灰色系统方法在洪水径流预测中的应用研究与展望

概述了应用于洪水径流预报的灰色系统方法，包括灰色系统方法简介，区域水文模式与大气环流模式的耦合，因果序列的灰关联模式预测，全因果序列扩维的灰关联模式预测，微分动态（１，Ｎ）模型预测和灰色参数区间模型预测等，并对这些方法以及发展趋势进行了讨论，提出了初步建议。     

基于改进杂草算法优化的神经网络模型在径流预报中的应用

针对BP神经网络在径流预报中易陷入局部最优解的缺陷及智能优化算法的优势,引入改进的杂草算法优化神经网络权值和阈值,将传统的杂草算法个体以正态分布空间扩散的方式改进为混合种群多种分布的方式产生子代个体。以金沙江流域中长期径流预报为例,将改进杂草算法优化的神经网络模型的径流预报结果与传统的BP神经网络和基于遗传算法优化的神经网络模型的预报结果进行对比。结果表明,改进杂草算法优化的神经网络应用到金沙江流域的径流预报精度较高,模型收敛更快,结果更加稳定,在实际预测中合理可行,具有一定的应用优势。研究成果为径流预报提供了新思路。     

基于遗传程序设计的中长期径流预报模型研究与应用

应用遗传程序设计建立径流中长期预报模型,结合径流序列数据的特点通过自相关分析确定其滞时输入变量的个数,采用均方误差作为其适应度评价函数,以漫湾实测月径流序列(1953~2003年)和洪家渡实测月径流序列(1951~2004年)为例,通过与ARMA模型、人工神经网络模型的预报结果比较,显示该模型应用于径流中长期预报简单易行且精度较高。     

径流式水电站年发电量的灰色预测

通过径流式水电站年发电量变化及其预测问题的分析,建立了径流式水电站年发电量预测的灰色数学模型,并就预测中样本序列的拓扑选择、预测的目标等问题提出了相应的策略.最后结合一个实例说明了本方法的应用.结果表明,本文的方法及分析思路,对径流式水电站年发电量的预测具有较好的应用和参考价值.     

年最大洪峰流量灰色拓扑区间灾变预测

根据灰色预测理论，提出一种以改进信息提取方法的基础的灰色拓扑区间灾变预测法，该法既填补了灾变预测法中信息量的不足，又加强了拓扑预测法对实测灾变信息量的利用，从而将灾变预测和拓扑预测有机地结合起来，增加了ＧＭ（１，１）建模的信息量，用于汉江安康和渭河咸阳两站的年最大洪峰流量序列资料进行灾变分析和建模检验，结果是满意的。     

大坝实测性态的灰色马尔科夫链预测方法研究

为实现大坝安全性态的准确预报,以西南某坝的多年扬压力极值为例,以扬压力实测序列建立GM(1,1)预测模型,基于预测模型的残差序列建立马尔科夫残差模型,对比分析GM(1,1)残差预测模型和马尔科夫残差模型;综合GM(1,1)模型和马尔科夫残差模型建立灰色马尔科夫模型,并利用灰色马尔科夫模型预测扬压力极大值。结果表明,灰色马尔科夫模型提高了预报的精度并恰当地反映了过程的摆动性。     

基于EMD和LS-SVM的中长期径流预报

提出将EMD与LS-SVM模型相耦合的新的径流中长期预测方法,采用EMD分解年径流序列,应用LS-SVM模型预测和重构IMF分量.基于岷江紫坪铺水文站年径流资料预测和检验该模型,并与单独的LS-SVM模型及BP神经网络模型比较.实例结果表明,该方法预报精度高,预测径流行之有效.     

基于加权秩次集对分析法的年径流预报模型

针对秩次集对分析方法在年径流预报中存在的问题,对其历史集合中的各元素所在位置与后续值的位置之间的间隔赋予了不同的影响权重,构建了年径流加权秩次集对分析预报模型,给出了模型在年径流预报应用中的步骤,利用黑河干流莺落峡站1945～2009年的实测径流资料检验了该模型的有效性,并与秩次集对预报模型、ARIMA预测模型及BP预测模型的预测结果进行了比较。结果表明,加权秩次集对预报模型的平均误差为12.29%、合格率为100%,本文对秩次集对预报模型的改进有效、可行。     

灰色自记忆模型在年径流预测中的应用

为探索提高年径流预测精度的简单有效途径,以GM(1,1)微分方程为动力核建立了灰色自记忆模型,并应用于寸滩站年径流的拟合和预测中,取得了良好的效果。与组合模型相比,该模型结构简单并具有较高的拟合和预测精度,可应用于年径流序列的预测之中。     

