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.     

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。     

基于改进集对分析的新疆黄水沟年径流预测

本文提出了以几何形式表示集对的G-SPA模型,该模型以向量之间的夹角、相关系数、欧式距离以及向量的模为指标对径流集合建立对应的指标集合,将指标集合的相似度作为判断径流集合相似度的依据,其优点是不仅考虑了径流大小的相似性,而且考虑了径流变化趋势的相似性.将G-SPA预测模型应用于新疆黄水沟年径流量预测中,并分别与GRNN神经网络模型以及AR(2)模型的预测结果进行了对比.结果表明:G-SPA模型预测的平均相对误差为7.42％,预测结果优于GRNN模型和AR(2)模型.     

加权马尔可夫链在新疆阿克苏河年径流量预测中的应用

径流预测在水资源规划中发挥着重要作用.基于径流过程不确定性、不精确性的特点,利用资料系列的均方差方法把径流序列分为不同的状态.在此基础上,采用统计方法,建立转移概率矩阵,以规范化的各阶自相关系数为权重.用加权马尔可夫模型预测径流状态,并根据模糊集理论中的级别特征值预测径流量,最后把加权马尔可夫预测模型应用于新疆阿克苏河径流丰枯状态及年径流量的预测中,结果令人满意.     

黄河龙门径流量预测模型研究

河川径流预测是一个十分复杂的问题,生命旋回模型在进行径流趋势预测时具有对资料要求少、计算简单等优点,但由于模型方程的限制,进行预测时得到的序列很难反映径流序列的随机波动变化,且存在预测结果精度不高的缺点。根据黄河龙门水文站提供的49a的径流水文资料。应用神经网络进行预测时和生命旋回模型建模使用,得到预测值。结果表明预测结果明显优于单一的生命旋回模型和神经网络模型,可以用于径流预测。     

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。     

水库径流模拟的灰色神经网络方法

应用灰色理论与人工神经网络的特点,建立了灰色神经网络模型,对影响水库径流的各影响因素分别建立灰色模型,并将灰色模型模拟预测的数值作为神经网络的输入,水库年均径流量的原始数值作为神经网络的输出,训练得到最佳的训练结构.以某地区水库径流为例,根据其变化规律,应用灰色神经网络模型对其进行预测,结果表明,该模型拟合误差小,预测精度高,为研究区域的水资源综合规划提供了依据.     

近期气候变化对东江流域水资源的影响研究

利用东江流域主要气象及水文站点1956-2000年气温、降雨及天然径流量时间序列,采用Mann-Kendall秩次相关法检验了流域各季节及年均气温、降雨等气候要素及天然径流量的变化趋势,分析了流域气候变化特征.并利用相关分析法分析了流域气温和降水与径流的相关性,对未来50年该流域径流量的变化趋势进行了预测.结果表明:流域年均气温总体呈显著增加趋势,而年均降雨量和径流总量变化趋势不显著;全流域降雨与径流为正相关,相关系数为0.928,气温与径流为负相关,相关系数为-0.017,说明降雨与径流的关系更为密切,其在流域径流量的变化中起着主要作用.此外,剧烈的人类活动也使得这些相关性更为复杂.     

考虑季节因子的支持向量机径流预测模型

基于河川径流月时段具有非平稳季节性的特征,构建支持向量机的季节性样本,建立水库入库径流的季节性支持向量机预测模型。以三峡水库1950~2006年的入库径流系列为训练样本,利用季节性支持向量机预测模型对三峡水库2007~2009年的月径流量进行预测。将此预测结果与BP神经网络模型和标准支持向量机模型预测结果进行指标分析,结论显示季节性支持向量机径流预测模型准确度更高,可以用于水库入库径流的预测。     

基于RAGA-Shepard模型的滦河大河口站年径流预测

应用基于RAGA的Shepard相似模型,在实测径流统计特性分析的基础上对内蒙古滦河上游主要测站大河口站的年径流进行了预测.为科学调度水资源,最大限度地满足各方面的用水需求,提供有效依据.