基于小波神经与随机分析的径流预测

【目的】分析水文不确定性因素对径流预测的影响,提高中长期水文预报方法模拟预测结果的精度。【方法】将小波分析(WA)、人工神经网络(ANN)和随机分析联合使用建立径流预测模型,即在小波分析(WA)揭示流量时频特性的基础上,将径流原序列分为高频部分和低频部分,然后利用人工神经网络(ANN)对低频部分进行模拟预测,利用随机分析对高频部分进行分析,最后将各部分结果叠加作为最终预测结果。将所建立的径流预测模型用于渠江二级支流后河的径流预测,并与传统BP人工神经网络方法的预测结果进行对比。【结果】根据《水文情报预报规范》,以预测值的相对误差小于10%为标准,传统BP人工神经网络预测结果合格率为46.67%,而基于小波神经与随机分析的径流预测模型在正常水文年模拟预测结果的合格率为73.33%。【结论】基于小波与随机分析的径流模型预测精度好、合格率高,能得到更好的复杂水文条件下的径流预测值。     

基于小波神经网络的麦蚜发生量预测研究

以1979—2014年麦蚜历年发生量及气象数据为基础,采用逐步回归法筛选出对麦蚜发生量影响最大的气象因子,以筛选出的气象因子和1979—2009年麦蚜发生量作为训练集建立了小波神经网络预报模型,用该模型对2010—2014年麦蚜发生量进行预测,结果显示,小波神经网络预报模型的预报结果较准确。     

基于混沌神经网络的径流预测模型

【目的】揭示径流时间序列变化规律并进行预测,为水库调度提供指导。【方法】针对径流时间序列的非线性特点,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌相空间重构的径流量预测BP网络模型,并利用该模型对位于陕西省汉江上游的石泉水文站的径流时间序列进行了预测。【结果】实例计算结果表明,石泉水文站月平均流量的时间序列具有混沌性,最大嵌入维数为12,依此构建的BP神经网络收敛速度快、预测精度较好。【结论】利用重构相空间中的最佳嵌入维数,可合理确定BP神经网络的输入层节点数。     

基于相空间遗传BP神经网络的径流预测研究

基于混沌时间序列的重构相空间、遗传算法的良好全局搜索和神经网络精确的局部搜索特性,以重构相空间中的饱和嵌入维数作为神经网络输入层节点数,通过采用遗传算法优化神经网络初始权重,将重构相空间、遗传算法、神经网络三者有机地结合,提出并建立了相空间遗传BP神经网络预测模型。将该模型用于黄河上游月径流预测,结果表明,该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。     

基于希尔伯特-黄变换与小波变换的无定河径流变化周期对比分析

【目的】对基于希尔伯特-黄变换(Hilbert-Huang transform,HHT)与小波变换的径流周期分析方法进行比较,为选择适合研究流域的径流变化周期判定方法提供参考。【方法】采用HHT与小波变换,对无定河流域干流上的代表水文站白家川站1956-2009年天然径流资料进行分析,探讨2种方法在分析无定河流域年径流变化周期上的差异性。【结果】无定河天然径流演化模式由4个本征模态函数和1个零均值趋势项组成,通过分析各个固有模态函数(Intrinsic Mode Function)分量,由希尔伯特谱及经验分解图可以看出,不同尺度径流波动对径流演变的作用为,随尺度增大,径流平均周期由短变长,由年际变化转为代际变化。无定河流域天然径流演化存在3,7,12和21～22年的近似周期。通过小波系数实虚部及模、模方等值线图,判定其径流丰枯变化及主要周期中心为7,25,40和53年。【结论】基于HHT与小波变换的径流周期分析方法的计算结果基本吻合,但小波分析只能分析出近似周期,而HHT分析还可发现年内变化和年际变化在周期变化中占主导作用,表明HHT方法更为优越。     

基于小波神经网络的城市用水量长期预测研究

针对城市年用水量时间序列的非线性和多时间尺度特性,应用小波分析方法对年用水量时间序列的趋势性、周期性和随机性进行了分析。在此基础上,建立了用于城市用水量长期预测的小波神经网络耦合模型。并利用此模型对昆明市年用水量进行预测,预测结果表明,该模型应用于城市用水量的长期预测具有较高的预测精度和良好的推广能力。     

基于谐波小波的径流序列变异检测

【目的】用谐波小波分析非一致性径流时间序列变异点的数量及变异发生的时间。【方法】针对径流变异点检测方法复杂、难于识别全部变异点等问题,引入一种新的时频分析技术,利用谐波小波分析进行径流时间序列的变异点诊断。【结果】对实测的渭河华县站1961-2004年的径流序列进行谐波小波分析,视频图中的网格图和等高线图显示,1972年、1982年和1994年是径流的变异年。【结论】相对于传统的突变检测方法,谐波小波分析方法在分析非线性时间序列时具有方法简便、可行、有效、分辨率高、对突变点敏感等特点,能够有效地诊断出高度复杂、非线性序列的变异点。     

基于小波神经网络的气温预测研究

主要参考温度信号的固有特性,以1951～2014年的重庆市温度数据为例,使用小波神经网络(WNN)对温度进行预测估计.实证结果表明,该研究建立的小波神经网络能够对未来气温进行较好的预测,进而可应用于天气衍生品定价等领域,实现对冲天气风险.     

基于BP神经网络的韶山地表径流pH预测研究

建立地表水pH预报模型来分析酸沉降下地表径流的酸化趋势,对于研究酸沉降对小流域生态系统的影响和酸雨的防治工作都具有重要意义。韶山地表径流酸度的变化具有很强的非线性特性,要对其酸度进行较为准确的预测,就必须采用能捕捉非线性变化规律的预报方法,因此,尝试选用BP人工神经网络对韶山地表径流酸度进行模拟预测,结果表明,该方法预测的精度较高,在地表径流酸度的预测中有一定的适用性。