基于标准年和相空间重构的水文预报方法

文中提出了一种基于标准年和混沌分析的中长期水文预报方法。首先对最近若干年的水文时间序列进行标准年和剩余分量混沌特性分析;然后计算出时间序列与标准年差值余项的差分序列;最后利用相空间重构理论对此差分序列进行混沌预测,得到预报结果。实例计算表明此方法是可靠的。     

水文时间序列逐步回归随机组合预测模型及其应用

由于气候因素和下垫面因素的综合影响，水文时间序列表现出复杂的非线性，包括确定性成分和随机成分，如月径流序列、日均流量序列等。这些预报对象如果不加处理直接用AR（p）建模进行预测误差较大。文中介绍了通过对非平稳序列提取周期项和趋势项后的余差序列建立AR（p）模型进行水文中长期预报的组合预测方法，并以嘉陵江北碚站7月最大洪峰流量序列为例对组合模型进行验证，结果比较满意。     

非稳态条件下的中长期径流耦合预报方法

气候变化会导致水文序列的非稳态性,从而给水文预报带来新的挑战。以疏勒河上游为例,提出了一种适于非稳态条件下的新的中长期径流预报方法。根据疏勒河径流的补给来源及其受气候变化的影响,按照时间序列模型的思路,依次提取趋势项和周期项,对剩余的随机项采用基于水文-气象遥相关模型,构建了时间序列与水文-气象遥相关的耦合模型。对比分析时间序列法、水文-气象遥相关法和耦合预报法对昌马堡站径流预报的结果,发现耦合预报方法不仅精度最高、模型可信度最高,而且可以描述非稳态的趋势性变化。     

四棵树河中长期径流量预测浅析

本文利用了四棵树河吉勒德水文站（1955年～2008年）的水文、气象等资料,分析了径流中长期变化的规律和影响因素,把河流水量等预报对象作为随机变量,把分析得出的各个影响因素作为预报因子,然后应用回归分析或判别分析的方法对预报因子进行筛选。考虑到水文序列的非平稳性,把水文序列分解成趋势项、周期项、平稳项,然后分项预测,叠加后得到预报结果,以此来预测四棵树河流域2009年的水量趋势。     

ARIMA模型在松华坝水库枯季入流预测中的应用

为探索ARIMA模型在水文中长期预报的适应性,以预报松华坝水库枯季入流为例,选取该水库主要入流控制站中和水文站枯季（11月-次年4月）径流建立数学模型进行分析预测,并与周期时间序列模型的预测结果进行对比,结果表明ARIMA模型预测精度优于周期时间序列模型预测成果,可应用于水文预报工作中。     

组合预报在乌江渡水文预报中的应用

利用1951-2006年乌江渡月径流量和74项气象因子建立逐步回归、时间序列、周期均值叠加、多元线性回归、岭回归模型,对2007年和2008年月径流量进行预报以检验效果。按要求将各水文模型进行加权组合预报,共五种组合均提高了拟合、预报结果的精度和稳定性。     

混沌水文时间序列区间预测研究

本文提出了一种混沌水文时间序列区间预测算法。该算法首先利用关联积分法计算嵌入参数，重构水文时间序列的相空间，而后采用交叉迭代模糊聚类算法确定当前时刻相点的相似状态，并依据给定的不同区间风险度，动态得到未来某一时刻水文要素值的取值区间。作为分析研究，本文采用长江寸滩水文站的月径流时间序列作为研究对象，对其进行非线性水文中长期区间预测研究。结果表明该方法不但可以避免混沌点预测中局部邻域确定的任意性问题，而且还避免了混沌点预测中必须模拟确定性的混沌规则，无法控制其误差的问题。     

历史演变法在清河水库中长期水文预报中的应用

清河水库采用历史演变法、周期分析外推法、平稳时间序列外推法等多种方法进行中长期水文预报。文中着重对历史演变法的原理进行分析和阐述,通过对三种预报方法进行误差分析,得出历史演变法使清河水库中长期水文预报过更接近实际值,对清河水库中长期水文预报结果起到关键性作用。     

长期洪水预报在五常站的应用

水文要素的时间序列是由许多周期波迭加而成的，只有找出这些周期波就可以利用它的迭加和外延作长期洪水预报。     

相空间神经网络耦合模型在水文预测中的应用

混沌相空间理论和神经网络用于径流系统的中长期预测,较传统途径可以更多地利用时间序列中包含的丰富信息,更好地揭示水文动力学系统的规律.针对混沌时间序列,结合混沌分析理论和BP神经网络,建立了相空间重构和BP神经网络耦合预测模型.经实例研究初步表明,用神经网络拟合相空间相点演化的非线性关系是可行的;相空间神经网络耦合预测模型在水文中长期预报中的应用是可行的、合理的,有较好的预报精度和应用价值.     

