月径流时间序列进行分析和预测。首先,以流域径流非线性动力系统混沌特征参数辨识为切入点,研究并发现了流域内在特性作用下月径流时间序列动力响应的混沌现象,推求了月径流时间序列相空间重构的延迟时间和最佳嵌入维数,在此基础上,以重构相空间时间序列作为输入变量,引入基于自适应动态阈值的改进AdaBoost.RT算法改进极限学习机模型的学习性能,得到最佳的混沌集成学习月径流时间序列预测模型。实例研究结果表明,所提方法和模型能够显著提高单一极限学习机模型的泛化性和稳定性,从而获得更优越的预报性能。     

基于时间序列组合模型的河川年径流预测

河川年径流序列具有小样本、非线性和非平稳性等特点,传统预测理论很难对其实现精确预测。考虑从多角度优化预测算法,建立基于时间序列的组合预测模型。本研究利用小波变换理论提取信号的细节特征,将年径流分解为非线性的趋势项和平稳性的波动项,分别利用最小二乘支持向量机(LSSVM)理论和自回归(AR)模型进行趋势预测,利用加法原则重构信号实现河川年径流预测模型。以新疆开都河年径流序列进行实例计算,结果表明预测值与实测值基本一致,具有较高的预测精度。研究结果可为河道防洪、水库运行调度与区域水资源配置提供参考。     

渭河流域径流序列变异检测与成因分析

针对水文时间序列的非线性和非平稳性,采用Hilbert-Huang变换对渭河林家村水文站1960—2000年的年径流序列进行变异检测;同时对影响渭河流域径流变化的因素进行分析。首先通过EMD对原始径流序列进行分解,得到不同分量的固有模态函数和残余趋势成分。对EMD高频分量求一阶微分,取其模值,模值最大的点即径流时间序列的变异点。经过分析可知,渭河流域林家村站存在3个变异点,分别为1972年、1982年和1994年。结果表明:对于变化环境下高度复杂、非线性的径流时间序列,采用Hilbert-Huang变换方法能够准确有效地诊断时间序列的变异点,并有效揭示径流序列在不同阶段的动力学结构特征。     

排列熵在径流时间序列突变中的应用

水文系统是一个复杂多变、动态非线性的多学科交叉系统。熵作为一种随机的度量方法,在水文水资源学科研究中应用广泛。文章在渭河流域水文序列中引用滑动排列熵PE,通过分析水文序列同要素的差异性变化及序列演变的动力学程度,有针对性的进行突变分析,同时结合实测径流时间序列对比验证方法的实用性。     

非线性混合回归模型在年径流预报中的应用探讨

在气候变化和人类活动等影响下,径流变化日益复杂,常用的流域径流预报方法有时间序列法、多元回归分析等,但这些方法预报精度较差,笔者建立起基于BP神经网络系统的年径流预报非线性混合回归模型,并以1961~2001年的数据为训练样本,以2002~2010年的数据为预测检验样本对新疆天山北坡昌吉州呼图壁县内的军塘湖流域年径流进行预报,结果表明,该预报方法具有较高的预报精度。     

支持向量机的混沌序列预测模型及在径流中应用

混沌和支持向量机理论为研究复杂多变的非线性水文时间序列开辟了新的途径。给出了应用支持向量机回归原理的混沌时间序列非线性的预测建模的思路、特点及关键参数的选取。根据重构相空间理论对月径流过程进行相空间的重构,探讨了支持向量机混沌时间序列非线性预测模型在月径流预测中的应用,在支持向量机建模过程中引入了经向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文数据序列,且有较好的预测精度。     

水电站群随机优化调度问题的研究

本文应用大系统随机控制理论,提出了面临时段有无径流预报的水电站群长期优化调度随机递阶控制方法。它不仅可同时考虑水电站群入库径流、水库蓄放水序列间的时、空随机相关,避免了“维数灾”,而且给出了简单易行的水库群最优放水决策规则,以便对水电站群调度实现计算机控制。该法是解决入库径流、水库蓄放水时空随机相关多目标多水库非线性优化调度问题的一条新途径。     

滑动移除重标方差法在径流时间序列突变中的应用

当今在人类的不断活动和水文气象因素的双重影响下,径流序列呈现出的更为复杂的非线性和分形的特征。文章将滑动移除数据技术和重标方差法相结合,有限元建模计算研究河川径流时间序列突变的规律,反映出在不同阶段时期上的河流分形特征,有效诊断在变化环境下的径流时间序列非线性和分形特征。     

WPSO-SVR耦合日径流预测模型研究及应用

针对径流时间序列过程的高度非线性,将小波分析方法、粒子群优化算法与支持向量回归相结合,建立了小波-粒子群-支持向量回归耦合日径流预测模型(WPSO-SVR)。该模型充分挖掘小波分析的多分辨功能和支持向量回归的非线性逼近能力,应用小波分析方法将日径流时间序列分解为不同频段的子序列,将重构后的序列作为模型的输入,利用粒子群全局搜索能力实现模型参数寻优,得到最佳模型参数,构建模型,并将该模型应用于金沙江中游石鼓站日径流预测。结果表明,该模型的预测效果明显优于单一支持向量回归模型,在日径流预测中具有较强的适应性。     

