探求径流序列中的混沌特征

以葛洲坝、隔河岩、朝阳寺、龙洞电站的径流时间序列为例详细说明了求取时间序列中的混沌特征数的方法,并证明这些电站的径流序列中也含有混沌特征,这不但使我们加深对径流过程的认识,同时也对下一步的建模研究有一定的指导意义     

基于经验模态分解的年径流组合预测模型

针对年径流量时间序列非线性、非平稳的问题,采用经验模态分解法(EMD)实现对年径流的多时间尺度、多层次分解,获得简单且平稳性较好的分量,分别选择合适模型对各分量不同变化规律进行合理预测分析,再将各分量预测值结合,重构原始序列年径流预测值,进而建立基于EMD的年径流组合预测模型,并应用于桂江流域年径流预测中.结果表明,该模型预测结果稳定可靠、精度较高,具有推广应用价值.     

径流序列的混沌神经网络预测方法

介绍了径流序列的混沌性识别技术,并提出了一种基于混沌序列的神经网络预测方法．     

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.     

辨识混沌时间序列中的确定性

总结了一些分析混沌时间序列的关键技术：相空间重构、吸引子维数、Lyapunov指数、熵等,并综合运用这些方法来判断时间序列是否存在混沌现象。     

求取混沌时间序列嵌入维数的一种神经元网络方法

在混沌理论分析中,传统的求取时间序列的嵌入维数方法非常复杂,提出一种通过神经元网络求取时间序列的嵌入维数的方法,仿真结果证明,该方法是一种简单可行的方法。     

基于多模型的黄河源区径流极值情景预测

基于HadCM3提供的未来情景,采用HBV模型、新安江模型、TOP模型和径流极值的评估方法,分析和预测了气候变化下黄河源区径流量的变化情况。结果表明,三个模型均能较好地模拟黄河源区唐乃亥站的历史径流系列;在A2和B2情景下,黄河源区未来多年平均径流量呈减少趋势,径流年内分配的变化表现为夏、秋季节的径流量显著减少,而冬、春季节的径流变化趋势随水文模型的变化而变化;未来高流量事件的发生频率呈减少趋势,洪水强度可能会进一步缓和,而冬季低流量事件频繁发生的可能性增加。     

流域年径流时间序列的奇异谱分析

将奇异谱分析(SSA)法应用于新疆维吾尔自治区伊犁河雅马渡站年径流预报,分析了流域多年径漉时间序列奇异谱,提取年径漉序列的时间主成分量,重构了原序列中的周期震荡成分,获得了径流时间序列规律,并采用时间序列分析中的AR(p)自回归模型预测了流域年径流序列.实例结果表明,SSA法具有较好的实用性,为深入研究流城径漉规律提供了依据.     

基于Spearman系数和TCN的光伏出力超短期多步预测

研究一种基于Spearman相关系数和改进时间卷积网络（TCN）的超短期多步光伏功率预测方法。首先,采用Spearman相关系数方法对输入的天气特征量进行筛选;然后,构建合适的时间卷积网络使其适配光伏功率预测问题。经过实际的光伏电站数据测试,单步预测模型拟合度为99.41%,预测平均绝对误差为61.04,均优于传统的长短期记忆神经网络（LSTM）。     

城市需水量预测的混沌神经网络模型

将人工神经网络原理引入城市需水量预测中，针对BP网络收敛速度慢、易陷入局部极小的缺陷，提出了基于混沌神经网络的城市需水量预测模型，该模型简便易行，收敛速度快、预测精度高，具有良好的应用前景。     

基于GA-AHP法的径流组合预报

为进一步提高径流预报精度、增加预报结果的可靠性,提出了一种将遗传算法(GA)与层次分析法(AHP)相结合的优化组合预报权值方法(GA-AHP法),就是将小波分析法(WA)分别与自回归(AR)模型、人工神经网络(ANN)模型、支持向量机(SVM)模型进行耦合,选取MARE、SPR、REL、CPX四个评价指标量化单一模型的预报精度、泛化能力、结果可靠性、模型复杂度,依据GA-AHP法率定各模型的权值并进行组合预报。实例应用结果表明,该组合方法的预报精度更高,预报结果更可靠,对非一致性径流序列具有更强的适应性。     

