WPD-RSO-ESN和SSA-RSO-ESN模型在径流时间序列预测中应用比较

为提高径流时间序列预测精度,提出小波包分解(WPD)与奇异谱分解(SSA)-鼠群优化(RSO)算法-回声状态网络(ESN)相混合的径流时间序列预测方法.分别利用WPD和SSA将非平稳径流时间序列分解为若干子序列,有效降低径流时间序列的复杂性;介绍RSO算法原理,在不同维度条件下选取6个典型函数对RSO算法进行仿真测试;...     

基于小波分析的年最大径流预测方

径流序列可以看成是各种不同成分线性叠加构成的时间序列。利用小波变换良好的局部化时频分析能力，将年最大径流序列进行分解，使其趋势项、周期项和随机项得以分离。各子序列分别代表不同的时间尺度，反映了各种物理因素对径流过程的影响。然后根据各子序列的特性分别建立幂函数、周期函数或ARMA模型并进行预测。最后将各子序列的预测值合成，得到年最大径流序列的预测值。对宜昌站1991年至2002年最大径流量的预测结果表明，该方法是切实可行的。并指出小波包变换在分析中、高频信息方面优于小波变换，有助于进一步提高预测的精度。     

东江流域博罗站天然年径流量序列多时间尺度分析

采用Morlet小波函数,对东江流域博罗站1956-2005年天然年径流时间序列进行了小波分析,揭示了流域天然年径流变化的多时间尺度的复杂结构,分析了不同时间尺度下天然年径流序列变化的周斯,并根据主周期对未来序列变化进行了预测。研究结果表明,天然年径流序列呈现微弱的减少趋势,21 615万m3/(10 a),近50年天然年径流量减少了约108 075万m3;天然年径流量变化的特征时间尺度为2年、4年、8年、12年、19年,其中8年左右的周期振荡最强,为天然年径流量变化主周期;依据主周期的变化趋势,预测2006-2009年间天然年径流将偏多,大约在2010-2013年天然年径流将偏少。     

基于小波分析-PSO优化ANFIS的径流组合预测模型研究

径流序列由于多种因素的影响,存在十分复杂的变化特性,如果利用常规方法直接进行预测,其预测精度一般不高.如果将径流序列分解成比较简单的序列,再利用非线性预测方法进行预测,其精度将会得到提高.利用小波分析的多分辨率分解功能对径流序列进行分解,降低了径流序列的复杂程度.利用PSO对自适应神经模糊推理系统的网络参数进行优化,提高模型结构参数的确定精度.将小波分析与PSO优化的ANFIS进行组合对径流序列进行预测,经实例验证:该模型能够提高径流预测的精度,预测效果较好.     

基于小波分析的黄河上游径流变化周期研究

为了研究黄河上游径流变化周期,在综合评述已用方法的前提下,引入了小波分析法;然后采用Morlet连续小波变换,对兰州和贵德2站84年(1920～2003年)年径流时间序列变化特征进行了多时间尺度分析,揭示出黄河上游年径流在不同时间尺度下的小波变换时频特征及其丰、枯交替变化的周期规律;进一步分析其径流变化规律,发现黄河上游年径流变化具有同步性,现正处于偏枯期;最后对分析结果进行小波系数过程线及方差图检验,得出黄河上游年径流具有32年的主周期变化规律,同时预测2007年后的17年(2008～2024年)时期内,将处于偏丰期。     

基于小波分析的支持向量机径流预测模型及应用

针对径流年内、年际变化幅度大、单一方法难以预测的特点,提出基于小波分析的支持向量机径流预测模型。该模型从时频分析角度出发,把月径流序列分解成不同的频率成分,分别采用支持向量机进行预测。以淮河支流沙河上游某水库月径流预测为研究实例,得出了较满意的预测结果。通过与其它方法预测结果的对比分析,验证了模型的有效性,为径流预测提供了一条新途径。     

基于SSA-ARIMA模型的青弋江干流径流预测

传统自回归滑动平均模型对非平稳和非正态分布的径流时间序列处理能力有限,很大程度限制了该方法在径流预测中的应用。基于青弋江西河镇站1970-2010年的逐月径流资料,利用奇异谱分析技术对1970-2007年逐月径流量进行分解,提取径流显著振荡的时间主分量序列,重构趋势序列、多年变化序列、年际变化序列和年内变化序列,运用ARIMA模型对各显著分量序列进行模拟预测,在对所有分量进行序列重构时,进行误差校正,同时利用传统ARIMA模型进行预测,将两者结果与实测值进行比较,检验其精度。结果表明:奇异谱分析技术能有效地从原始序列提取可靠的信息,通过分序列ARIMA模型预测重构后的径流序列与实测值更为接近,提高了传统ARIMA模型的预报精度。     

