基于异方差检验的水文过程隐含周期分析模型及其应用——Ⅰ：模型

本文在讨论水文时序平稳性和异方差性的基础上,提出了检测水文时序隐含周期的模型,即对水文时序设计对数变换序列,提高序列的平稳性;建立相应的自回归模型降低残差的异方差性;通过对所得平稳序列进行周期图分析确定可能的主周期分量。针对水文时序的特性提出包括具有确定频率的正弦项存在性检验、具有确定整数周期的非正弦周期项存在性检验和非确定频率的隐含周期性检验(Fisher检验)三种检验方式,可择其中一种确定主周期的显著水平。采用该模型可以解决利用自相关函数判断序列周期性所不能解决的问题,可进一步挖掘数据隐含的、深层次信息。最后,本文还编制了水文时序隐含周期的计算流程。在理论上,该模型不仅解决了隐含周期的检测问题,对于有确定周期的序列亦适用。     

湫水河流域水沙变化现状及成因分析

根据湫水河流域林家坪水文站47年降水、径流、泥沙资料,利用水文法建立降雨径流模型和降雨产沙模型,在此基础上根据降雨资料建立模拟天然径流量和模拟天然输沙量序列,对因降水变化和人类活动对河川径流及输沙量的影响进行了定量分析,并根据流域内主要的人类活动类型分析了水沙变化的原因。     

基于小波分解的AVOA-DELM月径流时间序列预测模型及应用

为提高月径流时间序列预测精度,提出小波分解(WD)-非洲秃鹫优化算法(AVOA)-深度极限学习机(DELM)组合预测模型,并应用于云南省丫勒水文站月径流预测。利用WD对月径流时序数据进行分解,以获得更具规律的子序列分量;通过AVOA优化DELM隐含层神经元数,建立WD-AVOA-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终月径流预测结果。同时构建基于支持向量机(SVM)、BP神经网络两种预测器的WD-AVOA-SVM、WD-AVOA-BP、AVOA-DELM、AVOA-SVM、AVOA-BP作分析对比模型。结果表明：WD-AVOA-DELM模型对丫勒水文站月径流预测的平均绝对百分比误差为3.02%,预测误差远小于WD-STOA-SVM、WD-AVOA-BP模型,预测精度较AVOA-DELM、AVOA-SVM、AVOA-BP提高1个数量级以上,具有较好的预测效果。WD能科学降低径流序列的复杂性,提高预测精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。     

中国洪水预报系统在那坡站预报中的应用探讨

利用那坡水文站1991~2013年水文资料,采用中国洪水预报系统的应用平台建立那坡水文站降雨径流模型洪水预报方案,并利用系统自动进行模型参数的率定和检验,结果:洪水预报方案的评定与检验合格率达到乙级精度,可用于那坡水文站实时洪水预报作业。     

对数回归-ARMA周期预测模型及其应用

对成都市月供水量时序进行周期分析。在利用对数变换后的回归模型基础上,建立ARMA(1,5)时间序列模型,给出了月供水量时序的预测模型,并根据此模型对2010年全年月供水量进行预测。实例表明:本文提出的基于对数回归-ARMA月供水时序周期预测模型,能更好地挖掘供水量时序的规律。     

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。     

伊春河流域枯水径流预报方法探讨

在分析研究流域气候特征及枯季径流来水规律的基础上,利用实测水文序列资料建立了流域枯季径流预报方程模型,通过实测资料检验,预报精度较高。     

基于方差线谱的水文时间序列周期分析

水文资料在地方水利建设、防洪减灾、水资源管理等方面具有重要作用。由于许多地区缺少长时间序列水文资料,因此在涉水工程研究中,往往需要对水文序列进行模拟和延长,周期识别是其中一个非常关键的步骤,方差线谱法(即周期图法)是周期识别的一种重要方法。本文通过对长江上游某水文站流量时间序列的周期识别,阐述了方差线谱分析在水文时间序列模型中的应用。     

基于Mann-kendall检验的日径流预测模型

基于生产实践中对高精度中长期径流预报的要求,对我国海河流域两大支流之一的滹沱河上小觉水文站(岗南水库入库径流控制站)径流量进行预测研究。采用Mann-kendall检验法对数据进行分析,得到流域径流量的突变年份为1984年。基于此采用1992—2001年的数据(突变年份后的时间序列)训练得到预测模型,采用2002—2004年径流量日值数据就模型对新数据序列的适应性进行验证,建立小觉水文站日径流预测模型。结果表明模型应用在水文时间序列的预测中是合理、可行的,并具有较高的精度。     

基于小波分析的宜昌水文站径流演变规律研究

为了分析宜昌水文站径流演变规律,利用宜昌站1950~2007年实测日均径流量资料,采用MATLAB编程,运用复Morlet小波方法对其径流年际变化和洪枯季节变化进行多时间尺度分析,并剖析了不同尺度下的变化周期。计算出了宜昌水文站年均径流量、汛期与枯水期丰枯交替的时间尺度和主周期。结果表明,1950~2007年不同时间尺度下的演变规律较显著,但其水文规律的长时间尺度结构和记忆有待于进一步分析与探讨。     

