基于相空间重构的水文自记忆预测模型

混沌理论为研究复杂多变的非线性水文时间序列开辟了新的途径。本文在相空间重构的基础上，反演了水文系统动力模式，据此进一步建立了相空间自记忆预测模型，并将该模型应用于月径流量预测。实例表明，该模型能较好地处理复杂的水文数据序列，且有较好的预测精度。     

支持向量机的混沌序列预测模型及在径流中应用

混沌和支持向量机理论为研究复杂多变的非线性水文时间序列开辟了新的途径。给出了应用支持向量机回归原理的混沌时间序列非线性的预测建模的思路、特点及关键参数的选取。根据重构相空间理论对月径流过程进行相空间的重构,探讨了支持向量机混沌时间序列非线性预测模型在月径流预测中的应用,在支持向量机建模过程中引入了经向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文数据序列,且有较好的预测精度。     

论混沌理论与水文预测问题

简述了混沌理论的基本概念，结合水文预测问题介绍了混沌理论应用的基本方法和步骤。在水文预测中，应用混沌分析方法需解决相空间重构、时间序列的混沌性识别和混沌时间序列预测等关键技术。     

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.     

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。     

基于混沌时间序列的地下水动态预报

以重构相空间理论为基础,介绍了混沌时间序列的预测方法,并借助G-P算法、C-C方法和小数据量方法从武威盆地地下水位埋深一维时间序列中提取Lyapunov指数,计算结果表明此时间序列具有混沌特性,在此基础上建立了混沌时间序列的一阶加权局域预测模型,对武威盆地的地下水位埋深进行预测。结果表明,该模型预测精度较高,可有效的对地下水埋深的动态进行预报。     

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。     

一种改进的混沌水文时间序列预报方法

提出了一种改进的应用于中长期水文预报的混沌预报方法，对水文时间序列进行周期性和混沌特性分析。利用傅立叶级数展开法分离出时间序列中的主要周期项，对时间序列与主要周期项的差值部分进行差分；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。     

混沌时间序列法在地下水位预测中的应用

在相空间重构的基础上,并借助G-P（Grassberger-Procaccia）算法、C-C方法和Woff方法分别从濮阳市范县、华龙区和南乐县中的某观测孔的地下水位一维时问序列中提取lyapunov指数,通过对地下水时间序列的混沌特性识别,表明其时间序列具有混沌特征。然后运用加权一阶局域法对地下水位时间序列进行预测。结...     

重庆藕塘滑坡地下水位时间序列混沌性判别与预测

在周期性库水位涨落和季节性强降雨等因素影响下,藕塘滑坡前缘地下水位时间序列呈现混沌特性。以藕塘滑坡前缘水文孔(MZK5)地下水位序列为研究对象,进行混沌分析;并利用饱和关联维数法和最大Lyapunov指数法,在水位序列相空间重构的基础上对混沌特性验证。为克服粒子群算法本身的不足和SVR模型参数选取困难的缺点,采用基于遗传选择策略的粒子群算法(GSSPSO)优化选取SVR模型的参数,再用预测性能较为精准的回归型支持向量机(SVR)模型对其进行预测。对MZK5水文孔地下水位进行了BP神经网络模型预测和优化后模型(GSSPSO-SVR)预测。结果表明:藕塘滑坡前缘地下水位序列具有混沌特征,GSSPSOSVR模型预测结果的均方根误差为0.036 m,拟合优度为0.803,说明GSSPSO-SVR模型预测效果较理想,且预测精度高于BP网络模型,具有较强的实用性。     

长江上游径流混沌动力特性及其集成预测研究

针对长江上游干流主要站点月径流时间序列强非线性和非平稳特征,引入混沌理论和AdaBoost.RT集成极限学习机方法对其月径流时间序列进行分析和预测。首先,以流域径流非线性动力系统混沌特征参数辨识为切入点,研究并发现了流域内在特性作用下月径流时间序列动力响应的混沌现象,推求了月径流时间序列相空间重构的延迟时间和最佳嵌入维数,在此基础上,以重构相空间时间序列作为输入变量,引入基于自适应动态阈值的改进AdaBoost.RT算法改进极限学习机模型的学习性能,得到最佳的混沌集成学习月径流时间序列预测模型。实例研究结果表明,所提方法和模型能够显著提高单一极限学习机模型的泛化性和稳定性,从而获得更优越的预报性能。     

基于CEEMD-RF模型的渣土边坡地下水埋深预测

地下水是影响渣土边坡稳定性的关键因素之一,地下水埋深预测对分析渣土边坡稳定性具有重要意义。考虑渣土边坡地下水水位的高度非平稳和非线性特点,提出了一种基于相空间重构的互补集合经验模态分解-随机森林（CEEMD-RF）的地下水埋深预测模型。以广州市某渣土边坡SW2水文观测孔为例,将基于相空间重构的CEEMD-RF模型应用于该渣土边坡的地下水埋深预测,并与相空间重构的RF模型预测结果进行对比分析。结果表明:利用CEEMD-RF模型对地下水埋深预测的拟合优度为0.997,均方根误差为0.03 m,优于相空间重构的RF模型预测结果;基于相空间重构的CEEMD-RF模型预测的地下水埋深序列能很好地反映地下水埋深的尖变点。     

