水文时间序列的混沌神经网络预报

简要介绍混沌和BP神经网络的理论，在此基础上阐述了水文时间序列预测中混沌同BP神经网络结合的可行性，提出了用最小嵌入维数作为BP神经网络输入节点数方法，并给出了计算的方法和步骤，用宜昌日径流时间序列资料进行了验证，分析结果表明：用混沌同BP神经网络相结合的办法做日平均流量时间序列的预测是可行的，嵌入维数作为BPNN的输入节点数是合理的，关于隐含层的节点数问题还有待进一步研究。     

水文时间序列分析计算方法的研究进展与展望

综合分析了国内外关于水文时间序列分析计算方法的研究成果和进展情况,指出了各自的优越性和不足,对未来发展趋势进行了展望.     

一种改进的混沌水文时间序列预报方法

提出了一种改进的应用于中长期水文预报的混沌预报方法,对水文时间序列进行周期性和混沌特性分析。利用傅立叶级数展开法分离出时间序列中的主要周期项,对时间序列与主要周期项的差值部分进行差分;利用相空间重构理论对此差分序列进行混沌预测,得到预报结果。实例计算表明此方法是可靠的。     

降雨和径流时间序列的混沌分析与预测

降雨和径流时间序列的混沌分析与预测Ａ．Ｗ．Ｊａｙａｗａｒｄｅｎａ等１绪论在近段时期，伴随描述确定性混沌的奇怪吸引子概念而产生的非线性动力学系统理论已经引起了许多研究者的注意。这个概念也为时间序列分析提供一种新的技术。这些分析着重于从观测到的时间序列中...     

灰色GM（1,1）模型能模拟水文时间序列吗？

本文简要介绍了灰色动态ＧＭ（１，１）模型的建模原理，并结合水文预测实例从理论和实践两个方面对灰色动态ＧＭ（１，１）模型进行了剖析，指出了ＧＭ（１，１）建模的适用条件。     

洪水变化的混沌特性和相空间预测

混沌理论不仅变认识洪水变化规律提供了新的观点，而且为洪水预测提供了新的途径，本文以金沙江屏山站洪水变化的分析为例，论述了洪水的混沌特性和相空间预测法。     

基于标准年和相空间重构的水文预报方法

文中提出了一种基于标准年和混沌分析的中长期水文预报方法。首先对最近若干年的水文时间序列进行标准年和剩余分量混沌特性分析;然后计算出时间序列与标准年差值余项的差分序列;最后利用相空间重构理论对此差分序列进行混沌预测,得到预报结果。实例计算表明此方法是可靠的。     

基于混沌理论的电力负荷预测

针对电力系统负荷的复杂性及非线性．提出了结合混沌理论的思想．充分利用数据信息。在重构电力负荷相空间的基础上对负荷进行预测．并综合了电力负荷混沌特征量的计算及负荷时问序列的混沌预测方法。以非线性为特征的混沌理论的应用。必将开辟电力系统负荷预测的新途径。     

日径流序列混沌识别中合理长度的确定

混沌理论是进行水文时间序列分析的重要手段。为保证分析结果的可靠,主张充分利用现有资料,但目前缺乏时间序列长度对混沌特性识别影响的研究。以长江上游武隆站和北碚站日径流序列(1951年-2012年)为例,通过对二者进行混沌分析,研究了最大Lyapunov指数对序列长度的响应。结果表明,日径流时间序列长度过小时会影响混沌识别结果,使结果缺乏可靠性;并不是样本序列长度越长混沌识别结果越好;当序列长度达到3 000左右时,序列的混沌特性达到稳定,结果可靠并缩短了计算时间。     

基于事件的多元水文数据整编与挖掘

珠江三角洲河网地区水事件频发,且事件又具因果相关、偶发叠加等多元性特点,为此提出基于事件的多元水文数据整编与挖掘思路,在计算机信息系统上实现对多元水文数据的相似性分析和挖掘,可望得出一系列基于事件的经验模型,为防御和应对洪水、暴雨、风暴潮及其他水事件提供决策支持。     

宜昌水文站年径流量演变多时间尺度分析

水文时间序列往往在时域中存在多层次时间尺度结构和局部化特征。运用小波分析的多分辨率功能,对宜昌水文站1882-2006年年径流量时间序列资料进行了多时间尺度分析。研究结果表明：宜昌水文站年径流量存在明显的年际变化特征,主要存在30～40年、10～20年及10年以下3类尺度的周期变化规律,变化主周期为14年,第二周期为7年,第三周期为34年;自2006年以后的3年左右,宜昌站年径流量将处于一个相对偏枯期,之后又将进入一个丰水期。     

