生命旋回-Markov链模型在径流预测中的应用

为了解决生命旋回模型无法反映径流序列随机性的问题,将生命旋回模型与Markov链模型结合,建立了生命旋回-Markov链组合预测模型。该模型的特点是用生命旋回模型模拟预测径流量序列的趋势项,用Markov链模型对径流残差序列进行修正。应用该方法对黄河上游唐乃亥水文站的径流量预测结果表明:汛期预测平均相对误差为18.07%,但是有些月份误差较大;枯期预测的平均相对误差为8.26%。     

加权马尔可夫链模型在韩江流域年径流状态定性预测中的应用

在介绍加权马尔可夫链预测方法的基础上,建立韩江流域年径流丰枯状态定性预测模型,经实例验证,获得较为满意的结果。     

马尔可夫链在水库入库径流状态预测中的应用

依据漳河水库1963～2008年入库年径流量资料,应用均值标准差法建立5级分级标准.针对径流量为相依随机变量的特点,以各阶自相关系数为权重,运用马尔可夫链模型预测未来一年的入库径流量状态.结果表明:该方法直观、预测准确、计算简便,为区域径流量的中长期预测提供了新的分析途径.     

加权马尔可夫链在开都河径流预测中的应用

基于径流过程不确定性、不精确性的特点,可利用资料系列的均方差方法把径流序列分为不同的状态,在此基础上用加权马尔可夫模型预测径流状态,并根据级别特征值预测径流量.在开都河的实例应用表明:将加权马尔可夫链方法应用于径流量预测是可行的,预测精度较高.     

径流预测的生命旋回——拓扑模型

针对传统径流预测模型无法反映径流序列随机性,或模拟收敛速度慢、模型参数难以确定等缺点,提出了一种新的径流预报模型——生命旋回——拓扑预测模型。该模型用生命旋回模型模拟预测径流量序列的趋势项,用拓扑模型来对径流残差序列进行修正。将生命旋回——拓扑模型用于黄河唐乃亥水文站径流预测中,平均预测精度达到96.28%,合格率为100%。表明该模型预测精度较高,模型实用可行。     

加权马尔可夫链在降水状况预测中的应用

在介绍加权马尔可夫链预测方法的基础上,以郑州市1951~1994年降雨量资料为例,采用均值标准差分级法进行旱涝指标值分级,把这44年资料划分成雨涝、偏涝、正常、偏旱、干旱5种状态,应用加权马尔可夫链对该地区旱涝状态进行预测和分析,结果表明该方法预测结果与实际情况相吻合。     

基于加权马尔可夫链的降水预测应用研究

介绍了加权马尔可夫链的预测方法与模型,以川中丘陵区简阳市为例,根据1974～2003年的降水量资料,采用均值-方差法对年降水量进行了状态分级,应用加权马尔可夫链对该地区的早涝状态进行预测和分析。结果表明：该方法客观、准确、可靠、简便,为区域降水的中短期预测提供了新的解决途径。     

基于马尔可夫链校正GM-BP模型的径流预测

为进一步提高中长期径流预报精度,以兰西水文站1959-2014年径流深数据为例,分别利用灰色模型和BP神经网络模型对径流深数据进行预测,采用马尔可夫链推求状态概率对预测结果校正,用最小二乘法对双模型校正结果进行耦合。模型所得组合校正预测结果通过平均相对误差、均方差和合格率进行统计描述,校正后的组合预测结果平均相对误差和均方差分别为12.72%和11.70,均要优于灰色模型和BP神经网络模型且90.91%的预报结果满足相对误差小于20%的控制条件。可见,耦合模型能有效规避单一模型已存在的缺点,基于马尔可夫链的修正结果可使预测精度进一步提升。因此,本研究提供的组合校正模型在一定程度上具有更好的拟合效果和预报精度,是一种具有实用价值的预测模型。     

