基于小波-ANFS的水库年径流组合

提出了一种基于小波-ANFIS的水库年径流组合预报模型。利用Mallat算法对年径流序列进行多尺度分解,得到对应尺度下的低频信号和高频信号;分别对低频信号和高频信号建立ANFIS模型进行预报,将各模型预报结果叠加作为原径流的预报值。将该模型用于昭平台水库年径流预报中,通过与单一ANFIS模型预报结果的对比分析,验证了小波-ANFIS水库年径流预报模型的有效性。     

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。     

黄河上游年降雨-径流预测研究

基于多层前向人工神经网络理论，通过GA-BP混合算法，使用黄河上游兰州水文站45年实测降雨和径流序列资料，建立了降雨—径流预测的GA-BP神经网络模型。研究表明，仅用预报前时段的降雨和径流作为输入，来实现下时段的径流预测，其预报精度较差，但在预报期内有一定精度的降雨预报输入时，所建模型对下时段的径流预测，与传统的统计建模方法相比，预报精度较高，能较好地反映黄河上游区的降雨—径流规律，可应用于实际需要。     

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NARX神经网络的年径流预测

针对传统BP模型在时间系列年径流预测中的适应性问题,本文构建了基于动态反馈性NARX神经网络的年径流预测模型,模型结构带有外部输入的非线性自回归网络,输入向量选取降雨及气温,输出向量为未来的年均流量。本文采用构皮滩站历史实测数据对模型进行训练及测试,对NARX模型与传统BP模型及逐步线性回归模型性能进行了对比分析。     

干旱地区地表水资源预测的多层递阶组合模型

针对天山冰雪融水河流的产流特性,提出了用于描述和分析具有周期变化的年径流时间序列组合模型多层递阶组合模型。该模型是由多层递阶模型和自回归模型构成,并设置了模型的自身修复功能,可利用新信息的逐年增加及反馈,逐步识别并修改模型及参数。本文采用这种新的组合模型对新疆玛纳斯河的年径流量进行了预报,结果令人满意。     

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Copula函数的开都河年径流预测

河川径流量的准确预测对于水库调度、区域水资源优化配置具有重要意义.本文以新疆开都河为例,运用Copula函数将自变量和因变量的相关程度和相关模式有机结合,构建两变量联合分布函数,研究两变量与联合分布之间的相依结构;在此基础上,根据样本值未知的因变量边缘分布与联合分布关系,结合样本值己知的自变量概率分布,对因变量未知值进行预测.结果表明:基于Copula函数的预测方法原理明晰、计算简便、性能稳定、预测精度较高.     

输入方式对BP模型年径流预测影响研究

针对输入方式对BP模型的影响问题,基于岚河流域降雨、蒸发、径流等资料,设置了不同的资料情况及数据输入方式,分别构建了BP模型。研究结果表明,与未同时考虑降雨、蒸发、径流等影响因素的模型相比,同时考虑了三者影响的模型精度更高;以各资料前三年数据作为输入量较以前两年和前四年的数据作为输入量,紧邻下一年的径流数据作为输出量的模型的精度更高;既考虑了降水、蒸发、径流等影响因素又选用上述最佳的数据输入方式的模型精度最高。BP模型适用于干旱半干旱地区的岚河流域,其预报结果可用于该流域的水资源规划管理。     

基于条件概率分布的玛纳斯河年径流序列频率分析

根据玛纳斯河1956―2006年年径流序列数据,采用Mann-Kendall突变检验法和累积距平法对其变化趋势及突变进行了分析,通过条件概率分布法、K-S检验、OLS及AIC对其进行了拟合优度检验。结果表明,玛纳斯河年径流在1956―1995年呈现减少趋势,在1996―2006年年径流呈现增长趋势,并在1995年发生突变;最优分布的设计年径流值在各频率下均较传统频率法求得的设计年径流值增加1%~10%,条件概率分布相对于传统的水文频率计算方法得到的设计结果更有利于玛纳斯河的防洪安全及洪水资源利用。     

粗糙集理论在年径流预测中的应用

年径流预测对合理开发和优化利用水资源、更好地制定区域社会经济规划具有十分重要的指导意义。应用粗糙集理论研究了历史数据不确定性影响下的年径流预测问题。在结合具体实例的基础上,应用粗糙集理论给出了从预测建模、有效数据筛选到决策规则生成、最终得出预测结果的完整的预测过程。算例分析表明,应用粗糙集理论解决数据不确定性影响下的年径流预测是可行的。     

基于信息扩散近似推理的年径流量预测模型

通过分析年径流时间序列的特性,利用信息扩散近似推理描述年径流量间的复杂非线性关系,建立起基于信息扩散近似推理的年径流预测模型.信息扩散近似推理将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可以将矛盾模式转换成兼容模式.通过与传统预测方法相比较,发现该模型能够很好地光滑样本数据以及能够较好地发掘知识,有较高的预测精度和推广应用价值.     

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。