基于分形理论的隧道地表沉降分析及预测

隧道地表沉降变形时间序列是具有分形特征的非线性体系,以狮子山隧道地表沉降监测为研究对象,基于分形理论,使用R/S分析法和V/S分析法计算了累计沉降和沉降速率时间序列的Hurst指数,并评价了地表沉降的稳定性,结合V统计量评价了这2种分析方法的有效性和地表变形的非循环周期;最后,使用分形插值函数与回归函数对地表沉降值进行了预测评价。结果表明,R/S分析法和V/S分析法对分析地表沉降时间序列具有较好的有效性,R/S分析法受短期记忆影响大,计算结果偏于安全,而 V/S分析法评价地表变形稳定性更加保守,3个监测点将长期处于稳定状态,且其时间序列的非循环周期约为20 d。使用分形插值得到的预测值与实测值间误差较小,且能正确反映变形演化趋势,较传统的回归分析优越,可以为地表沉降预测提供一种参考。     

长江大通站流量丰枯演化趋势预测

大通水文站是长江干流最后一个控制站,流量变化对下游感潮河段的潮流界及潮区界变迁、长江口盐水入侵及河床演变具有重要意义。应用Kendall趋势检验法、Markov过程基本的理论、条件概率分析法,就大通水文站1950~2007年实测年均流量时序变化的趋势特性及丰枯演化规律进行了研究。结果表明：大通站年径流量年际变化较稳定,但年内分配不均匀;枯水年多以连续形式出现,枯水状态的出现概率占优。应用研究结果对2008~2010年的丰枯水年进行预测,预测结果与实测资料相符。     

基于异方差检验的水文过程隐含周期分析模型及其应用——Ⅱ应用

根据作者在前文中建立的检测水文时序隐含周期的模型方案,本文对新疆塔里木河流域的阿拉尔水文站和新渠满水文站1784~1997年的年天然径流数据进行周期分析。在利用对数变换降低其异方差性的基础上,分别建立AR(4)与AR(2)时间序列模型,给出了两径流的统计运行规律。并在此基础上,通过计算判定得到两个水文站的天然径流序列都存在42.7年隐含周期。最后,利用方差分析周期检验方法作了印证性讨论。实例分析表明,本文提出的基于异方差检验的水文过程隐含周期分析模型是对水文时序规律更深刻的挖掘。     

应用频谱法分析水文时间序列的代表性

水文时间序列的代表性分析是水文频率计算的一项重要内容,水文频率分析成果的优劣在很大程度上取决于水文序列的代表性。目前对水文序列代表性分析仍缺乏有效的方法。本文尝试引入频谱分析法分析水文序列的代表性,根据频域中水文序列周期数,判断研究的序列是否含有丰、平、枯或大、中、小各特征量级的序列值,从而确定水文序列代表性的优劣。通过对实际测站年最高水位序列的频谱分析去判断其周期,由此推断该序列具有较高的代表性,其频率计算设计成果具有较高的精度。     

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。     

分布式水文模型研究与应用进展

分布式水文模型是探索和认识复杂水文循环过程和机理的有效手段,也是解决许多水文实际问题的有效工具。当前水多（洪水）、水少（干旱）、水脏（水质污染）、水浑（土壤侵蚀）的现状,以及全球气候变化和数字水文学的兴起,为分布式水文模型的研究、开发和应用带来了巨大的挑战。本文从当前水文水资源研究的热点问题出发,系统总结了分布式水文模型在解决水文学面临的重要问题中研究与应用的现状以及主要进展与不足,探讨了分布式水文模型的发展趋势,并讨论了建模中存在的难点问题和关键技术。     

基于方差线谱的水文时间序列周期分析

水文资料在地方水利建设、防洪减灾、水资源管理等方面具有重要作用。由于许多地区缺少长时间序列水文资料,因此在涉水工程研究中,往往需要对水文序列进行模拟和延长,周期识别是其中一个非常关键的步骤,方差线谱法(即周期图法)是周期识别的一种重要方法。本文通过对长江上游某水文站流量时间序列的周期识别,阐述了方差线谱分析在水文时间序列模型中的应用。