基于改进模糊支持向量机方法的车尔臣河径流预报

针对径流时间序列固有的非线性和随机性特点,本文提出了基于灰色关联分析的模糊支持向量机预报方法。该方法在传统支持向量机任意逼近的非线性映射能力上,引入模糊隶属函数来考虑气候和流域下垫面变化下径流样本对预报结果的影响。此外,预报因子选取是中长期径流预报的一大难点,考虑到相关系数法只能衡量因子间线性相关程度的不足,本文采用灰色关联分析来量化预报因子与预报对象的关联程度,并按关联度大小挑选出对径流过程影响显著的预报因子。将该方法应用于新疆车尔臣河的月径流预报中,与GRNN神经网络模型和A-FSVM模型的预报结果比较表明:该方法能提高径流中长期预报精度,是一种有效的径流时间序列预测模型。     

水文时间序列突变点分析的启发式分割方法

水文时间序列突变点的检测是水文统计分析中的一项重要内容,但由于水文时间序列的非线性、非平稳性,导致对检测水文时间序列突变点的技术要求较高。建立了时间序列变点分析的启发式分割数学模型,以此来分析水文时间序列均值的突变。以理想的水文时间序列为仿真基础,结合合水水库的月径流序列,采用启发式分割算法得出去除周期成分后的月径流序列的突变点,以此证明了启发式分割算法检测水文时间序列突变的可行性和优越性。结果表明：4个突变点中,3个突变点集中于水库建成后不久,说明人类活动的剧烈影响为主要驱动力,加剧了对入库月径流量的影响,造成月径流的频繁波动和数次突变点的产生。     

基于滑动Copula函数的金沟河流域径流-气温关系变异诊断

为探究变化环境下金沟河流域径流和气象因素的关系变异情况,根据八家户水文站1964—2016年的水文气象数据,采用极点对称模态分解(ESMD)方法、Spearman相关分析和滑动Copula函数对流域内水文气象要素进行了分析。结果表明:金沟河流域的径流序列整体上呈微弱的减小趋势,降水和气温序列呈增加趋势,ESMD趋势项反映出金沟河流域的径流、降水和气温序列均呈非线性趋势变化;降水和气温序列的突变时间分别为1983年和1997年,径流序列的突变时间为2002年和2015年;滑动Copula函数不同窗口下的相关系数显示径流-气温关系变异时间为1997年,联合序列的最佳Copula函数由1964—1997年阶段的Gauss-Copula函数变异为1998—2016年阶段的Gumbel-Copula函数。气候变化和人类活动是造成金沟河流域径流-气温关系变异的主要原因。研究结果有助于了解金沟河流域内水文气象要素的变化特征及径流气象要素的关系变异时间,可为流域内的其他水文计算提供参考依据。     

基于重标极差的径流时间序列长程研究分析

现目前人类的不断活动导致气候加剧变化,使得水资源重新调整从而引发对水文序列的巨大影响。研究水文序列突变的演化规律,是当前水文工作中的重点课题。文章对径流时间序列在环境变化量展现出的非线性和动态特性,依据水文系统动力学结构理论,进行数学建模并计算,分析研究基于重标极差法对河川径流时间序列的长程相关性,预测其未来变化趋势,研究成果对水利工程的规划运行提供一定的理论基础。     

汀江流域降水径流时间序列的混沌分析

越来越多的研究表明水文系统是一个高度非线性、复杂性的巨型系统。混沌理论为研究变化环境下水文要素特性提供了新方法。以汀江流域上杭水文站月尺度降雨径流时间序列为对象,采用饱和关联维数和最大Lya-punov指数指标识别混沌特性。分析结果表明,汀江流域月尺度降雨、径流的饱和关联维数均为分数维数,最大Lyapunov指数均大于零,可推断其存在明显的混沌特性,为进一步研究降雨径流预报提供依据。     

基于小波分析技术的中长期径流预测模型研究

针对中长期径流预测精度低的问题,提出了基于小波分析技术的时间序列预测模型。利用小波函数db(5)将年径流序列进行尺度为3的分解,得到相应的低频信号和高频信号,然后对各级分解信号利用ARMA(2,1)模型进行预报,最后将各预报结果叠加合成原始径流的预测值,并与ARMA模型直接预测的年径流值比较,通过实例得出前者预测模型要比后者预测的精度更高、稳定性更好,从而验证了该中长期径流预测模型的有效性。     

降雨和径流时间序列的混沌分析与预测

降雨和径流时间序列的混沌分析与预测Ａ．Ｗ．Ｊａｙａｗａｒｄｅｎａ等１绪论在近段时期，伴随描述确定性混沌的奇怪吸引子概念而产生的非线性动力学系统理论已经引起了许多研究者的注意。这个概念也为时间序列分析提供一种新的技术。这些分析着重于从观测到的时间序列中...     

降雨和径流时间序列的混沌分析与预测

降雨和径流时间序列的混沌分析与预测Ａ．Ｗ．Ｊａｙａｗａｒｄｅｎａ等１绪论在近段时期，伴随描述确定性混沌的奇怪吸引子概念而产生的非线性动力学系统理论已经引起了许多研究者的注意。这个概念也为时间序列分析提供一种新的技术。这些分析着重于从观测到的时间序列中...     

基于小波分析技术的中长期径流预测模型研究

针对中长期径流预测精度低的问题,提出了基于小波分析技术的时间序列预测模型。利用小波函数db(5)将年径流序列进行尺度为3的分解,得到相应的低频信号和高频信号,然后对各级分解信号利用ARMA(2,1)模型进行预报,最后将各预报结果叠加合成原始径流的预测值,并与ARMA模型直接预测的年径流值比较,通过实例得出前者预测模型要比后者预测的精度更高、稳定性更好,从而验证了该中长期径流预测模型的有效性。