DGA SVR日径流非线性预报模型及应用

实时而准确的日径流量预报在防洪减灾、优化调度等方面起到了巨大作用。将遗传算法(GA)与支持向量回归(SVR)改进模型耦合,同时对SVR三个重要参数(C,σ,ε)进行动态寻优,构建了动态三参数优化GA-SVR日径流非线性预报模型(DGA-SVR)用于黑水河流域日径流预报,通过与BP神经网络和多元线性回归预测结果进行对比分析,DGA-SVR模型预测精度明显优于BP神经网络和多元回归模型。     

年径流动态的长期灰色拓扑预测

本文应用灰色拓扑预测方法对峪河口水文站年径流未来30年动态作长期预测,结果表明灰色拓扑预测模型群较可靠,预测精度高,算例结果令人满意。     

基于EMD分解的AR模型在年径流预测中的应用

为提高年径流中长期预测的精度,提出了一种新的时间序列预测方法——基于EMD分解的AR模型,以汾河上游上静游、汾河水库、寨上和兰村四座水文站1956~2000年的年径流序列为例,首先利用经验模态分解(EMD)方法将四座水文站的年径流序列分解为若干个固有模态函数(IMF)分量和一个残余项分量,然后运用自回归(AR)模型分别对各阶IMF进行预测,最后将各阶预测值重构得到年径流量预测值与单独运用AR模型的预测结果进行比较。结果表明,运用基于EMD分解的AR模型对汾河上游年径流进行预测,其预测精度比单独运用AR模型的预测精度有明显提高,表明该方法可行、有效。     

年径流变化的BP神经网络预报模型研究

针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。     

基于EEMD-ANN的水库年径流预测

以三峡水库为例,基于集合经验模态分解(EEMD)及人工神经网络方法对水库年径流进行预测。首先利用Mann-Kendall和Pettitt法对水库年径流序列进行突变检测,获得平稳径流序列,然后采取EEMD方法分解径流序列,得到固有模态函数(IMF)和残差,最后对不同IMFs和残差分别建立人工神经网络预测模型,叠加所有模型预测结果得到年径流预测值。结果表明,基于EEMD-ANN的年径流预测模型优于自回归模型和人工神经网络模型,其预测结果与实测值的相关性更强,预测误差分别减少了11.4%、8.7%。同时,构建EEMD-ANN预测模型时需考虑径流序列的突变特征,采取平稳径流序列的预测效果更优。     

熵权法并联组合建模在径流预测中的应用

针对径流预报的具体特征和相关问题,建立了多元时变灰色预测模型,并基于信息熵原理,用熵权法将多元时变灰色预测模型、非时变的免疫神经网络模型、最小二乘支持向量机模型三者进行并联组合集成建模,以充分发挥多种模型各自优点且相互补充,并将此组合模型应用于新疆伊犁河雅马渡水文站的年径流预测。结果表明,与三个单项模型的预测结果相比,并联组合预测模型更合理、普适和可靠。     

引入灰色弱化缓冲算子的人工神经网络组合预测方法在年径流预测中的应用

为了提高年径流量预测的精度,将灰色系统理论的弱化缓冲算子和人工神经网络相结合,提出一种新的年径流预测方法——引入灰色弱化缓冲算子的人工神经网络组合预测方法,并以兰州站年径流过程计算为例,验证了该方法的合理性。结果表明,预测结果精度较高,可见将引入灰色弱化缓冲算子的人工神经网络组合预测方法用于年径流预测具有可行性。     

MCEEMD-HGWO-MGU混合模型在径流预测中的应用

为分析径流非线性特征对预测精度的影响,在改良的互补集成经验模态分解(MCEEMD)基础上,建立混合灰狼优化算法(HGWO)与最小门控单元(MGU)混合的径流预测模型,并利用该模型预测黄河下游三个水文站处的月径流。选取纳什效率系数和合格率评价模型性能,并选择多个误差指标与其他模型进行比较。结果表明,与其他模型相比,MCEEMD-HGWO-MGU模型在径流预测方面表现更好,其纳什效率系数达0.92,合格率达71%,所有误差指标均为最小。此外,考虑到气候变化对径流的影响,引入大气环流因子,筛选出对径流影响较大的因子融合到径流中进行预报,进一步提高模型精度。所构建的MCEEMD-HGWOMGU模型具有较高的稳定性和精度,可作为中长期径流预报和相关水文数据研究的有效工具。     

长期径流预报的灰色关联决策模型

本文基于灰色系统理论关联分析的基本原理和水文灰域预测思想,提出了长期径流预报的灰色关联决策模型。用这个模型解决长期径流预报问题,不仅在理论上比较完善,而且在应用上也很方便。文中给出了一个应用实例,结果表明该模型效果较好。     

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。