WPD-COA-ELM模型在汛期月降水量时间 序列预测中的应用研究

针对月降水量时间序列多尺度非平稳性特点,提出小波包分解（WPD）-白骨顶鸟优化算法（COA）-极限学习机（ELM）相融合的降水量预测模型。首先,利用WPD将非平稳月降水量时间序列分解为若干子序列分量;然后在不同维度条件下利用6个典型函数对COA进行仿真测试;利用COA优化ELM输入层权值和隐含层偏值,对每一个子序列分量分别建立COA-ELM模型进行预测,将预测结果叠加重构后即为最终预测结果;最后,以云南省龙潭站汛期和主汛期月降水量数据为例进行实验,并与WPDCOA-BP、WPD-ELM、WPD-BP预测模型进行比较。结果表明：COA在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-COA-ELM模型对实例汛期、主汛期月降水量时间序列预测的平均绝对百分比误差分别为3.91%、3.59%,预测精度优于WPD-COA-BP模型,远优于WPD-ELM、WPD-BP模型。WPD能科学降低月降水时间序列数据的复杂性,提高预测效果;COA能有效优化ELM输入层权值和隐含层偏值,提高ELM网络性能。     

混沌序列WA-VOLTERRA耦合模型在月降水量预测中的应用

由于月降水量时间序列含有大量噪声, 并表现出明显的混沌特性, 现有预测模型均存在一定程度的不足.基于混沌理论的小波分析-VOLTERRA级数自适应(WA-VOLTERRA)耦合预测模型, 在对月降水量时间序列进行混沌特性识别的基础上, 先用小波分析对月降水序列进行时频分解, 再分别对各频率分量进行相空间重构并用3阶VOLTERRA级数自适应模型建模预测, 最后综合得到原始序列的预测值.以相近区域杭州市和南通市的月降水序列为例, 并通过与小波分析-支持向量机(WA-SVM)模型进行比较, 发现该模型具有较强的适用性和更高的预测精度.      

基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义, 三峡库区库岸滑坡地下水位时间序列受多种因素影响, 呈现出高度非线性非平稳的特征.为对其进行预测, 提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine, 简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解, 将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列; 然后重构各子序列的相空间, 再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测, 最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例, 首先分析滑坡前缘地下水位变化的影响因素, 再将WA-PSVM模型应用于地下水位预测, 并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation, 简称WA-BP)作对比.结果表明: 滑坡前缘地下水位受降雨和库水位影响较大, 利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966, WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题, 在不考虑影响因素的情况下能获得满意的预测效果, 具有较高的建模效率和较强的实用性.      

盘锦市历年降水量变化趋势分析

以盘锦市行政分区及流域分区近57年（1956--2012年）降水量资料序列为基础,运用二种统计学方法,对各年平均降水量在时间序列的变化趋势进行详细分析,预测盘锦地区降水量未来变化趋势。     

基于权马尔可夫链模型的庐江县降水量预测

由于降水过程的随机性与不确定性,使得降水量预测存在一定的难度。对安徽省庐江县1952~2009年逐年降水资料进行了分析,采用样本-标准差分级法将这58年的逐年降水量序列分为枯水年,偏枯水年,平水年,偏丰水年,丰水年5个状态,采用权马尔可夫链模型预测了2010年的降水量,预测结果与实测结果相吻合。     

雷州半岛年降水量序列分析及预测模型

采用了雷州半岛徐闻气象站年降水量(1957～2002年)的时间序列资料,运用时间序列分析建模方法,对序列提取趋势项和周期项,并用自回归-滑动平均混合模型拟合剩余序列,然后再对年降水量序列进行预测。分析结果证明,建立的时间序列预测模型,具有较高的预报精度,其预测的结果可以用作雷州半岛旱情预报和防治的参考依据。     