基于VMD-PSR-BNN模型的月径流预测方法研究

径流过程是地球上水文循环中的关键一环，科学准确地预测月径流的来水量对于流域的水量调度、水资源规划及管理具有十分重要的意义。然而由于径流过程的复杂性以及人类活动的影响，在变化环境中精准捕捉月径流时间序列的变化规律变得十分困难。针对月径流时间序列预测中存在的对于样本数据中先验信息识别不够彻底以及对时间步长嵌入维度难以有效地自适应选取这两点问题，设计了基于VMD-PSR-BNN的月径流时间序列预测模型。基于变分模态分解（VMD）算法对噪声良好的鲁棒性和对时序信号精确分解的特性，将月径流时间序列视为一种时序信号，利用VMD方法将月径流时间序列分解为多个相对平稳的固有模态函数（IMF），再基于相空间重构（PSR）理论对各个IMF分别进行重构，对各个重构后的IMF分别采用基于变分推理的贝叶斯神经网络（BNN）进行预测，最后将各个BNN的预测结果进行聚合重构得到月径流时间序列的最终预测结果。选取渭河流域咸阳和华县两个水文站1953-2018年的月径流时间序列进行实例分析。结果表明：VMD对月径流时间序列具有很好的分解效果，两个水文站基于VMD-PSR-BNN模型的月径流预测结果均可达到水文预报的甲级...     

基于小波方差分析的BP神经网络年径流预测

开展径流量的预测研究,将为水资源的优化配置提供科学的理论基础。以卡拉贝利水文站50年实测径流资料为例,利用Matlab软件对数据进行小波方差分析,分析不同时间尺度下的趋势性和周期性,为径流预测输入因子提供依据;再结合BP神经网络实现不同周期下的年径流的预测,结果表明,与未经小波方差分析的神经网络预测模型相比,精度高。     

基于小波支持向量机特征分类的日径流组合预测——以宜昌三峡水库为例

河流径流预测作为水库调度和发电的重要前提,其预测精度直接影响水利工程的综合效益。基于径流历史数据,针对其波动和随机性提出一种小波分析-支持向量机(SVM)特征分类组合预测模型。该模型首先利用小波分解提取原始径流序列的高低频能量谱作为SVM样本标记,并对原始序列进行特征分类,分为"平稳型"和"突变型"序列,对应不同类型序列的小波近似信号和细节信号分别采用自回归和滑动平均模型(ARMA)和BP神经网络模型进行预测,再重构各序列预测结果。最后采用平均绝对百分比误差(MAPE)、均方根误差(RMSE)、希尔不等式系数(TIC)作为模型评价指标。结果表明:在3个评价指标下,所提模型都优于ARMA和BP神经网络模型,并具有更好预测稳定性。     

基于ESMD-LSSVM模型的径流式水电站出力预测研究

针对径流式水电站日出力随机性强，直接预测精度低的特点，采用极点对称模态分解（ESMD）对出力序列进行平稳化处理，结合最小二乘支持向量机（LSSVM），建立了基于ESMD-LSSVM的组合预测模型。选取西北某省径流式水电站2020年的日出力时间序列进行实例分析，并与单一模型SVM,LSSVM,BP及组合模型ESMD-SVM,ESMD-BP预测效果进行比较。结果发现：(1) PACF分析得到ESMD分解后的各子序列的特征向量不同，反映了径流式水电站日出力的复杂性和多变性的特征。(2)与单一模型相比，组合模型泛化能力更强，对时间序列中出力突变点的预测更准确。(3)ESMD-LSSVM组合模型日出力预测效果较好，为径流式水电站日出力时间序列预测提供了新的方法参考。     

基于经验模态分解与Elman神经网络的月径流预测

针对径流序列的弱相关,非线性特征,直接预测会导致精度低,建立基于经验模态分解(empirical mode decomposition,EMD)与Elman神经网络的模型进行月径流预测,选取黄河上游唐乃亥水文站1979-2009年的月径流资料为研究对象。首先利用EMD对月径流资料进行处理,得到5个固有模态函数(intrinsic mode function,IMF)和1个趋势项。为了避免分量太多导致误差过大,将分量进行重组之后得到3个子序列,然后对3个子序列进行Elman神经网络预测。结果表明,EMD与Elman神经网络组合预测精度更高,更加适合复杂的水文序列。该方法可用于径流的中长期预测中。     

关河水库流域水文序列突变诊断与非一致性研究

在气候变化和人类活动影响下,近年来很多流域的水文序列发生了突变,呈现出了时间序列上的非一致性。同时,水文序列的自相关性影响其突变点的准确识别。为研究关河流域降雨以及径流序列的变化规律,根据流域内5个雨量站以及2个实测径流站点近50年的实测资料,利用Mann-Kendall秩次检验其趋势性,同时利用3种突变检验方法分别在无、有去趋势预置白(trend free pre-white,TFPW)前处理的条件下对序列突变点进行识别,并使用Morlet小波对序列进行周期性分析,从突变点诊断、周期性分析和驱动机制3方面剖析关河水库流域水文序列非一致性变化特点。研究结果表明:对系列的自相关性去除以后,TFPW对水文系列中初步识别出来的多个伪突变点有校正作用,有助于识别出真正的突变点,这一结论在随后的周期性分析Morlet小波方法中得到了验证。研究区降雨在1978年发生突变,径流在1979年发生突变,降水是引起两站径流产生突变的原因,且突变点前后径流序列的状态发生了根本性变化;相较于受单一气候影响的石栈道站,受气候因素以及人类活动双因素影响下的关河站其径流总量下降更为明显,径流变化周期不稳定且峰值有所减小。     

