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。     

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Hilbert-Huang变换的径流演变周期提取

提出一种基于Hilbert-Huang变换的周期提取方法。对径流序列直接进行变换后,经频率搜索处理得到径流波动频率及其演变过程。通过对黄河上游兰州站径流序列的分析,表明该方法能够真实地描述径流序列的非平稳非线性特性,具有很高的准确性与可行性。     

基于周期灰色预测的径流量研究及应用

对径流中出现的不等时距的波动性变化监测信息,结合灰色系统的适用条件,先对监测数据进行序列插值运算,并在与拓扑灰理论预测值的对比下,提出了对应周期数建模的预测方法。最后根据对应周期数建模作出预测曲线,预测结果显示与实际情况非常吻合,有较好的实际意义。     

基于人工神经网络和正规化周期回归的耦合模型及其应用

利用方差分析周期外推方法,提出了改进的正规化周期回归模型,将该模型应用到新丰江流域的径流序列,进行模拟和预测,计算结果表明：长期趋势项和周期项拟合后基本上能够反映出实测径流序列的特征和变化,但预报的精度还不够高,为此,提出了基于人工神经网络和正规化周期回归的耦合模型,对周期回归模型分离出来的随机项时间序列进行BP神经网络的分析、计算预测,并且把预测的结果拟合到周期回归模型的预测结果中,从而达到了从整体上提高预测精度的目的。