基于灰色模型的黄河下游流量预测研究

流量演进过程具有一定的离散性,其中包含部分灰色信息,一般数学水文模型难以实现多尺度的流量预测。灰色系统模型能对原始数据进行挖掘和整理,在保持原序列形式的前提下,通过灰系统的生成,弱化数据的随机性并揭示其内在规律。基于灰色系统理论和灰色预测方法,通过对原始水文序列数据进行优化处理,构建GM(1,1)灰色模型,通过对模型累加预测值的逆处理,即可得原始数据序列的预测值和残差。再对残差数据二次构建关于残差的GM(1,1)灰色模型,得到优化的灰色模型,将模型应用于黄河利津水文站年平均流量的预测,研究结果表明:灰色模型具有直观性好、操作性强等优点,通过模型对利津水文站12 a的年平均流量的拟合和倒数5 a的预测,具有较高的精度,预测的相对误差在0. 71%～10. 64%之间,可为黄河下游防洪、水量调度等研究提供依据。     

灰色动态模型群法及其工业取水量预测应用

对于信息丰富、数据较多的原始数列，采用灰色动态模型群法进行预测，考虑近期信息对未来的影响，可避免单一灰色模型容易利用不稳定信息的缺陷，使预测精度更加准确。本文介绍灰色动态模型群法的建模原理，并利用该方法对济南市工业取水量进行了中长期预测。通过与实际值及其它方法对比表明，该方法预测结果可靠，受人为因素影响较小，实用方便。     

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%。     

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。     

灌溉用水预测模型应用与分析

本文以辽西地区朝阳市为列,分别采用BP神经网络模型和灰色神经网络模型模拟朝阳市农作物灌溉用水量,并和朝阳市1997~2014年实测灌溉用水数据进行预测精度对比分析。研究结果表明:在辽西地区,灰色神经网络模型预测的1997~2014年灌溉水量与实测值之间相对误差为-4.56%~5.55%,精度高于BP神经网络模型预测的相对误差为-14.77%~14.63%,更适合于辽西地区的灌溉用水预测。研究成果可为辽西地区农业灌溉用水预测提供参考价值。     

城市用水灰色动态模拟与预测

城市用水系统与城市居民生活用水、工农业发展和节约用水技术等诸多因素息息相关。因此它是一个多因素、多层次的复杂系统。系统内既有信息部分明确的，又有部分不明确的，因而是一个灰色系统，现应用灰色系统理论和方法建立一个１个阶４个变量的灰色模型，进行白化定量分析。计算结果平均相对误差为６．１％。另外对城市人口发展、工业产值以及万元产值取水量进行预测，其模型，均采用１阶１个变量的灰色模型，进行白化定量预测，其结果人口预测平均误差为０．０１％，工业产值误差为０．０５％，万元产值取水量误差为０．０４％。最后根据已求得的城市人口发展、工业产值、万元产值取水量等三个因子。预测出城市未来的用水是，列在文中表２。     

灰色优化模型在岳城水库大坝沉降分析中的应用

结合灰色模型和小波理论的特点,在小波分析的基础上建立优化的灰色模型,对岳城水库大坝变形监测数据进行分析。首先通过小波理论对实验数据进行降噪处理,数据分解重构之后得到变形信息;采用灰色理论对数据进行拟合和预测;将预测结果和只采用灰色模型预测的数据进行对比。结果显示,优化的灰色模型预测精度较高。     

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。     

基于残差灰色-马尔可夫链的生活用水量预测研究

针对传统GM(1,1)模型在用水量预测方面对非增长序列预测精度差、出现过拟合等问题,采用结合马尔可夫链修正的残差灰色模型预测生活用水量。首先在传统灰色理论预测的基础上,建立了改进残差灰色预测模型:对残差绝对值建立灰色模型,再结合马尔可夫状态转移矩阵判断残差预测值在tn时的正负号,对灰色预测值进行修正。将模型运用于河南省2007—2018年生活用水量预测,结果表明,传统灰色预测模型与改进残差灰色预测模型的平均相对误差分别为4.14%、2.04%,改进残差灰色预测模型的精度等级为"良";同时,改进后模型的后验方差也小于传统模型。这表明改进模型比传统灰色预测模型有更高的精度,拥有更好的可靠性,可以为用水量预测提供新的方法。     

万元产值工业废水排放量的灰色—马尔柯夫链模型预测

万元产值工业废水排放量是一个宏观的技术特征参数。本文依据四川省万元产值工业废水排放量序列既具有灰色性又具有较强随机性的特点,应用灰色——马尔柯夫链模型进行了数据处理和动态预测,为水资源保护规划提供了依据和信息。     

