基于现代分析技术的水文时间序列预测方法研究

摘要

时间序列分析在水文规律分析、水文模拟以及水文预报等许多方面都起着重要作用。水文现象的非线性和高度复杂性，要求从更高的层面和更广泛的角度应用新理论、发展新理论和提出新理论，以解决水科学研究中至今尚无法阐释和不断显现的问题。本文以神经网络、小波分析、支持向量机、自记忆模型和混沌理论这几种现代分析技术为预测手段进行了水文时间序列的预测研究。概括起来，本文取得的主要研究成果如下： (1)对影响神经网络泛化能力的主要原因进行了阐述，针对水文时间序列样本的代表性不好这一问题，提出了采用变最值的规范化方法处理时间序列输入样本，使神经网络的输入样本即使为训练样本的外延，规范化后也处于训练样本的内插范围，从而改善神经网络的泛化能力，并加快网络收敛速度。 (2)提出采用连续变换的小波主周期系数加权和建立水文时间序列预测模型。该方法建立在小波连续变换和小波方差的定性分析基础上，预测依据是小波连续变换得到的小波系数与时间序列的相关性，该种方法更为有效的利用了小波连续变换的结果。 (3)提出一种考虑一个主周期的水文二元时间序列动力反演微分方程模式，并应用双向差分法和最小二乘法推导微分方程参数，给出求解公式。在动力反演微分方程的基础上，建立水文二元自记忆模型。 (4)提出一种水文多元时间序列动力反演微分方程模式，根据前人经验，总结了多元时间序列动力反演微分方程参数的求解方法。在动力反演微分方程的基础上，建立水文多元自记忆模型。 (5)应用BP网络、RBF网络、最小二乘支持向量回归和自记忆模型与混沌理论相结合建立了混沌BP网络水文时间序列预测模型、混沌RBF网络水文时间序列预测模型、混沌最小二乘支持向量回归水文时间序列预测模型和混沌自记忆水文时间序列预测模型，其中将最小二乘支持向量机和混沌理论相结合用于水文时间序列预测和本文所提出的相空间动力反演模式属于本文的创新点。

目录

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