基于动态时间扭曲距离的水文相似预测方法研究

在分析动态时间扭曲距离(DTW距离)原理和算法的基础上,提出了基于DTW距离的水文相似预测方法,并将其应用于紫坪铺水文站的年径流预测。结果表明:DTW距离具有动态扭曲特性,支持时间轴上的移动,可以根据具体情况动态地在两个序列之间寻找一条对齐路径;紫坪铺水文站年径流量预测值与实测值对比显示,基于DTW距离度量相似程度的水文相似预测方法的预测结果平均相对误差为9.01%,效果最好,欧氏距离次之,AR模型误差最大。     

重标方差和小波分析在径流分析中的应用

为了揭示径流变化的本质规律及其多尺度影响因素,利用渭河流域华县站1960—2004年共45 a的实测月径流序列,采用滑动重标方差计算了径流序列的标度指数,并对其进行了小波分解重构。结果表明:华县站实测径流序列标度指数演变呈明显的3个变化阶段,分别在1969年、1989年发生了突变,呈现6 a和10 a左右的周期特征,其周期变化与ENSO和太阳黑子活动有着一定的联系。     

红水河乐滩水电站月径流预报模型的编制

根据乐滩水电站运行调度需要,在分析流域干、支流月径流规律的基础上,采用周期叠加对坝址各月径流变化规律进行分析建模.然后利用前期实测水文序列建立递推模型,用于指导电站生产和调度.     

Elman模型在黄河上游年径流预测中的应用

Elman递归神经网络具有上下层，它将隐含层前一时刻的输出反馈到当前时刻的输入，这种反馈连接使Elman网络能够检测随时间变化的序列信息；径流是一种受时问变化影响比较大的信息。因此，采用Elman神经网络理论进行径流预测比较符合径流随时间变化的特点。利用黄河青铜峡水文站数百年的天然年径流时间序列，采用Elman递归神经网络对黄河青铜峡的天然年径流进行预测分析，结果表明，该模型应用在黄河上游的长期预测中是合理、可行的。     

KZ河径流变异性识别与周期特征诊断

认识水文特征变异规律,对区域的综合治理、水资源合理开发与利用具有重要意义。研究以新疆KZ河主要控制性水文站KLBL站53年(1958年～2010年)径流序列为基础,运用累积距平、有序聚类、Mann-Kendall检验、Morlet复小波函数分析等方法研究了KZ河径流的变化趋势及周期演变特征。结果表明:KZ河径流年内分配不均,年际变化不大,径流在1978年发生了变异;径流存在5～10 a,12～18 a和22～28 a 3类尺度周期变化规律,主周期为25、15、8 a,其中25 a的周期最为显著。     

长江三峡水库径流随机模拟及其在调节计算中的应用

本文在总结国内外研究成果基础上,采用改进的典型解集模型和 AR(2)模型模拟宜昌站的径流序列,两种模拟成果的比较表明,AR(2)模型具有较好的统计特性。在模拟技术上先对宜昌径流作标准化正态处理,直接采用二阶自回归模型模拟出标准正态分布的旬、月径流序列,再通过概率转换为 P—Ⅲ分布的宜昌旬、月径流序列。这样不仅避免了由于采用纠偏公式所产生的误差,还可保证模拟序列不出现负值。经统计检验,模拟序列具有良好的统计特性及时序组合特性。模拟序列可作为三峡水库优化调度及检验优化调度成果的依据。采用模拟序列进行三峡水库水利计算及优化调度研究结果表明,宜昌实测105年径流序列具有一定的代表性,其中1946～1976年30年能较好地反映实测序列的各种主要统计特征,作为三峡可行性阶段水利计算的径流依据是合理可行的。研究结果还表明,三峡水库用常规方法进行的调度成果还有潜力可挖,需进一步研究优化调度,以提高三峡工程的综合效益。     

气候变化下水文模拟不确定性若干问题讨论

在阐释水文不确定性定义的基础上,根据气候变化下水文模拟不确定性的分类,总结了气候变化情景、水文模型和评估过程方面不确定性研究的基本范式,概述了每种不确定性的来源及影响,综述了气候变化下水文模拟不确定性研究进展。指出了未来水文系统模拟不确定性研究的重点和方向：结合复杂网络,增强对极端气候事件预估的可靠性;科学处理数据时间窗问题和冗余性,为无资料地区径流预测提供支撑;揭示变化环境下非平稳异方差性水文序列的发生规律。     

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。     

基于集对原理的年径流状态时序变化特性分析

提出了基于集对原理的年径流状态时序特性分析法.该法在年径流状态划分的基础上,用年径流状态时间序列来构造集对,通过联系度中的同、异、反来反映t年径流状态与t Τ年径流状态的转换特性.长江干、支流上的几个水文站年径流的状态时序特性分析表明,建议方法概念清楚、计算简单、结果合理.     

韩江下游径流周期变化特征的小波分析

应用小波理论对多尺度特征的随机时间序列进行分析。选用复Morlet小波函数对韩江下游潮安水文站1954—2000年标准化月径流序列进行连续小波变换(CWT),其小波方差检验并揭示潮安站径流存在12.4年和8.3年的显著周期,并通过2001—2004年韩江流域实际来水情况对该周期特征进行了验证。