相空间重构支持向量机在径流模拟中的应用研究

将相空间重构理论引入月径流模拟中,利用C-C算法进行相空间重构,将一维径流时间序列拓展为多维,基于交叉验证支持向量机(CV-SVM)原理及方法,构建以相空间重构理论与支持向量机相结合的径流时间序列模拟模型,并构建传统BP、双隐层BP及GA-BP径流时间序列模拟模型作为对比模型,以盘龙河龙潭寨月径流时间序列为例进行分析。结果显示:基于相空间重构理论的CV-SVM模拟模型能较好地处理复杂的径流序列,在长达200个月的测试样本模拟中,平均相对误差e MRE、最大相对误差e MaxRE分别为0.571 7%,5.526 7%,决定系数DC和合格率QR分别为0.999 9和100%。表明该模型具有较高的泛化能力和模拟精度,模拟效果明显优于传统BP、双隐层BP模型,甚至优于GA-BP模型;表明研究建立的基于相空间重构理论的CV-SVM模型用于径流模拟是合理可行的,可为径流模拟提供方法和参考。     

混沌相空间相似模型在中长期水文预报中的应用

基于相空间重构技术，建立了局域单点相似模型、局域多点相似模型、局域线性相似模型和三参数模型4种相空间模型。白山水库月径流量和主汛期径流量的模拟预报应用实例表明，相空间局域模型对揭示水文动力系统复杂的非线性结构很有效，该模型对径流过程的中长期预测是可行的，并有较好的预测精度和应用价值，对提高现行洪水预测精度有一定意义。     

基于改进相空间重构原理的支持向量机月径流模拟

基于交叉验证支持向量机(CV-SVM)原理及方法,构建以相空间重构理论与支持向量机相结合的径流时间序列模拟模型。针对相空间重构中确定延迟时间τ和嵌入维数m的方法众多,且各方法确定结果不尽相同等缺点,本文采用试凑的方法,在延迟时间τ和嵌入维数m取值范围为2～10内依次构建81个基于相空间重构理论的CV-SVM月径流模拟模型,以南利河董湖站月径流模拟为例进行分析,确定最佳延迟时间τ和嵌入维数m,并与自相关函数法等相关延迟时间τ和嵌入维数m的确定方法确定结果进行比较,旨在探寻延迟时间τ和嵌入维数m对月径流模拟精度的影响及其规律,为基于时间序列的水文模拟及预测预报提供方法和参考。     

水文动力系统重建相空间嵌入维数研究

通过探讨水文动力系统重建相空间嵌入维数及其确定方法，并应用到实际水文动力系统计算与分析中，比较了饱和关联维数法、邻近点维数法、伪最邻近点法、真实矢量场法等方法的优劣，分析研究认为，应用真实矢量场法效果较好，值得推广。对金沙江屏山站日流量序列重建相空间嵌入维数的确定可用真实矢量场法较好地描述。该项研究成果有助于进一步加深对水文系统运动规律的认识，并为洪水预报作业提供参考     

宜昌站月径流时间序列的混沌特性分析

关于水文时间序列的混沌特性识别,目前已有多种方法和指标,但单独一种方法一般不能作为混沌特性识别的充分条件。根据相空间重构和混沌理论,对宜昌站1900～2007年的月径流序列进行了较全面的混沌特性分析。首先采用C-C法计算重构参数对月径流序列进行相空间重构,然后分别计算其关联维数、Lyapunov指数和Kolmogorov熵,用这3个不同的混沌判别指标并行分析宜昌站月径流序列是否具有混沌特征。经计算,宜昌站月径流序列各个混沌判别指标均表明其具备混沌特征。     

基于混沌时间序列的大坝变形短期预测

将混沌时间序列预测理论应用到大坝变形预测中，根据非线性大坝变形时间序列，运用相空间重构理论，建立了加权一阶局域法、基于最大Lyapunov指数法大坝预测模型，对混沌的大坝变形数据短期预测模型进行了研究，对比分析了各自的特点，并结合实例完成了对大坝变形的预测。计算分析表明，该模型预测误差较小，与传统的自回归模型预测结果相比，基于混沌时间序列的预测方法在大坝变形的短期预测中具有更高的精度。     

灌区降水量预测的混沌神经网络模型及应用

针对降水时间序列的混沌特性,综合运用混沌理论与神经网络方法的基本原理,通过相空间重构的方法建立了灌区降水量预测的混沌神经网络模型,并给出了计算方法和步骤,从新的角度研究灌区降水预测问题。并将该模型用于濮阳灌区降水量预测,结果表明该模型对降水量的预测准确度较高。     

BRR-SVR月降水量预测优化模型

受多种因素影响,水文时间序列具有非平稳性。研究时间序列的传统模型如ARMA对数据的平稳性有较高要求,不适用于非平稳水文时间序列的研究。近年来,机器学习算法越来越多地被应用于研究水文过程,本文将支持向量机回归(SVR)和贝叶斯岭回归(BRR)应用于月降水量的预测。运用小波变换对降水数据进行分解和重构,然后对各子序列进行相空间重构,运用校验数据从SVR和BRR中选取每个子序列上精度更高的模型,构建耦合支持向量机回归和贝叶斯岭回归的BRR-SVR优化模型,并与单一的BRR模型和SVR模型加以对比。以北京站、南京站和太湖流域7个雨量站为例,采用确定系数、平均绝对百分比误差和平均绝对误差3项指标评估各模型的预测性能,以相对误差图探讨三类模型之间的差异,计算结果验证优化模型的有效性。