DGA SVR日径流非线性预报模型及应用

实时而准确的日径流量预报在防洪减灾、优化调度等方面起到了巨大作用。将遗传算法(GA)与支持向量回归(SVR)改进模型耦合,同时对SVR三个重要参数(C,σ,ε)进行动态寻优,构建了动态三参数优化GA-SVR日径流非线性预报模型(DGA-SVR)用于黑水河流域日径流预报,通过与BP神经网络和多元线性回归预测结果进行对比分析,DGA-SVR模型预测精度明显优于BP神经网络和多元回归模型。     

MCEEMD-HGWO-MGU混合模型在径流预测中的应用

为分析径流非线性特征对预测精度的影响,在改良的互补集成经验模态分解(MCEEMD)基础上,建立混合灰狼优化算法(HGWO)与最小门控单元(MGU)混合的径流预测模型,并利用该模型预测黄河下游三个水文站处的月径流.选取纳什效率系数和合格率评价模型性能,并选择多个误差指标与其他模型进行比较.结果表明,与其他模型相比,MCE...     

Logistic回归模型在径流丰枯形势预测上的应用

年度径流丰枯形势预测对电厂生产计划安排及市场竞价具有重要意义。基于SAS平台,以瀑布沟水库1937~2006年的历史径流资料为例,探讨了基于Logistic回归模型进行径流丰枯形势预测的可行性。先应用集对分析法对各年份进行径流丰枯分类,其次以径流丰枯状态为因变量,采用Logistic回归模型进行影响径流状态的危险因子筛选,结果表明1、7月的流量对径流丰枯分类影响最为显著;最后利用累积Logistic回归模型得出径流状态一步转移概率矩阵,与马尔科夫法计算结果对比表明,采用Logistic回归模型进行丰枯形势预测是可行的。     

灰色自记忆模型在年径流预测中的应用

为探索提高年径流预测精度的简单有效途径,以GM(1,1)微分方程为动力核建立了灰色自记忆模型,并应用于寸滩站年径流的拟合和预测中,取得了良好的效果。与组合模型相比,该模型结构简单并具有较高的拟合和预测精度,可应用于年径流序列的预测之中。     

基于Copula函数的云龙水库月径流预测研究

为保障向昆明市供水的掌鸠河引水供水工程水源地（云龙水库（含双化水库））水源充足,对云龙水库上游掌鸠河天然径流量进行精确预报就显得十分必要。为此,采用Copula函数构建相邻月径流之间的联合分布函数,给出了基于Copula函数的月径流预测方法及步骤,并将其应用于云龙水库上游掌鸠河天然径流量预测中。结果表明,2011～2013年各月的天然流量均处于预测流量的上、下限之间;2011～2013年各月径流量预测值的相对误差多为5%～15%。显然基于Copula函数的月径流预测精度较高,可为云龙水库（含双化水库）水资源调度及水资源优化配置、防洪抗旱提供参考依据。     

优化的灰色拓扑模型在年径流预测中的应用

由于河川径流具有变化剧烈、波动频繁的特点,采用常规水文预报方法的预测效果较差。为此引进灰色拓扑方法,在优化原始GM(1,1)模型的基础上,通过改进拓扑预测的矛盾点筛选方法,建立了优化的灰色拓扑预测模型群,对梨园河流域的实测年径流序列进行模拟和预测,发现所建模型的拟合曲线与实测序列的变化趋势一致,比传统的灰色拓扑方法具有更高的精度。结果表明,改进的灰色拓扑模型能够有效克服振荡序列的非线性影响,可作为研究区域的径流预报和水资源分析的参考依据。     

蝗虫优化相关向量机模型在径流预测中的应用

针对径流序列不稳定导致预测精度不高的问题,提出一种基于变分模态分解(VMD)和蝗虫优化算法(GOA)优化相关向量机(RVM)的组合径流预测模型。首先对原始非平稳的径流序列采用VMD得到若干个相对稳定的分量序列,再分别建立RVM预测模型,并采用GOA优化RVM中核函数的参数,最后累加所有分量的预测值得到径流序列的预测值。实例结果发现,较传统的BP神经网络、支持向量机及基于经验模态分解的支持向量机等模型,该模型预测精度更高,预测结果能为水电站的经济运行、水资源的有效利用等提供决策依据。     

东北地区月降雨时间序列的混沌特性研究

运用混沌分析的重构相空间技术，以东北地区四大水库控制流域的月降雨时间序列为例，估算出饱和相关维数与最大李雅谱诺夫指数，探讨了月降水量的可预报性问题。研究表明：降水系统中存在着混沌的特征。