齐齐哈尔地区“九五”期间水资源预测

1方法的基本概念水文要素随时间变化的过程尽管是多样的，但总可以把它看成有限个不同周期的周用波相互重迭的过程。其数学模型为：式中：x(t)─—某水文要素序列；P1（t）─—第i个周期波序列；─—误差（也称残差）项。根据某水文要素数据，分析出该要素所含有的周期，而且这些周期在预测区间内其影响因素保持不变的话．就可以根据分析出周期进行外延，然后再迭加起来进行预测预报。省要指出的是，由于影响因素的复杂性，这里所指的周期不可能象天体运动、潮汐现象那样相严格周期，而只是概率统计意义上的周期。由于水文要素过程线比较复…     

水文时间序列预测模型研究进展

水文时间序列具有确定成分和随机成分,运用有效的数学方法提取序列样本中的各个成分,通过数学建模的思想,模拟和预测时间序列是近年来水文预报的重要发展方向。与以往过程驱动模型不同,近年来水文预报的模型主要是数据驱动模型,这类模型分为传统方法和新方法两大类。前者主要有成因分析和水文统计方法等,后者包括近年来新兴的模糊分析、人工神经网络、灰色系统分析、支持向量机等。对目前运用于时间序列预测的几个代表方法的模型特点、适用范围和不足进行了简要评述,展望了水文时间序列预测模型未来发展,期望能为水文预报工作提供帮助。     

月径流序列的混沌特征识别及Volterra自适应预测法的应用

在混沌动力系统相空间重构的基础上，利用关联维数法和最大Lyapunov指数法，对月径流时间序列进行混沌特性识别。然后结合自适应技术的实时递推特性和Volterra级数的非线性表征能力，利用Volterra自适应滤波法可对径流时间序列进行预测。通过江桥站和丰满水库实际月径流序列的预测结果表明，月径流序列中存在着一定的混沌特征。应用Volterra自适应法可以有效地对水文时间序列进行预测，与加权一阶局域预测法相比，能够实现更高精度的多步预测。     

株洲水文站水位数据时间序列分析

在水文计算中，一般假定水文现象在时间序列上是相互独立的随机事件。文中利用混沌分形研究中的时间序列分析方法，采用株洲水文站的水位数据研究水文现象的分形时间序列，发现在水文观测中，水位序列并非相独立的随机序列，水文现象是具备混沌特征的复杂现象。     

叶尔羌河库鲁克栏杆水文站年最大流量洪水预报

因影响因素错综复杂且受技术水平的制约,当前新疆水文预报仍处于探索阶段。为了提高区域河流洪水预报精度,基于叶尔羌河库鲁克栏杆水文站数据,采用周期均值叠加法,对叶尔羌河库鲁克栏杆水文站1960—2020年年最大流量序列进行了分析,利用2021年流量数据进行周期外延叠加预报验证并对2022年年最大洪水流量进行了预报,得到库鲁克栏杆水文站2022年年最大流量预报值为2 070 m3/s,预计相对误差在-11.1%以内。研究成果可为周期均值叠加预报方法在新疆水文预报中的运用提供借鉴。     

水文时间序列预报的多维时间序列模型

1　引言 　　随着社会主义现代化建设事业的不断发展，国民经济各个部门对水文预报的要求越来越高，不仅要求有正确的短期预报，而且要求有预见期更长的中长期预报，不仅要求定性，而且还要求定量。但是，由于影响因素的复杂与目前科学技术水平的限制，中长期水文预报还处于探索、发展阶段。目前，中长期水文预报主要根据前期水文气象要素，用成因分析与数理统计的方法，对未来较长时间的水文要素进行预测。现在我们来探讨一下数理统计方法的多维时间序列法在中长期水文预报中的应用。     

正规化周期回归模型在水文中长期预报中的应用研究

水文中长期预报由于其预见期长,且受各种不确定因子的制约,因此预报精度不高、可靠性差。利用方差分析周期外推方法,提出改进的正规化周期回归模型,即利用非线性回归消除模型的趋势项,利用正规化方程组进行方差分析,完成对周期项的识别提取,进而利用趋势项与周期项进行模拟和预测。其在原有方差分析的基础上,根据前人所做的工作,对原存在不合理之处试图进行一些适当的改进,旨在探求一种较为方便,又比较容易操作的实用性水文预测方法。将本方法运用到新丰江流域,并用自回归方法做对比分析,结果证明本方法拟合和预测结果较为可信。     

GSAAR综合模型在水文预报中的应用

从分析水文序列自身演变规律的角度出发，分别引入灰色系统理论、频谱分析法和自回归模型来分离趋势项、周期项和随机项，建立了GSAAR综合预报模型。实例计算结果表明，该模型具有良好的适用性和预报精度。     

中长期水文预报方法研究综述

由于中长期水文预报对于水资源规划管理、水库及水电站调度具有的重要意义,其研究一直受到学术界和工程界的广泛关注。通过围绕其传统预报方法成因分析、数理统计方法和时间序列分析技术,和其现代的人工智能预报技术,包括模糊分析、人工神经网络、灰色系统分析、小波分析、混沌分析、支持向量机、遗传程序设计以及这些方法的相互耦合等进行的全面介绍和评述,并指出将来中长期水文预报的进一步研究方向。     

叶尔羌河卡群水文站年最大流量周期均值叠加分析与预报

文章选用叶尔羌河卡群水文站1954-2018年年最大流量序列进行了周期均值叠加分析,并对2019年年最大流量进行了预报,分析结果令人满意。通过分析可知,因影响因素错综复杂且受技术水平的制约,当前流域测站长期水文预报仍处于探索阶段,对预报模型的适用性等也有待进一步研究,周期均值叠加法将随着时间变化的流域水文序列划分为若干周期波段,并进行波段外延叠加和线性叠加,以获得流域测站最大流量、最高水位等预报结果的误差较小,结果具有可靠性。