基于小波分析的BP网络预测模型及其在年径流预测中的应用

鉴于小波变换序列中尺度系数系列和小波系数系列变化特征存在较大差异,提出了一种新的小波分析与BP网络结合方式,即建立两个BP网络分别对两类系数系列进行预测,再对各小波变换系数的预测值进行小波重构,获得原序列的预测值。将该模型应用于二滩电站入库年径流量预测,结果表明该模型预测精度高,可为水电站提供可靠的入库年径流预测结果。     

鄱阳湖五河流域入湖年径流变化特征分析

为探讨鄱阳湖入湖流量变化特征,以便为鄱阳湖五河流域的水资源管理提供科学依据,根据鄱阳湖五河流域6个水文站近60年的实测径流量资料,采用差积曲线—秩检验联合识别法分析五河流域入湖年径流量的变异性,采用五点滑动平均法、Mann-Kendall秩次检验法分析各站年径流量的变化趋势,应用小波分析法识别各站的变化周期。研究结果表明,各水文控制站年径流序列均未发生突变;各水文站的年径流变化趋势均不显著,鄱阳湖入湖总量在1953~1956、1968~1976、1990~2001年处于丰水年,在1958~1967、1978~1985、2002~2013年处于枯水年;各站均存在19年左右的主周期。     

1958～2017年右江出口径流量演变特征分析

为了分析右江1958~2017年出口径流量演变特征,选用线性趋势法、累积平距法、Morlet小波分析法、Mann-Kendall突变检验法等多种方法,从全年、汛期、枯水期三种情况分析了右江出口径流量的变化趋势性、周期性、突变性等特点,并探讨了不同情况演变特征差异的原因、水利枢纽建设的影响、近期变化的趋势。结果表明,年均径流量和汛期平均径流量序列整体呈下降趋势,枯水期平均流量序列整体呈上升趋势;年均径流量和汛期平均径流量序列第一主周期均为37年,枯水期平均径流量序列第一主周期为10年;由于金鸡滩水利枢纽施工建设,年均径流量序列在2004~2007年持续突变,汛期平均径流量序列在2007年发生突变,枯水期平均径流量未发生突变;三种情况演变特征存在差异性主要原因是人类对径流量的利用主要在枯水期;近期年均径流量将继续处于偏多状态,汛期平均径流量将由偏少状态转为偏多状态,枯水期平均径流量将持续保持偏少状态。     

大朝山电站入库径流变化及预测研究

采用希尔伯特-黄变换和Mann-Kendall非参数检验法对对澜沦江流域大朝山电站1961～2008年入库径流周期及趋势变化规律进行研究,根据分析结果建立BP神经网络-希尔伯特-黄变换耦合模型预测了未来5 a大朝山电站入库径流.结果表明,大朝山电站入库流量序列主要存在3、7、16 a近似周期成分,1961～2000年入库流量呈减少趋势,在进入21世纪后径流有所增加,未来径流量将继续保持递减趋势,2014年将达到最小值,之后径流有所回升.     

龙刘水库联合运用对黄河上游径流量变化的影响

为分析龙刘水库联合运用对黄河上游径流变化的影响,选取黄河上游八个水文站1950~2009年径流资料,根据水量平衡原理还原水库运用后径流序列,采用Mann-Kendall趋势分析法、突变检验法及小波分析法,分析了龙刘水库运用前后兰州站与下河沿站实测与还原年径流量的变化特征。结果表明,实测与还原序列都存在显著的下降趋势,实测序列突变年份为1987年,还原序列为1990年;实测序列与还原序列都存在3~5、6~9、14~17、23~27年四类周期变化尺度,兰州站与下河沿站实测径流序列的主周期都依次为25、16、8和4年,兰州站还原序列主周期依次为23、8、4年,下河沿站还原序列主周期依次为24、4、8年。说明龙刘水库的联合运用加剧了径流序列下降的趋势,有促使序列突变提前的可能性,且对径流序列的周期变化产生了一定的影响。     

近50年来滦河下游径流演变特征及成因分析

选用滦河下游滦县水文站1956~2006年径流量资料,采用线性倾向估计、滑动平均、滑动t检验、Yamamoto法、有序聚类和小波分析等方法分析了滦河下游年径流量演变趋势和周期特征,并分析了径流变化原因。结果表明,滦河下游年径流量呈显著下降趋势,年径流量倾向率为-9.5×108m3/10a;年径流量在1979年前后发生了突变,随后总体呈下降趋势;年径流序列主要存在3个尺度的周期变化,其中以30年以上尺度的震荡最强;人口增长、工农业用水增加、跨流域调水等人类活动因素是导致滦河下游径流量减少的主要原因。     

