基于小波与游程耦合的时序模型在降水预测中的应用

针对降水量时间序列具有多尺度非平稳性特点、长时段预测精度不高的问题,选择db3小波,运用Mallat算法2尺度分解降水序列,利用游程分析检验分解序列间的独立性,建立了二者耦合的时序模型,并应用于郑州市2008—2012年的降水预测,得到了相对于传统时序模型更好的结果。基于耦合模型预测了郑州市2013—2015年月均降水量,以期为决策提供依据。     

基于小波包分解的 LS-SVM-ARIMA 组合降水预测

针对降水量影响因素众多, 是一种复杂的非平稳、非线性且存在噪声问题的时间序列的特点, 提出一种基于小波包分解的 LS-SVM 与 ARIMA 组合模型的年降水量预测方法。利用小波包将降水序列分解成低频趋势序列和高频细节序列; 应用 LS-SVM 模型预测低频趋势序列, ARIMA 模型预测高频细节序列; 将两个模型的预测结果叠加, 得到年降水量的预测值。实例验证表明: 小波包对时间序列的分解比小波分解更精细, 组合模型预测能够全面的提取降水序列中所包含的信息, 更好地反映年降水量随时间变化规律, 提高了年降水量预测的精准度, 为降水量预测提供一种新方法。     

基于BP神经网络时间序列模型的降水量预测

基于降水过程存在周期性、随机性的特点,应用时间序列典型分解法提取原降水量序列中的趋势成分和周期性成分,对于剩余平稳序列成分,采取BP神经网络模型对其进行模拟;最后建立降水量的BP神经网络时间序列预测模型。以宿迁市近14年的月平均降水资料为实例对该模型进行了具体的应用。结果表明:基于BP神经网络时间序列预测模型可以有效地预测降水量,并和传统的时间序列加法模型进行了比较,结果显示基于BP神经网络的时间序列预测优于传统的时间序列加法模型,模型具有较高的精度和稳定性。     

湛江地区年降水量的时间序列分析

通过应用时间序列分析技术,对湛江地区1955~2004年降水量序列进行分析,验证了该序列的时间序列特性,研究该序列ARMA模型的适应情况,证实年平均降水量序列满足ARMA模型并通过该模型对未来降水量进行预测。     

GM-ENN组合模型在滑坡变形预测中的应用

针对以往滑坡变形预测模型实用性不足的情况,从系统论观点和时序分析原理出发,将滑坡位移时序分解为趋势项和偏离项。通过灰色系统模型提取位移时序的趋势项,采用进化神经网络模拟位移时序偏离项之间的复杂非线性关系,建立起GM-ENN组合模型进行滑坡变形预测研究。并将此组合模型应用于三峡库区白水河滑坡的变形预测研究中。研究结果表明：该组合模型具有较强的建模能力、较高的精度,可用于相关的工程实践之中,具有一定的理论研究与实际应用价值。     

日月尺度耦合解集方法在降水模拟中的应用

应用一阶马尔可夫链描述干湿变化,以伽玛分布表征降水量分布,采用修正方法调整小尺度序列值,消除小尺度合成值与大尺度对应值之间的误差,进行日、月降水序列模拟.耦合模型模拟序列能够保持各尺度的统计特性和合计值与实测序列严格相等.渭河流域长武、武功、天水和渭源四站降水模拟实例表明,建立的耦合模型在降水模拟中取得了较为满意的效果.通过选择合适的基本模型,耦合模型也可以应用于其他水文随机模拟.     

自然供水条件下灌区水资源供需时序随机模拟

基于Copula函数和Markov过程理论,构建了灌区自然供水条件下的二维水资源供需时序随机模拟模型。以中国北方典型灌区河南省陆浑灌区为研究对象,以1970—2013年共44 a的年降水量和年参考作物蒸散发量为数据基础,应用构建的二维水资源供需时序随机模拟模型,模拟产生了500 a该灌区自然供水条件下的水资源供需数据。结果表明:所建模型不仅能较好地保持原始序列的统计特性,而且同时满足变量自身时间序列短期相依性和变量间空间结构相依性,因此随机模拟效果较好。     

武汉市水资源合理配置初探

针对武汉市是一个多水源的复杂水资源系统,基于可持续发展理论,建立了经济、社会、环境为目标函数的多目标优化模型。利用大系统分解协调技术,将模型分解为二级递阶结构,同时探讨了多目标遗传算法在武汉市水资源二级递阶优化模型中的应用。     

基于小波消噪的三江平原井灌区年降水时间序列预测模型

近年来,由于水稻种植发展迅猛,导致三江平原井灌水稻区地下水位普遍下降.天然降水是地下水的重要补给来源,而年降水序列往往含有噪声.为解决上述问题,以853农场为例,对实测年降水资料进行小波消噪、差分和标准化处理,应用时间序列分析方法,建立了降水时间序列预测模型.精度检验结果表明,模型有效性和可靠性较高.该模型揭示了区域降水量的时间变化规律,为853农场乃至整个三江平原充分利用天然降水,合理制定水稻灌溉制度以及地下水资源的可持续利用提供了科学依据.     