灰色理论及神经网络组合模型在水质预测中的应用

利用灰色理论和神经网络的组合式模型实现了对原水水质的预测。它分析了水质数据的影响因素多,水质变化的非线性等特点,同时考虑灰色理论的单变量预测优势以及神经网络能有效处理数据的非线性、模糊信息的特点,提出使用灰色理论模型GM(1,1)对水质数据进行建模,再使用BP神经网络对实际值和预测值的残差进行建模,最后叠加上述两个模型,实现灰色神经网络组合式水质预测模型。通过对某水厂水质的预测值和实际值的比较,表明该模型对水质有较高的预测精度。     

基于灰色马尔科夫模型的南四湖水质预测

针对传统GM(1,1)模型存在灰色偏差和抗干扰能力弱的问题,建立一种等维新息灰色马尔科夫模型。该模型采用灰色马尔科夫模型改进传统GM(1,1)模型,再利用等维新息思想更新建模所需数据序列。运用该模型对南四湖2019—2021年的水质状况和水质演变趋势进行预测,结果表明：灰色马尔科夫模型的相对误差小、精度高、预测结果合理;2019—2021年南四湖水质整体呈现由北向南逐渐变好的趋势,其中CODCr、NH3-N、CODMn质量浓度呈下降趋势,TP、TN质量浓度有上升现象,存在超标风险,应加强对南四湖流域TP、TN的控制。     

基于灰色关联度的黄河年径流周期及预测研究

根据黄河利津水文站161 a的年径流相关数据,采用灰色系统中的灰色关联度方法,建立了黄河年径流周期模型并进行短期预测。结果表明:利用灰色关联度方法来研究黄河年径流周期是合理可行的;黄河年径流时间序列具有5 a的短周期、10 a的中周期和34 a的长周期,长中短周期共同主导着年径流变化;利用周期模型进行年径流短周期预测结果具有一定的可信度;2016—2020年,黄河年径流变化趋势为逐年下降,明显低于多年均值。     

基于灰色残差模型的灌区地下水最小埋深预测

建立灰色GM(1,1)主模型,然后进行残差修正,从而形成灰色残差模型,并对宝鸡峡灌区周城—苏坊洼地地下水最小埋深进行了预测.结果表明:根据前12 a观测数据建立模型,预测的第13 a地下水最小埋深为3.64m,与实际值相比较,相对误差为4.21％;与单一采用灰色模型GM(1,1)相比,灰色残差模型克服了因数据序列不稳定而带来的误差,可提高灌区地下水最小埋深预测精度.     

基于灰色理论和神经网络的海口市水资源需求预测

构建了GM(1,1)灰色理论模型对海口市的工业、农业、第三产业发展及人口增长趋势的预测,并以此为基础,利用改进BP神经网络模型对海口市水资源需求进行预测,实现了灰色理论与神经网络的有机结合。模型计算结果表明:所建模型能够很好地反映影响因子与水资源需求增长之间的非线性关系,预测所得的水资源需求与实际水资源需求吻合,满足实际预测的需求。     

灰色动态模型在工业用水量预测中的应用

灰色动态模型在工业取水量预测中避免缺乏资料和人为确定参数的不利条件，能有效提高预测结果的科学性和准确性。本文对济南市的厂矿企业增长和人民生活的提高，使城市用水量急剧增加的情况进行灰色动态模型群法预测，结果误差较小。进一步证明该模型的科学性和准确性。     

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。     

流域年径流时序分析的混沌网络模型研究

以混沌理论为基础,对三峡寸滩站月平均径流量时序曲线进行了相空间重构,确定了合理的饱和关联维数.与神经网络结合,用多维相空间建立了网络学习样本和教师值,构造了混沌神经网络分析模型.结果表明:流域年径流序列具有混沌性特征;混沌网络模型预测精度要高于标准BP网络模型,预测结果的绝对误差和相对误差均小于BP网络模型.     

基于最小二乘支持向量机的万元工业GDP取水量非线性组合预测

根据支持向量机(SVM)和组合预测理论,选择趋势法预测万元工业GDP取水量的3种主要模型,提出基于最小二乘向量机(LS-SVM)的万元工业GDP取水量非线性组合预测方模型。实例表明:与单项预测模型和线性组合预测相比,基于LS-SVM非线性组合预测模型具有更强的泛化能力,能够有效提高区域万元工业GDP取水量预测精度。     

基于误差修正模型的黄河源区年径流预测

为了提升黄河源区年径流预测精度以及了解黄河源区降雨、径流、泥沙之间的相互影响关系,以黄河源区唐乃亥水文站实测年降雨量、年径流量和年输沙量作为研究数据,采用协整理论分析方法,分别建立降雨—径流、径流—泥沙两变量误差修正模型以及降雨—径流—泥沙三变量误差修正模型,对研究区年径流量进行预测。结果表明:三变量误差修正模型的拟合优度均大于两变量误差修正模型的,模型解释性更强,更能定量表现黄河源区径流量—降雨量—输沙量之间的关系;三变量误差修正模型的平均相对误差为-4.83%,可以用于黄河源区年径流预测。