基于Elman神经网络的锦屏一级水电站年平均径流量集合预报研究

为预报锦屏一级水电站年平均径流量,根据其1960~1999年逐年年平均径流量与上年(1959~1998年)逐月74项大气环流指数的相关关系,选出相关性高且与年平均径流有物理联系的大气环流指数作为预报因子;利用多个Elman神经网络建立年平均径流量的集合预报模型,并采用锦屏一级水电站1960~1999年的逐年年平均径流量和筛选的预报因子数据对模型参数进行率定,2000~2011年的逐年年平均径流量对模型预报效果进行检验。结果表明,基于Elman神经网络的单一模型的范化能力较好,多模型的集合预报精度比单一模型的预报精度有进一步提高,可为锦屏一级水电站水资源调度提供参考。     

梧桐河流域上游径流时序变化特性及趋势

为掌握梧桐河流域上游径流时序变化特性以指导流域水资源开发利用,基于梧桐河上游宝泉岭水文站1951～2013年天然径流序列,采用累积距平法、非参数检验Mann-Kendall法和Morlet小波分析法研究了年、季节径流量的趋势特征、突变特征及周期特征,探讨了引起天然径流量发生变化的主要原因。结果表明,梧桐河流域春、冬两季径流量分别以0.005×10~8、0.004×10~8 m~3/10a平均速率呈增加变化,夏、秋两季径流量分别以0.144×10~8、0.243×108 m~3/10a平均速率呈减少变化,仅秋季径流量减少趋势显著,在季节径流量综合作用下,年径流量以-0.379×10~8 m~3/10a平均速率呈不显著减少变化;年及季节径流量丰枯转变频繁,突变多发生于1960年代中期以前;年及四季径流量存在显著周期特征,第1主周期依次为12、14、12、11、11年;降水减少引起流域径流量减少,使得两者呈基本一致的时序变化特性。研究成果可为流域水资源开发利用及规划管理提供依据。     

天山西部山区融雪年径流水文特性分析

为了解天山西部山区以融雪补给为主河流的水文特性和影响因素,提高该地区融雪年径流预报精度,基于小波分析方法和小波相关性分析方法,以天山西部山区喀什河流域为研究区,借助乌拉斯台水文站1960~2005年逐日实测年降水、年气温和年径流数据进行计算分析。结果表明,年气温、年降水和年径流序列分别存在22、27、18年的周期变化特性;年气温与年径流序列、年降水与年径流序列均存在良好的相关性,并且年降水对年径流的影响较大,直接决定河川径流量,年气温对年径流起调峰调频的作用。     

虹吸井对尾矿坝地震液化的影响分析

针对河套灌区地下水位预测问题,结合小波变换的时频局部特性和神经网络的逼近功能,构建了两种不同耦合方式下小波和BP神经网络相结合的小波网络模型,比较了不同耦合方式下小波网络模型与单纯神经网络模型的预测效果。两种耦合方式下的小波网络模型模拟结果均比单纯使用人工神经网络模型更接近实测值,对低频信号序列及高频信号序列分别进行神经网络模型预测后再进行重构的预测方式比直接将小波分解的多级信号与神经网络结合的预测方式具有更好的预测效果。     

小波网络耦合模型在地下水位动态预测中的应用

针对河套灌区地下水位预测问题,结合小波变换的时频局部特性和神经网络的逼近功能,构建了两种不同耦合方式下小波和BP神经网络相结合的小波网络模型,比较了不同耦合方式下小波网络模型与单纯神经网络模型的预测效果。两种耦合方式下的小波网络模型模拟结果均比单纯使用人工神经网络模型更接近实测值,对低频信号序列及高频信号序列分别进行神经网络模型预测后再进行重构的预测方式比直接将小波分解的多级信号与神经网络结合的预测方式具有更好的预测效果。     

Fault diagnosis for temperature,flow rate and pressure sensors in VAV systems using wavelet neural network

