文摘
英文文摘
声明
1绪论
1.1研究背景及意义
1.2水文时间序列分析的研究动态
1.2.1随机过程分析方法
1.2.2信息熵分析方法
1.2.3模糊数学分析方法
1.2.4遗传算法
1.2.5人工神经网络
1.2.6小波分析
1.2.7灰色时间序列分析
1.2.8分形分析方法
1.2.9混沌理论
1.2.10支持向量机方法
1.2.11水文时间序列分析方法的发展趋势
1.3论文的研究内容和技术路线
1.4论文创新点
2神经网络在水文时间序列预测中的应用研究
2.1引言
2.2人工神经网络方法概述
2.3变最值的原始资料规范化
2.4实例计算
2.4.1洪水流量序列预测
2.4.2年径流预测
2.4.3计算结果分析
2.5小结
3连续小波变换在水文时间序列预测中的应用研究
3.1引言
3.2连续小波变换简介
3.3小波主周期系数加权和模型
3.3.1趋势成分的分离
3.3.2周期分析预测
3.3.3随机成分分析
3.4实例应用
3.4.1黄河花园口年径流预测
3.4.2千河流域千阳站年径流预测
3.5 Morlet小波系数周期预测的有效区间分析
3.6小结
4自记忆模型在水文时间序列预测中的应用研究
4.1引言
4.2一元时间序列反演方法
4.3自记忆性原理
4.3.1记忆函数的引进
4.3.2自记忆方程
4.3.3自记忆系数的求解
4.4水文多元时间序列自记忆模型
4.4.1水文二元时间序列反导微分方程
4.4.2水文多元时间序列反导微分方程
4.4.3水文多元时间序列自记忆方程
4.5自记忆预报模型的应用
4.5.1洮河旬径流预测
4.5.2和田地下水埋深预测
4.6小结
5基于混沌理论的水文时间序列预测方法研究
5.1引言
5.2水文时间序列的相空间重构
5.3水文动力系统的混沌识别
5.3.1饱和关联维数法
5.3.2 Lyaptmov指数法
5.4混沌神经网络
5.4.1混沌神经网络模型结构
5.4.2混沌神经网络在洮河旬径流预测中的应用
5.5混沌支持向量机
5.5.1支持向量回归方法简介
5.5.2最小二乘支持向量机
5.5.3混沌支持向量回归模型结构
5.5.4混沌支持向量回归在洮河旬径流预测中的应用
5.6混沌自记忆模型
5.6.1相空间动力模式反演方法
5.6.2相空间自记忆预报模型
5.6.3混沌自记忆模型在洮河旬径流预测中的应用
5.7各模型预测结果对比分析
5.8小结
6总结与展望
6.1主要研究成果
6.2展望
致谢
参考文献
附录