汪家寨矿涌水量非线性即时预报模型研究

汪家寨煤矿涌水量主要受控于大气降水,为了及时预报矿井涌水量,利用矿井涌水量序列和降水量序列,建立涌水量非线性即时预报模型。从涌 和降水量的互相关分析得知,涌水量滞后降水量约０～１个月。应用时间序列混合门限自回归模型建立了涌水量预测模型Ｔａｒｓｏ（２,（１,１）,（１,１））,利用率模型对１９９１年的涌水量进行了预测,主送率在１０％～２０％之间,满足生产需要。模型既考虑了涌水量序列的自相关性,又考虑     

基于无偏灰色马尔可夫链的吉林省降水量预测

为了更准确地对吉林省降水量进行预测,分析其时空变化特征,应用无偏灰色马尔可夫链模型对8个具有代表性的雨量站进行降水量预测,并根据预报结果讨论历史数据波动性与预报精度的关系。其中：83%以上预测结果合格,白城、乾安、长春、蛟河、四平、通化6个地区降水量多年呈递减趋势,减幅分别为0.23%、0.09%、0.24%、1.01%、0.51%、0.54%;延吉、靖宇2个地区降水量多年呈递增趋势,增幅分别为2.60%、0.54%。结果表明：无偏灰色马尔可夫链模型预测精度较高,说明该方法适用于吉林省的降水量预测;吉林省中西部地区降水量呈递减趋势,东部地区呈递增趋势,但变幅不大;在波动性与预报精度的关系方面,时间序列的波动性越大预测所产生的误差越大。     

济南岩溶含水系统滞迟效应分析

济南岩溶含水系统的泉水位和泉流量明显滞迟于降水量。利用峰值时段差、原始序列回归等方法,并考虑了降水量、泉水位、泉流量周期性的影响,计算出济南岩溶含水系统的滞迟时间为2～6个月。以不同滞迟时间建立了泉流量预测模型,并进行了对比分析,滞迟时间6个月预测模型,预测精度较高,物理概念不明确;滞迟时间2个月预测模型,预测精度稍差,但物理概念明确,建议采用该模型进行泉流量预测。     

18世纪南京、苏州和杭州年、季降水量序列的复原研究

利用清代宫廷档案“晴雨录”南京、苏州和杭州的逐日天气记录,复原了18世纪三地的年、季和月降水量序列;论述了将“晴雨录”的逐日降水时数和降水类型的记载转换成7级降水日数和逐步回归推算月降水量的方法及其科学依据;给出长江下游地区18世纪典型多雨、少雨年份的降水量值。18世纪南京等三地的年、季、月降水量序列的复原,对了解在寒冷小冰期中相对温暖时段我国主要农业区长江三角洲地区的降水特征有重要意义。     

基于EEMD及BP神经网络的区域海平面多尺度预测研究

基于时间序列的统计预测模型是现阶段海平面高度预测的主要手段之一,然而海平面变化机理复杂,传统方法对于非平稳非线性的时间序列预测存在较大局限性,预测精度有待进一步提高.本文基于闸坡站长时间(1959～2011年)月均验潮序列,结合集合经验模态分析(Ensemble Empirical Mode Decomposition,简称EEMD)与BP(Back Propagation)神经网络方法,提出一种改进的区域海平面变化趋势预测方法——EEMD-BP建模.本研究首先利用EEMD方法对原始序列进行分解,根据验潮序列中隐含的各个信号的不同频谱特征生成多个本征模函数(Intrinsic Mode Function,简称IMF),达到将时间序列平稳化,提高信噪比的效果.然后由各IMF作为BP神经网络的输入因子,分别预测各IMF的未来变化趋势,最后将输出结果重建得到原始序列的预测值.结果显示,EEMD能有效提取序列中隐含的多时间尺度信号,神经网络能较好地预测海平面未来变化趋势,相对于直接使用BP神经网络进行海平面变化时间序列预测(R=0.76,RMSE=36.74mm,ME=-3.46),EEMD-BP建模预测精度有显著提高(R=0.89,RMSE=28.16mm,ME=2.31).说明EEMD-BP建模首先对非平稳非线性时间序列进行平稳化、降噪等处理,再分别对分解后序列进行预测,有利于提高预测精度.该方法为相关区域海平面变化趋势预测研究提供现实参考意义.     