ARIMA模型在降水量预测中的应用

ARIMA模型是研究时间序列的重要方法,普遍应用于时间序列的分析与预测。利用SPSS软件的时间序列分析预测功能,对营口市降水量数据建立ARIMA模型,并在模型的基础上对营口市降水量趋势进行了分析和预测。     

基于SVM-ARIMA的大坝变形预测模型

大坝变形的实测值序列是一个非线性、非平稳的时间序列,支持向量机引入核函数后能有效解决非线性问题,因此可用支持向量机对大坝变形进行预测。为了提高预测精度,进一步对残差序列进行分析,通过ARIMA模型对残差序列进行预测,建立了SVM-ARIMA组合模型。将大坝变形时间序列分为趋势项和误差项,分别用SVM和ARIMA模型进行预测,综合两项结果得到模型的预测值。结合实测资料对模型进行检验,结果表明组合模型精度较高。     

利用多层递阶回归分析制定水库优化调度函数的研究

本文采用动态系统的多层递阶预测与回归分析相结合的方法，建立了水库决策变量与其影响因素之间的动态调度函数模型，即多层递阶回归分析模型，并对丹江口水库进行了实例研究.结果表明，模型是可行的，取得了较为满意的成果.     

高边坡变形的组合预测模型及其应用

提出采用多种模型和方法进行有机集成和综合应用将对边坡变形进行预测研究更为有效的途径。边坡变形的时间序列实际上可分解为趋势项和随机项两个部分。把回归模型与ARMA模型进行有机集成,建立了边坡变形的组合预测模型。选取锦屏一级水电站左岸高边坡的一个外观测点,建立边坡变形的组合预测模型,并与单一的统计回归模型作对比。对比结果显示,组合预测模型有着更高的预测精度。     

不同改进的ARIMA模型在水文时间序列预测中的应用

为了拓展ARIMA模型在非线性水文时间序列预测中的应用,对其进行了三种不同形式的改进。为了尽可能地保留数据序列的原始信息,分别将ARIMA模型与Daubechies小波分析、经验模态分解法相结合,建立了WAARIMA和EMD-ARIMA预测模型;由于ARIMA模型对非线性项预测较差,而BP神经网络具有高度的非线性映射能力,将二者进行有效结合,建立了一种BP-ANN-ARIMA预测模型。在南宁市年降水量的预测中表明,改进后的模型较原始模型预测能力有了不同程度的提高,各模型预测的相对误差分别为11.2%、10.1%、6.8%、5.1%。     

日月尺度耦合解集方法在降水模拟中的应用

应用一阶马尔可夫链描述干湿变化,以伽玛分布表征降水量分布,采用修正方法调整小尺度序列值,消除小尺度合成值与大尺度对应值之间的误差,进行日、月降水序列模拟。耦合模型模拟序列能够保持各尺度的统计特性和合计值与实测序列严格相等。渭河流域长武、武功、天水和渭源四站降水模拟实例表明,建立的耦合模型在降水模拟中取得了较为满意的效果。通过选择合适的基本模型,耦合模型也可以应用于其他水文随机模拟。     

基于ARIMA模型在降水量趋势分析与预测中的应用

利用SPSS软件的时间序列预测功能,对唐山市降水量数据建立ARIMA模型。建立的模型通过了模型的显著性检验,并在此基础上对降水量趋势进行了预测与分析。     

对数回归-ARMA周期预测模型及其应用

对成都市月供水量时序进行周期分析。在利用对数变换后的回归模型基础上,建立ARMA(1,5)时间序列模型,给出了月供水量时序的预测模型,并根据此模型对2010年全年月供水量进行预测。实例表明:本文提出的基于对数回归-ARMA月供水时序周期预测模型,能更好地挖掘供水量时序的规律。     

变形预测的一种最优线性组合模型

介绍了灰色GM(1,1)、时间序列和非线性组合模型的基本概念,讨论了最优线性组合模型的定义及其权系数的求解方法。结合某大坝变形监测数据,建立了基于灰色与时间序列的非线性组合模型和最优线性组合模型,以及基于灰色、时间序列与非线性组合的最优线性组合模型,并把这3种组合模型的预测结果与GM(1,1)、时间序列模型进行比较。结果表明,融合GM(1,1)、时间序列与非线性灰色时间序列组合的最优线性组合模型的预测效果明显好于另两种模型,其预测误差小于1 mm。     

区域水资源持续利用协调管理模型及其应用

提出了区域水资源持续利用管理的谱系结构和按行政区划的水资源协调管理递阶结构,建立了以农业为主要用水户的区域水资源持续利用协调管理模型,并应用模糊二元对比模型确定各指标的权重.通过算例验证了模型和方法的正确性与可行性.     

组合预报在乌江渡水文预报中的应用

利用1951-2006年乌江渡月径流量和74项气象因子建立逐步回归、时间序列、周期均值叠加、多元线性回归、岭回归模型,对2007年和2008年月径流量进行预报以检验效果。按要求将各水文模型进行加权组合预报,共五种组合均提高了拟合、预报结果的精度和稳定性。