黄河中游区水沙变化灰色预测

通过理论分析论证，认为ＧＭ模型所反映的本质特征与水沙长期变化的累积效应是相似的，并用４种ＧＭ模型对年序列及汛期序列水沙变化趋势进行了模拟预测。     

基于混沌神经网络理论的城市地面沉降量预测模型

通过分析城市地面沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性。在此基础上,通过相空间重构的方法建立了用于城市地面沉降量预测的混沌神经网络模型;并利用此模型对高桥地面沉降量进行了预测,并和实际监测沉降量进行了比较,最大绝对预测误差为1. 7,预测的平均误差为0. 0833,研究结果表明,应用混沌神经网络模型进行城市沉降预测是可行、精确的。     

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.      

岩溶水系统时变特性的系统分析

本文针对岩溶水系统的时变特性,通过引入“时变指标序列”和“时变因素”的概念,改进传统的线性时不变模型,提出一种非线性时变模型。理论分析和实际应用表明,模型拟合精度明显提高,更好地刻画了实际系统的结构和输入输出行为。模型中时变因素序列G( t )有助于分析系统时变的机制和过程。      

基于卡尔曼滤波的GNSS自动化监测数据粗差分析

粗差探测一直是自动化变形监测数据处理中的重点和难点,准确有效的粗差探测是确保监测工作能否反映变形体真实变形的关键。以GNSS自动化平面位移监测数据为研究对象,利用卡尔曼滤波,建立监测点坐标序列粗差探测模型,对GNSS自动化监测坐标序列粗差探测过程进行了分析。通过工程实际监测数据分析,验证了模型的准确性和有效性。     

黄河干流兰州站与花园口站年径流序列协整分析研究

协整理论是经济计量学中处理非平稳经济时间序列常用的一种理论，具有模型可靠的优点。将其引入河川径流序列分析中，以黄河为例，通过单位根检验，获得平稳的河川径流序列，在此基础上，建立了误差修正模型，用于描述流域上下游径流间的协整关系。     

基于长自回归残差法的时序分析在大坝变形监测与预报中的应用

本文主要研究了时间序列分析在大坝变形监测与预报中的应用。突出分析了ARMA模型的优点。分别利用最小二乘估计法和长自回归模型残差法进行坝体形变的分析和预报;通过对不同阶数ARMA模型在实际应用中的比较分析,确定出一种精度相对高、原理简单的方法进行建模,从而进行形变的分析和预报。     

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.      

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。     

混沌序列WA-ELM耦合模型在滑坡位移预测中的应用

针对滑坡位移序列的混沌特性和传统时间序列预测模型的不足,提出了一种基于混沌时间序列的小波分解-极限学习机(WA-ELM)滑坡位移预测模型。该模型以滑坡位移序列混沌特性分析为基础,应用小波分析将位移序列分解为具有不同频率特征的分量,对各特征分量分别进行相空间重构并应用极限学习机进行预测,最后将各特征分量预测值叠加,得到原始位移序列的预测值。以三峡库区八字门滑坡为例,并与小波分析-支持向量机(WA-SVM)以及单独ELM模型进行对比研究。结果表明,基于混沌时间序列的WA-ELM模型预测精度较高且具有较好的通用性与稳定性,是一种有效的滑坡位移预测方法。     

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.     

深基坑施工时地表沉降预测的时序-投影寻踪回归模型

为了保证施工的正常进行、实现信息化施工,必须对基坑实际监测数据进行分析与预测。现有的趋势时间序列分析方法很难满足实际施工中高度非线性问题的拟合,预测误差较大。基于这点考虑,以天津某工程基坑施工地表沉降观测序列为例,在对原始数据进行分析的基础上,提出既可以考虑趋势时间序列,又具有高度非线性拟合性能的时序-投影寻踪回归模型。首先,通过比较分析几种时间序列方法的逼近误差和预测误差,寻求出一种逼近较好的时间序列预测方法。然后,将预测得到的时间序列和观测数据相结合,采用投影寻踪回归方法拟合。应用结果表明,该模型逼近性能良好,预测误差小,可为深基坑位移沉降的动态预测提供一条较好的途径,对基坑动态设计与信息化施工等方面具有重要的参考价值。     

不同小波函数对灰色模型精度影响分析

针对小波灰色模型在水文序列预测中面临的小波函数的选择问题,采用安庆站1956~2011年实测降雨量作为算例,以传统的灰色模型预测值作为参考,考虑了Haar、Db、Smy、Coif、Bior、Rbio、Dmey等7种小波基函数,通过方差和纳什系数作为模型预测评价指标,对不同小波灰色模型精度影响进行了分析。结果表明:不是所有小波函数与灰色模型耦合都能提高模型的精度;安庆站1956~2011年实测降雨量水文序列来说,db1小波函数对模型精度提高的效果最明显。     

基于影响因素分布模型的滑坡稳定性敏感分析

提出了基于影响因素分布模型的滑坡稳定性敏感分析方法,该法用于分析影响因素在整个定义域内对滑坡稳定性的敏感程度,以滑坡影响因素为子序列,以其稳定性系数为目标序列,根据子序列的累积分布函数求影响因素区间概率函数,与目标序列差值乘积加和得到敏感性综合决策值。以三峡库区奉节县太山庙滑坡为例,经类比统计得到滑带土抗剪强度参数的分布函数,通过经验分析得到地震水平加速度和库水位变化的分布函数,应用该法计算得到影响因素中对滑坡稳定性最敏感的因素。以内摩擦角为例,分析了影响因素方差与滑坡稳定性敏感分析结果的关系。     

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。     

新疆玛纳斯河域地下水预测研究

根据新疆玛纳斯河流域地下水年径流量的时间序列,建立了用于描述和分析具有趋势和周期变化特性的地下径流量时间序列的组合模型。应用模型对石河子地区地下水年径流量进行了预报,为该地区水资源合理配置和优化调度提供科学依据。     

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     

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。     

模糊时间序列分析方法在铜资源消费预测中的应用

通过对铜消费量肖费量的动态模糊数据时间序列分析模型。了模型的求参方法,并对进行了应用尝试。     

某平原区地下水位动态变化的ARIMA模型预测研究

该文简要分析了某平原区气象水文、地形地貌、地质条件、水文地质条件,对其地下水位动态特征进行了研究。该文采用ARIMA模型,将非平稳时间序列转化为平稳时间序列,然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归,建立模型,根据原序列是否平稳以及回归中所含部分的不同,涉及移动平均过程(MA)、自回归过程(AR)、自回归移动平均过程(ARMA)以及ARIMA过程。该文调查分析了该平原区地下水位动态变化特征,以地下水位动态数据进行了模型预测分析。结果表明:该模型对于预测地下水位动态变化特征准确度较高,总体误差小于15%,可用于地下水的动态预测分析。