TRMM遥感降水数据在伊洛瓦底江流域的精度检验和校正方法研究

在伊洛瓦底江流域利用13个雨量站数据对TRMM日降水数据进行了精度检验,提出了一种基于水量平衡的TRMM数据校正方法。该方法首先以SWAT模型为基础,以不同子流域内的水量平衡为目标,计算各个子流域的TRMM数据校正系数;其次以子流域内的坡度值为自变量,校正系数为因变量,对二者进行回归分析,在没有水文控制站的子流域根据坡度求得对应的校正系数,对各个子流域的降水数据分别进行校正。结果显示,校正前TRMM年降水量和月降水量与实测值有较高相关性,但偏差较大;校正后年降水量与实测值基本一致;月降水量与实测曲线吻合较好;日降水量的预报等级从中等提高到了良好,校正前2个站预报等级差,7个良好,4个中等,校正后6个良好,2个中等,5个优秀。结果表明此方法在伊江流域能在不同时间尺度上显著提高TRMM数据的精度,为流域水文水资源分析提供数据支持。     

非平稳条件下北京市最大月降水量频率特征分析

为探究气候变化下极端降水的频率变化特征,基于北京市22个雨量站实测月降水量数据,以时间为协变量构建平稳和非平稳GEV模型,对北京市最大月降水量序列(极值降水序列)进行模拟和频率分析,并采用Bootstrap方法对频率分析结果的不确定性进行评价。结果表明:所有极值降水序列的最优概率分布模型均为非平稳GEV模型,该模型能够抓住序列随时间呈显著下降趋势的变化特征;由非平稳GEV模型估算得到的极值降水重现水平随时间呈减少趋势,这意味着未来极值降水导致洪涝灾害的风险在降低,但导致干旱的风险将增加;随着重现期的增加,极值降水重现水平估计值的不确定性也随之增大。     

模糊均生函数残差模型在地下水数值模拟降水量预报中的应用

地下水主要补给来源为大气降水的入渗和地表水体的渗漏.在地下水模拟预报模型中需要预先知道降水量.迄今为止,年降水量的预测仍然是一个不易解决的难题.在模糊均生函数模型(FAFM)基础上,利用其残差数据序列对FAFM进行校正,提出了模糊均生函数残差模型(REMFAF),给出了模型预报精度的检验方法.实例研究表明,REMFAF模型应用于吉林省西部地区地下水数值模拟中的降水量预报,比FAFM的预报精度更高,取得了较为理想的结果.     

频谱分析法在挠力河流域年降水量预报中的应用

本文介绍了用频谱分析法进行降水量分析和预报的基本方法。首先对实测序列进行趋势项分析；其次用自相关函数进行谐波模式检验；然后根据函数的傅立叶级数展开理论，分析谱参数之间的函数关系，计算傅氏系数；最后采用F分布检验法对周期进行显著性检验。确定主要周期，从而建立预报模型。并应用该方法对挠力河流域菜咀子站的年降水量进行了预报，结果表明该区年降水量存在两个主要周期（3年和9年左右），反映了该地区的气候变化规律。实例证明，频谱分析法预测效果很好．预报结果可为挠力河流域的水资源开发和管理提供依据。     

青海湖区降水序列及其变化的特征研究

利用青海湖区1958-2005年8个降水观测点月资料, 整理出5条(A～E)年、季降水序列, 应用气候诊断方法分析了降水的年代际变化及其突变特征. 结果表明: 5条序列年、季降水量的年际变化趋势大多数年代比较一致, 并且E序列代表青海湖区降水量比较可靠. 多数序列表现出20世纪60年代春季多雨, 70年代秋季多雨, 80年代春夏秋季多雨, 90年代冬春夏季多雨的季节变化特征以及60-70年代少雨、 80年代多雨和90年代少雨的年代际变化特征比较明显, 多数序列年度和冬、夏季降水量增多的趋势与新疆、河西中西部、柴达木盆地相同. 春季降水量在80年代初发生了一次气候突变, 年度和其它季节没有发生突变.     