基于小波变换的径流与降水时频变化及相关性分析——以五郎河为例

基于五郎河总管田水文站(1959-2014年)径流和丽江气象站(1959-2014年)降水资料,采用Morlet复值小波函数,分析年径流和年降水在不同时间尺度下的小波变换时-频变化及其丰-枯(多-少)交替变化的周期规律,并运用交叉小波变换,从多时间尺度的角度探讨径流和降水在时频域中的相关性。结果表明:五郎河年径流和丽江年降水量时间序列分别存在12 a、3 a和18 a、6 a、4 a的主周期变换规律,同时预测2014年后径流与降水均有减少的趋势,且分别在2014年后的8 a和10 a时期内,径流和降水量由枯转丰(少转多);年径流与年降水存在2~4 a的显著性的共振周期,且两者呈现出非常好的一致性,说明丽江站降水量可作为五郎河流域径流预测的控制因素。     

基于小波消噪的平稳时间序列分析方法在降雨量预测中的应用

小波消噪与时间序列分析方法在预测领域中应用十分广泛,但是在降雨量的预测中应用不多。在基于小波消噪的基础上应用时间序列中平稳时间学列方法对降雨量进行预测,结果显示,应用该方法有效地提高了降雨量的预测精度。用丹东地区1971-2006年的降雨量作为历史数据,建立降雨量预测模型,结果表明新模型算法简单、精度较高,比传统的拓扑预测模型效果更好,为降雨量预测提供了一种行之有效的方法。     

基于WA-SVM的流域降雨序列预测研

为了提高降雨中长期预测精度，将小波分析和支持向量机回归方法引入水文序列预测领域，给出了两种方法的思路和特点。在此基础上，尝试建立了基于小波分析-支持向量机（WA-SVM）的降雨量序列预测模型。通过小波分解，将原始复杂的降雨序列分解到不同的频率层次，对每层得到的分解序列分别采用支持向量机回归方法进行预测，最后合成原始序列的预测值。将该模型应用于实际流域月降雨量预测，并与单独支持向量机回归方法预测结果进行比较，表明该方法预测精度有明显提高。     

高原鼠兔行为时间序列短期预测模型研究与应用

高原鼠兔的行为分析可为高原鼠兔的生态学研究与鼠害的防治提供依据。为提高高原鼠兔短期行为预测精度,通过序列图像的时空特征,定义了高原鼠兔的基本行为模式集合;依据自然生态环境下每一个行为模式都会持续一段时间的原则,对视频序列进行降采样从而获得行为时间子序列,以减小行为预测的数据处理量;采用小波神经网络方法建立高原鼠兔短期行为预测的数学模型,确定小波神经网络的参数,用所设计的小波神经网络对高原鼠兔的短期活动行为进行预测。试验结果表明:相对于BP神经网络,小波神经网络的预测准确率高,达到94.94%。预测误差小,均方误差仅有0.012 9。采用小波神经网络可对高原鼠兔的短期行为进行预测。该研究可为高原鼠兔的行为研究提供一种新的信息化思路。     

丹江口水库汛期径流演变特征及趋势预测

根据丹江口水库运行调度的实践需求,采用Morlet小波函数对丹江口水库汛期的径流时间序列进行多时间尺度分析。研究表明：丹江口水库夏汛入库径流存在9年、23年、40年的主要周期;秋汛入库径流存在10年、24年、37年的主要周期;10月上旬的汛期末蓄水关键期入库径流存在9年、25年、41年的主要周期,并且在未来5年左右汛期末蓄水关键期的入库径流将处于偏丰期,夏汛和秋汛的入库径流将偏枯。本文研究成果可供丹江口水库防洪调度参考。     

年径流时间序列的混沌分析

在介绍重构相空间技术的主要定量指标(关联维数D2和柯尔莫奇诺夫(Kolmogorov)熵)的基础上，针对长江上游绵阳地区和岷江上游紫坪铺水文站的年径流时间序列，探讨了不同嵌入维m下其关联维数的变化规律。得到绵阳地区年径流时间序列的饱和关联维D2=4.11，最低嵌入维m=8，Kolmogorov熵k= 0.303；紫坪铺年径流时间序列的饱和关联维D2=2.58，最低嵌入维m=5，Kolmogorov熵k= 0.302；并且得到两个年径流序列的最大预测年限为4a，为年径流预测提供了较为科学的依据。     

基于云模型的典型水文年选取研究

典型水文年的选取是水文特性分析的重要环节,也是水电站调度管理的基础性研究工作。为避免传统频率法计算过程中人为确定分类标准的主观性,引入云模型理论,利用云变换方法提取径流时间序列不确定性概念,并采用一种考虑幅度系数影响的概念跃升方法进行云综合,实现了对径流数据定性概念的自动划分。实例仿真表明,该方法所提取的概念中心与传统频率法得到的理论值相近,且基于云模型的概念表示能同时体现概念的随机性和模糊性,从而能更准确地描述流域水文丰枯特性。