加权马尔可夫链在银川地区降雨量预测中的应用

依据1960年～2008年银川地区的年降雨量资料,采用均值一标准差分级法,对其进行状态分级,分为枯水年、偏枯年、平水年、偏丰年和丰水年5个状态。根据马尔可夫链预测方法,验证了该降水序列满足马氏性,并以规范化的各阶自相关系数为权,建立了适用于银川地区年降雨量的加权马尔可夫链预测模型,实例验证结果令人满意。在此基础上结合模糊集理论中的级别特征值,预测了银川地区2009年及2010年的年降雨量。预测结果表明：银川地区2009年为偏枯年,年降雨量为150．45mm;2010年为平水年,年降雨量为177．38mm。最后采用平稳分布估计年降雨量各状态的重现期,结果显示银川地区年降雨量处于平水年和偏枯年的可能性较大。     

蚌埠市年降水量的权马尔可夫链预测

按照降水量丰、偏丰、平、偏枯、枯划分标准,对安徽省蚌埠市1950～2006年年降水量划分5种状态,并对该状态系列进行马氏验证。然后以规范化的各阶自相关系数为权重,建立蚌埠市年降水量的权马尔可夫（Markov）模型,预测未来降水的丰枯变化状况,获得了较为满意的结果。     

基于Bayes分类的Markov径流量预测模型

针对河川径流成因复杂性和水文过程随机性的特点,且用单一预测法存在一定局限性的现状,提出混合Bayes-Markov预测模型。先用Bayes公式对径流进行丰枯分类,然后采用加权Markov分析方法建立预测模型,该模型可综合利用Bayes和Markov方法的优点,提高径流预测精度。以兰州站河川径流量预测为例,进行模型验证。结果表明,2003～2009年径流量预测精度达到85.7%,能满足规范要求。     

基于隶属度修正的加权马尔可夫链的降水预测

应用Fisher最优分割法将榆林地区1951—2015年的年降水序列划分为9个状态,采用规范化的各阶自相关系数为权重,建立了加权马尔可夫链模型。以属于同一状态的所有降水量的均值作为聚类中心,应用模糊C均值聚类(Fuzzy C-Means,FCM)算法中的隶属函数计算隶属度,以隶属度向量作为预测时的初始状态向量。该模型逐年预测了榆林市2006—2015年的降水状态,结果全部与实际情况一致。基于马尔可夫链的预测结果,采用模糊集中的级别特征值理论分别预测了2006—2015年的降水量,所有预测结果的相对误差都在10%以内,初步表明基于隶属度修正的加权马尔可夫链模型是合理可行的。     

年径流量水文指标的灰色概率预测

在研究分析农业生产条件中,经常会遇到一些灾变问题。为了科学应对灾变问题发生所给工农业生产带来的困难,超前预测灾变发生多大概率的可能性是很有实际意义的。作者以某区域年径流量历史统计资料,应用灰色概率预测方法,对该区域作了分析预测,结果与实际比较接近。在客观世界中,不论是自然系统还是社会系统,有许多现象发生并不严格具有无后效性,所以应用灰色理论来描述马尔柯夫过程,能够较合理地反映过程的灰色特征。     

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．     

Volterra模型在月径流预测中的应用研究

水文过程的月均径流序列存在着较明显的低维混沌特性,利用Volterra模型可以较好的预测低维混沌序列。引入低维混沌动力系统相空间坐标重构的Volterra自适应预测模型,对多年月均径流序列采用二阶Volterra自适应滤波器进行预测。以大渡河石棉站33年的月径流量为例进行验证,预测相对误差<10%的天数为73.3%,相对误差<20%的天数为90.0%,与人工神经网络预测结果对比表明该方法具有较满意的准确率。     

基于云模型的非一致性年径流预测

采用云模型和非一致性水文计算法对岷江流域年径流建立预测模型,利用非一致性计算法将水文序列分成相对一致的随机性成分和非一致的确定性成分,再分别对确定性成分和随机性成分进行云模型的不确定性推理,最后根据时间序列分析的分解与合成理论进行数值合成,得到最终的预测值。通过与传统预测方法相比较,非一致性云预测方法有较高的预测精度和推广应用价值。     

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m³和79 818.34万m³,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。