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。      

库岸滑坡地下水位时间序列混沌特征识别与PSO-LSSVM模型预测

地下水位预测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在季节性强降雨和周期性库水位涨落等诸多因素影响下呈现混沌特征。在对地下水位序列进行相空间重构的基础上,采用饱和关联维数法和最大Lyapunov指数法对其混沌特征进行验证。再用预测性能优秀的最小二乘支持向量机(LSSVM)模型对其进行预测,并用粒子群算法优化选取LSSVM模型的参数,以克服LSSVM模型参数选取困难的缺点。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进行了混沌分析,分别运用粒子群优化的LSSVM模型(PSO-LSSVM)和BP神经网络模型对STK-1水文孔地下水位进行了预测。结果表明库岸滑坡地下水位序列存在混沌特征,PSO-LSSVM模型预测结果的均方根误差为0.193m,拟合优度为0.815,说明预测效果较理想,且PSO-LSSVM模型预测精度高于BP网络模型,具有较强的实用性。     

0-1测试方法的径流时间序列混沌特性应用

径流时间序列混沌特性识别的常用方法是基于相空间重构的关联维数法、最大Lyapunov指数法和Kolmogorov熵法。引入一种新的时间序列混沌特性识别方法:0-1混沌测试方法。该方法直接应用于时间序列不需要相空间重构,并且通过量化指标K_c是否接近于0或1来识别时间序列的混沌特性。以Logistic映射生成的序列、金沙江流域和美国Umpqua河多年日径流序列为研究对象,首先利用0-1混沌测试方法进行了混沌特性识别和判定;然后基于相空间重构,运用相空间重构、伪最近邻点法、关联维数方法、最大Lyapunov指数法和Kolmogorov熵5种非线性研究方法分析了这两列径流时间序列混沌特性。研究结果表明0-1混沌测试方法简单有效。以上方法交互验证了该两列径流时间序列存在低维混沌特性。     

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.      

基于主成分-时间序列模型的地下水位预测

地下水位预测是区域水资源管理的重要依据。针对地下水位在时间序列上表现出高度的随机性和滞后性,建立了基于主成分分析与多变量时间序列CAR（Controlled Auto-Regressive）模型耦合的地下水位预报模型,将该模型应用于济南市陡沟灌区地下水位预测,结果显示,模型模拟值与实测值的决定系数R2和Nash-Suttcliffe系数E_ns均达到0.90以上;以2011年为基准年,当降水量减少10%~20%,蒸发量和生活用水量增加10%~20%,调入27.39万~137.0万m3地表水用于农业灌溉时,到2030年灌区地下水位将维持在30.99~31.29 m,较基准年上升0.12~0.42 m。在区域水资源紧缺的背景下,适当引入地表水灌溉,减少地下水的开采,灌区地下水位将逐步回升,对于灌区的可持续发展和区域水资源的合理利用具有重要意义。     

成矿元素巨量聚集的混沌机制——斑岩型和构造蚀变岩型矿床例析

成矿元素含量的变化受控于成矿系统内部的动力学过程,具有较强的随机性与混沌特征,对其变化特征的定量刻画有助于深入理解成矿过程,并为找矿预测提供理论依据。本文以三江普朗斑岩型铜矿的Cu元素与胶东大尹格庄构造蚀变岩型金矿的Au元素品位序列为研究对象,运用混沌时间序列分析法中的相空间重构技术、吸引子的关联维及最大Lyapunov指数解析了Cu与Au元素品位序列的分布特征。结果显示:斑岩型铜矿强矿化和中矿化Cu元素品位的饱和关联维介于4.42与9.69之间,饱和嵌入维介于25与28之间,最大Lyapunov指数介于0.0021与0.0661之间,弱矿化勘探线Cu元素关联维没有出现饱和现象,最大Lyapunov指数随着嵌入维的增大,由正数变为负数;构造蚀变岩型金矿的强矿化勘探线Au元素的关联维为3.18,饱和嵌入维为23,最大Lyapunov指数为0.0082,而中矿化和弱矿化勘探线Au元素的关联维没有出现饱和现象,且随着嵌入维的增大,最大Lyapunov指数由正数变为负数,表明斑岩型中-强矿化地区的Cu元素和构造蚀变岩型强矿化区域的Au元素品位序列具有混沌动力学特征,而弱矿化地区的Cu元素及中弱矿化地区的Au元素品位序列则具有更强的随机性特征;同时,具有混沌特征的斑岩型铜矿的饱和嵌入维和关联维及最大Lyapunov指数的均值都大于蚀变岩型矿床,说明斑岩型铜矿比蚀变岩型矿床的元素具有更强混沌特性与更复杂的控制因素,如温度、硫化作用、流体不混溶、蚀变叠加等。     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程，提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术，并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程，取得了较好的工程效果。     

遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用

区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。     

混沌时间序列支持向量机模型及其在径流预测中应用

以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预测模型建模的思路、特点及关键参数的选取。利用饱和关联维数法进行相空间重构,并运用改进小数据量法计算最大Lyapunov指数,对宜昌站月径流时间序列进行混沌特性识别。在运用混沌时间序列的支持向量机模型对月径流预测的应用中,引入了径向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文序列,具有较高的泛化能力和很好的预测精度。     

地下水动态预报的多层递阶组合模型

地下水系统是一个复杂的随机系统,降水、灌溉等可视为系统的输入,而地下水位则可视作系统的输出。地下水位是一随机动态数据序列,在年际间具有明显的周期性变化。基于此,提出了一种用于描述和分析具有周期性变化的时间序列的新的组合模型一多层梯阶组合模型,该模型是由多层梯阶模型及自回归滑动平均(ARMA)模型构成。在建模中,将原序列分解为年均值、年度变幅和残差三个子序列。针对前两个子序列的时变特征,可采用多层梯阶模型进行模拟,残差序列则可用ARMA模型描述。本文采用这种新的组合模型对区域地下水位动态进行了预报,结果表明预测效果较好。     

时间序列分析法在延吉市地下水动态预测的应用

根据延吉市地下水位周期性变化趋势明显的特点,提出了水位预报的时间序列分析模型。同时,通过模型分析可知该区地下水位变化存在两个主要周期年,即地下水位的季节性变化和多年变化规律,预报结果表明：该模型预测效果较好,运行合理,对规律性不强的地下水位动态预报具有一定的实用价值。     

基于Markov状态切换的水质时序自回归预测模型

水质时序演变特征的研究及预测对制定合理可行的水污染防控措施有重要意义,但水质时序的结构复杂性和非平稳性是采用自回归模型进行预测的瓶颈。针对上述问题,作者将马尔可夫状态切换理论（Markov Switching）应用于水质时序的自回归建模预测。马尔可夫状态切换-自回归模型（MS-AR）是一种研究具有变结构动力特征的时间序列分析方法,对异方差时序有较强的适应性。实例运用中,首先对果河桥断面的氨氮时序进行Box-Cox变换,然后运用MS-AR模型对其进行结构分析及预测。结果表明： MS-AR模型能有效识别出该水质时间序列演变过程中的两种结构模式,通过与经典自回归模型的预测精度相比,该方法的各项指标均优,也说明该方法在水质时间序列动态结构分析和预测方面有良好的应用前景。     

基于相空间重构的边坡位移预测

根据边坡位移时间序列的非线性性质, 应用基于相空间重构的实时预测方法, 可以充分利用时间序列信息, 预测 各种边坡变形演化趋势。 讨论了局域法和基于 Ly apunov 指数的预测法。 实例研究表明, 基于相空间重构的预测方法具 有比非平稳时间序列更高的预测精度和更广的适应性。     

频谱分析法在吉林西部地下水动态预报中的应用

本文应用频谱分析法对吉林西部的地下水动态进行了分析和预报,用傅立叶级数将消除趋势成分后的水位序列在一定区间上展开,分析谱参数之间的函数关系,建立预报模型。对模型进行分析可知该区地下水位存在两个主要周期(1年和6～8年) ,反映了地下水位的季节性变化和气候变化规律;2 0 0 2年以后的预报结果表明部分地区的地下水位将持续下降,应及时加以控制。为吉林西部的地下水开发和水资源管理提供了依据。     

地下水位上升与粘性土地基承载力

由于温室效应的连锁反应，致使地下水位不断上升。面对这种势态，本文以极限承载力理论为依据，提出了地下水位上升对浅基础的粘性土地基承载力影响的内涵规律。     

地下水水位时间序列中的混沌特征

利用相空间重构技术、G -P算法以及Wolf提出的从单变量中提取Lyapunov指数的方法 ,分别计算了太原盆地 4组地下水水位时间序列的关联维数和Lyapunov指数。结果揭示在自然状态下 ,太原盆地某些孔隙潜水和孔隙承压水水位变化存在明显的混沌特征。这不仅为以后建立水位预测模型提供了理论依据 ,并且也为运用分形理论研究地质参数的时空变异性以及含水层结构的自相似性提供了进一步的支持。     

岩体演化的非线性动力学模型与稳定性分析

以时间序列为基础,应用支持向量机建立岩体演化的非线性动力学模型,依据Lyapunov指数给出最长可预报时间,并通过函数拟合、变量代换将其化为标准的尖点突变模型,利用突变理论对其进行稳定性分析。结果表明,该模型预测效果理想,并具有良好的推广能力。