基于小波神经网络的穆棱河作物生育期径流预测

为提高研究精度,在基本的小波神经网络基础上改变隐含层节点数选取方法,降低基本方法随机性和盲目性。将改进的小波网络与人工神经网络进行对比分析。结果表明,小波神经网络改进方法更适合穆棱河流域径流预测。     

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。     

基于小波分解的日径流支持向量机回归预测模型

【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似序列,通过相关性分析选取有效子序列与近似序列相加得到的新序列作为支持向量机回归模型的输入,建立小波支持向量机回归耦合模型,以泾河流域张家山站的日径流为研究对象,利用均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)、相关系数(R)及相对误差(RE)作为评价指标对模型预测精度进行评价。【结果】利用所建立的小波日径流支持向量机模型对张家山站日径流的预测结果显示,该模型在检验阶段的RMSE、MAE、DC、R及RE分别为26.05m3/s,8.26m3/s,0.826,0.910,-13.3%,与仅使用支持向量机回归模型(SVR)相比,耦合模型预测精度明显提高,且非汛期预测效果优于汛期。【结论】建立了小波支持向量机回归耦合模型,该模型可有效模拟和预测日径流,为日径流预测提供了新的途径。     

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。     

基于小波分析的中国人均GDP分析与预测

提出基于小波分析,GM（1,1）模型和AR（P）模型结合的预测方法。通过多分辨率小波分解,将中国人均GDP依尺度分解成不同层次,对低频部分和高频部分分别进行重构,然后对每层建立不同模型进行预测,再合成得到所需的预测值。实例验证,该方法具有较好的预测精度。     

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。     

资料稀缺地区径流分析的神经网络模型

 资料缺乏和无资料地区的径流分析研究一直是困扰水文工作者的一个难题。在探讨了将人工神经网络方法应用于上述地区的径流研究可行性基础上,通过分析确定影响径流的主要因素,建立岩溶山区径流分析神经网络模型。模型在滇东南径流分析实际应用中取得较好效果。     

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征,使得建模和预测变得极其困难.提出一种组合预测方法,即假定任何金融时序数据由线性和非线性两部分组成,将其中线性部分的数据通过随机游走(RW)模型进行模拟,剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知,该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.     

基于最优加权组合模型的枯季径流预测研究

【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。     

基于TCN-BiLSTM与LSTM模型对比预测北洛河径流

【目的】本研究旨在探究TCN-BiLSTM耦合模型与传统LSTM模型在径流模拟预测中的性能,为洪水风险管理和区域水资源规划提供准确有效的径流预测模型。【方法】以北洛河流域为研究区,基于双向长短期记忆网络(BiLSTM)和时域卷积网络(TCN)建立一种新的径流预测耦合模型TCN-BiLSTM。利用相关性分析,筛选预测径流的输入因子,确定4种不同的输入方案应用于TCN-BiLSTM耦合模型和传统LSTM模型,每个模型分别预测1、2、3 d的径流量。采用平均绝对误差(MAE)、均方根误差(RMSE)和拟合优度(R²)来评估模型的预测性能。【结果】(1)TCN-BiLSTM耦合模型整体预测性能优于LSTM模型,TCN-BiLSTM模型R2达到0.91,高于LSTM的0.89。相比于LSTM,TCN-BiLSTM对于峰值和突变点的捕捉能力更强,对于波动大的复杂数据预测效果更优;(2)在针对未来1～3 d径流量预测中,随着预见期的延长,4种方案下TCN-BiLSTM和LSTM模型的预测效果均有所下降,相较于预测1 d,预测3 d的TCNBiLSTM和LSTM模型的R2分别平均...     

潇河大坝断面年径流序列随机变化规律研究

采用径流序列分析对潇河流域1957-2007年径流量变化规律进行了研究。结果表明,近50 a来,潇河流域年径流量序列可划分为趋势成分、周期成分和随机成分三部分。其中趋势成分表现为两个方面:一方面是年径流量均值随时间减小,用指数函数表示;另一方面是年径流量在年际间的变化幅度随时间明显减小。周期成分用Fourier级数表示,建模试验表明,该径流序列具有3个显著性谐波,其周期为3.62 a、3.40 a和3.52 a,相应的余弦波系数为0.92、0.49和0.97,正弦波系数为-1.42、-0.43和-0.21。在周期成分中引入振幅衰减因子λ,且λ=0.944 0。独立随机成分宜用P-Ⅲ型概率分布表示。     

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。     

基于遗传小波神经网络的电梯故障诊断分析

利用小波分析具有能量分布特征提取的特性和遗传算法优化BP算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证．遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高．     

基于BP神经网络与SVM模型的黄尾河径流预测比较分析

比较分析BP神经网络与SVM模型在径流预测应用中的性能特征。以降雨量为预报因子,采用BP人工神经网络模型和SVM模型对大别山黄尾河流域40 a时长的同期径流过程进行数值模拟,并对二者的预测性能进行比较与评价。结果表明,黄尾河流域BP模型模拟的总体相对误差为14.43%,合格率为77.5%,确定性系数为0.76,预报精度等级为乙级;SVM模拟的总体相对误差为12.41%,合格率、确定性系数及预报精度等级与BP模型相同。SVM模型模拟结果较BP模型而言更集中于较小的误差范围内。BP模型的累积误差>SVM模型,并且随着误差自由度的增大,这种差距有扩大的趋势,表明SVM模型的误差范围较小,误差间隔小于BP模型,模拟性能较BP模型更稳定。     

基于自适应神经模糊推理系统的国内工业总产值预测

针对经济系统内广泛存在非线性以及传统方法对经济系统预测精度的不足,建立了基于自适应神经模糊推理系统的国内工业总产值预测模型,计算结果表明,无论是在对训练数据拟合还是对测试数据预测方面本模型都具有较高的精度;最后应用所建模型,预测了今后若干年国内工业总产值.     

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.     

基于多元统计的河流年度径流预报及误差分析

河流年度径流具有周期性、层次性、可预测性的特点,通过研究和分析河流年度径流的统计变化特征,可以对河流径流未来的长期变化作出预测。该文研究了佛子岭水库的河流年度径流滚动预测的方法,通过观测的河流年度径流资料,探索径流统计变化规律,运用多元回归理论建立预测模型,并且进行了模型参数的确定和径流的预测。通过预测模型对河流年径流实际值与预测值误差分析,并绘制实际值与预测值折线图进行比对,对选择最优的预测模型提供了数据支持和理论指导,继而对预测结果进行分析。计算结果表明,线性回归模型预测的实际值与预测值误差在较为合理的范围。最后得出结论,建立二元线性预测模型对于佛子岭水库年径流量预报结果的拟合模型较好,预测精度较高。     

基于小波函数的预测函数控制方法研究

针对普通预测函数控制中选取的基函数为全局函数,对参考轨迹的逼近不能根据不同精度要求进行灵活设 置,影响了系统整体优化性能.提出一种基于小波函数的预测函数控制方法.该方法采用小波函数作为基函数,利 用小波函数的多尺度分析和紧支局部特性,在预测时域内灵活设置小波基函数的个数及位置分布,在保证整体性 能的同时又兼顾了拟合点的逼近要求.同时对小波基函数的不同分布情况进行了仿真比较.仿真结果表明该方法 在响应速度、控制精度、抗干扰等方面比普通PFC方法具有明显的改善作用.