排序方式: 共有5条查询结果,搜索用时 8 毫秒
1
1.
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. 相似文献
2.
水位演算模型及其在水位预报中的应用 总被引:4,自引:0,他引:4
将单一河道洪水演算系统视为单输入一单输出系统,基于时间序列分析中的ARMAV(2,1)模型,应用时间序列分析最优控制理论建立了水位演算模型和水位预报方法。证明若采用水位作变量,则可采用无约束的最优化方法确定参数;若采用水深作变量,则可采用以水量平衡为约束的寻优方法确定参数。本文所建立的水位预报方法用于黄河下游水位预报,得到了满意的预报精度。 相似文献
3.
水文时间序列复杂特性的研究与定量表征 总被引:4,自引:1,他引:3
应用小波分析方法及相关理论,以海河流域黑龙洞泉域47a(1956~2002年)年降雨序列和黄河利津站54a(1950~2003年)年径流序列为例.深入研究并定量描述随序列长度变化时水文时间序列主周期值和复杂特性的变化规律和特征.分析结果显示:不同方法(熵谱分析(MESA)、连续小波变换和小波方差分析)对相同长度序列的周期识别结果一致,不同长度序列的主周期值不同;此外,不同长度序列(包括原序列和消噪序列)的信息量系数(ICF)和分维数(D)也不等.研究结果表明:(1)水文序列特性复杂多变,存在整体变化特性和十分复杂的局部特性;(2)由局部特性发生变化造成序列的复杂程度随序列长度而变化,从而引起序列主周期值及复杂度(ICF和D)随序列长度变化而变化;(3)相比于序列的整体变化特性.局部特性更加复杂多变且更难以进行描述,因此也难以进行准确地模拟预测.对于引起水文序列局部特性变化的物理机制仍需进行深入探讨. 相似文献
4.
传统相关展延(CE)法较多地考虑了序列总体的变化特征,并且两序列需呈线性关系。但是不同的水文变量,具有不同的时空分布特性,可以提供插补展延的信息资源是不同的。因此,本文对该法进行了改进,把小波分析和BP神经网络应用于水文序列的展延,提出了两种改进方法:多时间尺度展延(MTSE)法和小波-BP网络展延(WA-BP)法,力图既考虑水文序列的多时间尺度特征,又突破线性关系的束缚,充分利用水文变量提供的信息资源。通过实例对比分析表明:(1)CE法、MTSE法和WA-BP法的展延精度依次提高。(2)当水文序列的波动变化不显著时,CE法、MTSE法和WA-BP法都满足相对误差的均值小于或等于0.2的精度要求,且WA-BP法稍优越于MTSE法。(3)当水文序列的波动变化显著时,CE法和MTSE法不是很适用,选择WA-BP法仍然可以得到较精确的展延结果。 相似文献
5.
以黄河利津站54年(1950~2003年)的月径流序列为基础资料,以1970年为分界点,对比分析黄河下游1950~1969年和1970~2003年的各月径流序列和年径流序列的变化特征; 并把 1950~1969年和 1970~2003年的各月径流序列的特征值和主周期作为自组织映射网络(SOM)的输入向量,分别建立小波分析-自组织映射网络(WA-SOM)耦合模型,根据其输出结果对比分析1970年前后黄河下游各月径流序列的变化情况。研究表明: 1970年以后,黄河下游各月径流量明显减少,各月径流序列(除1月和12月)的CV和CS显著增大,整体来看,主周期变得更加复杂; 并且在1970年之后,3月、4月、5月和6月的径流序列变得相似,汛期8月、9月和10月的径流序列特征差异很大。 相似文献
1