基于时序分解与机器学习的非平稳径流序列集成模型与应用

揭示变化环境下非平稳径流序列波动特征,可为提高径流预测精度和涉水工程规划提供支撑。针对径流序列具有非平稳性、周期性和异方差性的特征,收集长江流域攀枝花、城陵矶和大通站2008—2018年实测径流资料,基于周期趋势分解法(STL)将原始数据分解为周期项、趋势项和剩余项,结合各子序列特征采用多模型集成获取未来径流的综合预测值,并将预测结果与Prophet、LSTM和GARCH等单一模型进行对比。结果表明：联合机器学习和时序分解的集成模型在多个评价指标上均优于单一模型,且对异方差效应显著的站点模拟精度提升明显;验证期内3个站点的纳什效率系数分别为0.96、0.95和0.93,表明该模型能有效模拟长江流域径流波动过程。     

南洞地下河月径流时间序列的混沌特征及预测

利用基于相空间重构技术、混沌识别与预测理论对1993-2013年南洞地下河月径流时间序列的非线性特征进行了分析,由所获得的延迟时间和最佳嵌入维数实现了月径流时间序列的相空间重构,运用饱和关联维数法和小数据量法计算出南洞地下河月径流时间序列的饱和关联维数和最大Lyapunov指数,并运用Volterra模型对南洞地下河月径流时间序列进行了多步预测研究。研究结果表明,南洞地下河月径流时间序列相空间重构的延迟时间和最佳嵌入维数分别为τ=5、m=8,饱和关联维数D和最大Lyapunov指数λ分别为4.63、0.748 9,从定性和定量的角度证明了南洞地下河月径流时间序列具有弱混沌特征。Volterra自适应滤波模型的预测结果能较好地表征南洞地下河月径流的变化趋势和规律,对18个月内的短期预测精度较高,模拟效果较好。      

基于WA、ANN和水文频率分析法相结合的中长期水文预报模型的研究

针对传统中长期水文预报方法模拟预测结果精度低、未考虑水文不确定性因素的影响等问题,本文将小波分析(WA),人工神经网络(ANN)和水文频率分析法联合使用,建立了不确定性中长期水文预报模型:即在应用WA揭示水文序列变化特性的基础上,将原序列分为主序列和随机序列两部分,然后利用ANN对主序列进行模拟预测,对随机序列进行水文频率分析,最后将两部分结果叠加作为最终预测值.将该模型用于黄河河口地区作中长期水文预报,并与传统方法作对比,进行模型验证.结果显示:该模型能同时揭示序列的时、频结构和变化特性;预报值结果精度高;且合格率高;能定量分析和描述水文不确定性因素对预报结果的影响,可得到不同频率对应水文序列的模拟预测值.因此该模型的预报结果更加合理有效,对实际生产应用更具有指导意义.     

西安地下水位埋深变化分析及预测

基于对近年来西安地区各地貌单元潜水和西安市区承压水埋深的分析,采用不同的模型,对水位埋深的变化情况进行了预测检验。并依据降水量和水文地质的分析,提出降水量和水位埋深相互照应的关系,地下水补给量减少的状况,可能对水位埋深变化产生的影响。结果预测,到2010年,西安地区各地貌单．元潜水平均埋深将超过16．9m,2006年,2008年市区的承压水位埋深可能分别达到94．1,90．2。讨论认为持续的水位下降将可能导致严重的后果。解决水位埋深变化带来的问题需要长期的研究和努力。