Wavelet neural network, the integration of wavelet analysis and neural network, is presented to diagnose the faults of sensors including temperature, flow rate and pressure in variable air volume (VAV) systems to ensure well capacity of energy conservation. Wavelet analysis is used to process the original data collected from the building automation first. With three-level wavelet decomposition, the series of characteristic information representing various operation conditions of the system are obtained. In addition, neural network is developed to diagnose the source of the fault. To improve the diagnosis efficiency, three data groups based on several physical models or balances are classified and constructed. Using the data decomposed by three-level wavelet, the neural network can be well trained and series of convergent networks are obtained. Finally, the new measurements to diagnose are similarly processed by wavelet. And the well-trained convergent neural networks are used to identify the operation condition and isolate the source of the fault.     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

应用小波-人工神经网络组合模型研究电力负荷预报

针对负荷时间序列的非线性和多时间尺度特性．提出了将小波分析与人工神经网络相结合进行负荷预报的方法——小波-人工神经网络组合模型。该模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力。以月、日平均负荷预报为例对模型进行验证．结果表明：该模型的拟合、检验精度较高。     

基于小波变换与Elman神经网络的短期风速组合预测

风速的准确预测对风电场发电系统的经济和安全运行有着重要的作用。为了克服风速随机性强的缺点,提高短期风速预测的精度,提出了一种将小波变换与Elman神经网络相结合的短期风速组合预测模型。该模型由小波预处理模块和神经网络预测模块组成。首先利用小波预处理模块将风速序列作多尺度分解,重构得到不同频段的子序列,然后利用Elman神经网络模块分别对其训练和预测。实际风速预测结果表明,与单一的Elman和ARMA法相比,该组合预测模型的预测精度有较大的改善,可以用于风电场短期风速的预测。     

基于改进遗传算法优化的小波神经网络短期负荷预测模型

针对传统小波神经网络在电力系统短期负荷预测中存在预测结果的精确度依赖初始网络参数的问题,提出了一种基于改进遗传算法优化的小波神经网络短期负荷预测模型。为了保证神经网络在训练过程中,各个层的权值和阈值按最优方向变化,将遗传算法引入小波神经网络,利用遗传算法寻优能力指导权值和阈值进行优化。将概率分布策略用于遗传算法的种群交叉和变异过程,解决遗传算法在中后期搜索精度差,收敛速度慢等问题。应用结果表明,与基本的小波神经网络的预测模型相比,在只考虑短期负荷历史数据的情况下,通过均方根误差计算比较,基于改进遗传算法优化的小波神经网络短期负荷预测模型具有更高的预测精度。     

小波结合模糊聚类和神经网络的汽油机爆震诊断方法

为提高爆震诊断的精度,提出一种小波结合模糊聚类和神经网络的爆震诊断方法:以小波变换作为神经网络的前处理器以提取爆震特征;特征参数经模糊处理后,利用神经网络进行爆震诊断。对某汽油机进行了爆震试验,并对小波结合模糊聚类和神经网络的爆震诊断方法的有效性进行了检验。结果表明,相对能量、三次原点矩、峭度和方差4个特征参数,能够将小波子带信号的特征刻画出来,小波结合模糊神经网络方法能诊断出爆震边缘,应用于点火控制以提高汽油机的性能。     

基于小波神经网络的单相三电平逆变器谐波检测

本文采用小波神经网络（Wavelet Neural Network,WNN）算法对时变谐波信号进行检测。利用Harr小波对谐波信号的幅值和相角进行逼近;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛速度;给出网络参数的选定方案;确定网络的训练算法。在MATLAB/SIMULINK环境下对该算法进行仿真,与传统的小波算法比较,该算法不仅可行,而且精确度得到提高。     

基于数据挖掘和遗传小波神经网络的光伏电站发电量预测

为了解决光伏发电预测不确定性问题,进一步提高光伏电站发电量的预测精度。提出一种基于数据挖掘和遗传小波神经网络的光伏电站发电混合预测模型,利用K均值聚类算法对历史数据进行分类,并对传统BP神经网络进行改进。以BP神经网络为基础,引入小波分析构建小波神经网络,同时利用遗传算法对网络的初始参数进行全局寻优得到最优参数,利用交叉熵函数对学习规则进行改进。改进后的网络模型既具有小波分析的良好的局部时域和频域特性,又具有全局搜索能力,可增大跳出局部最优的可能性,同时拥有更快的收敛能力和稳定性。实验结果验证了该算法的有效性。