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。     

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。      

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。     

时间序列分析在灾变预测中的应用

本文介绍了利用时间序列分析原理预测灾变的方法，现以预测某地区降雨为例子，介绍了方法的原理与步骤，实践表明，本文提出的方法具有明显的优点。     

时间序列模型在工作面涌水量预测中的应用

在矿山实际生产过程中,涌水量预测对于矿山防治水具有重要意义。以山东郓城煤矿1301工作面为研究对象,先不考虑季节性因素影响的条件下,采用时间序列分析模型ARIMA建立涌水量与时间的函数关系,迭代拟合结果精度低,表明郓城煤矿1301工作面涌水量时间序列受季节性因素影响;在此基础上,基于时间序列加法分解原理,分离提取涌水量时间序列中的长期趋势、季节指数、循环因子和随机变动参数,并应用熵权法确定各参数权重,建立工作面涌水量预测的非线性回归修正模型,并将模拟预测结果与忽略季节效应的ARIMA模型预测的涌水量进行对比,结果表明,建立的非线性时间序列模型计算的涌水量更为接近实测涌水量,验证了方法的准确性。研究成果将为矿井涌水量预测提供新思路。     

混沌时间序列预测的局域法在边坡变形分析中的应用

边坡作为一个复杂系统,其本身的各种参量是不确定的和随机的,在其演化过程中,表现出复杂的非线性行为,发生一系列的混沌现象。本文运用现代混沌理论,对边坡变形的预测问题进行探索性研究,把混沌时间序列理论引入到边坡工程研究中,对该理论的建立及预测方法进行系统地讨论,为该领域的研究提供完整的技术方法。通过对新滩滑坡的研究结果表明,混沌时间序列方法对混沌序列的预测较线性时间序列具有较高的精度。     

基于神经网络的混沌时间序列预测

应用混沌方法对时间序列观测数据进行处理,计算出最大lyapunov指数,得到最大可预报时间尺度。在此基础上,建立人工神经网络预测预报混沌时间序列的模型。结合实例,对该预测方法进行了计算验证。     

矿井涌水量混沌时间序列分析与预测

矿井地下水系统是个非线性系统,由于地下水系统的复杂性,很难完全确定影响矿井涌水量的因素,因此传统的矿井涌水预测表现出较大的局限性。而混沌时间序列分析能够利用单变量处理方法,分析矿井地下水系统中,由于多因素耦合作用所产生的矿井涌水量时间序列。通过对某矿区1985年9月至2005年2月矿井涌水量时间序列资料的分析,显示矿井涌水量时间序列具有混沌特征;通过对比预测值和实测值,表明预测精度高。因此,混沌时间序列分析方法用于矿井涌水量预测是可行的。     

基于VMD-TCN的月降水量预测模型

准确的月降水量预报对水资源的合理开发利用及洪涝灾害的预测和防治具有重要意义.针对传统降水预测方法信息挖掘能力不足的问题,提出了一种基于VMD-TCN的月降水量组合预测模型.该模型使用VMD将原始序列分解为一系列相对平稳的子序列,然后利用TCN对各子序列分别进行预测,输出各子序列预测结果,叠加得到最终预测结果.将VMD-...     

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。     

基于加权马尔可夫模型的济南市降水丰枯状况预测研究

降水量是随机变量,降水过程存在着很大的不确定性和随机性。利用加权马尔可夫模型对济南市2006与2007年的降水进行预测,2006年预测状态为3,属于平水年,2007年预测状态为4,属于偏丰年份,均与实际值相符。该方法的预测结果由点值扩大到区间,提高了预测的可靠性,可结合定量预测方法进一步研究。     

基于贝叶斯模式平均的大渡河流域集合降水概率预报研究

基于TIGGE数据的五个单中心集合预报结果(CMA、CMC、ECMWF、NCEP、UKMO)构成的多中心超级集合预报系统的降水量预报,以及相应时段的实测降水量值,应用贝叶斯模式平均法(Bayesian Model Averaging,BMA)建立大渡河流域的BMA概率预报模型。通过CRPS、MAE、BS三种评价指标,对大渡河流域的BMA降水概率预报模型进行评价与检验,三种指标均显示BMA降水概率预报比原始集合预报具有更高的准确性,其中BMA模型的CRPS和MAE指标均值分别相比原始集合预报减少了31.6%和23.9%;分析模型权重参数,得出ECMWF对大渡河流域BMA降水预报贡献最大,即ECMWF对研究区域降水预报效果最好;模型对大渡河流域极端降水预报效果较差,常低估极端降水量。     

统计相关条件下降水及洪水预报误差相关分析

以三峡水库上游寸滩至万县区间降水预报误差和入库洪水预报误差相应数据为例,在探讨两者统计相关性的基础上,采用Frank、Gumbel、Clayton三种二元Copula连接函数分析了两预报误差的相关结构,以离差平方和最小为准则进行了Copula函数的选择,并与两预报误差独立情况下联合频率分布进行比较和分析。研究结果表明,降水预报误差和洪水预报误差的相关性对其二元联合分布有一定影响,同时,在两预报误差负相关条件下,其联合分布可做简化处理。本文研究结果可为水库预报调度风险管理提供决策参考。     

基于流溪河模型的新丰江水库入库洪水预报模型研究

基于流溪河模型构建了不同空间分辨率的新丰江水库入库洪水预报模型,采用粒子群算法优选模型参数进行洪水模拟,对比实测资料验证了模型性能。结果表明,建立的新丰江水库入库洪水预报流溪河模型模拟效果优良,符合新丰江水库入库洪水预报的精度要求,可用于新丰江水库入库洪水预报：90 m空间分辨率的模型模拟效果最好,200 m空间分辨率的模型也具有良好的模拟性能,500 m空间分辨率的模型模拟性能有明显降低。模型计算工作量随分辨率的提高呈指数增加,90 m空间分辨率的参数优选时间是200 m空间分辨率参数优选时间的7.04倍,而200 m空间分辨率的参数优选时间是500 m空间分辨率参数优选时间的3.53倍。     

黄河上游唐乃亥站月、旬平均流量预报模型研究

唐乃谬论水文站是黄河上游的重要控制站,预报该站月、旬平均流量,对黄游梯级水库电站的调度运行,以及沿黄各省防汛抗旱、工农业生产用水具有重要的意义。依据水量平稳原理,提出了根化的单孔出流水箱模型,在对流域进行了合理概化的基础上,将流域分成三个互不影响的产流区,并分别用水箱模型计算,合成后即为流域出口断面的平均流量。利用历史资料进行参数率定与模拟计算,预报效果较好,将对黄河上游水量调度工作发挥重要作用。     

基于降雨类型直方图分析的降雨站点相似性研究

为研究降雨观测站点间的相似性,提出了基于单场降雨类型直方图分析的降雨站点相似性比较模型。首先提取降雨时间序列中的雨量项,经过数据预处理,选择和提取单场降雨特征,并将这些特征统计量进行数据标准化处理;采用基于Davies-Bouldin指数聚类有效性指数的K-means方法进行聚类,最后对聚类结果进行基于单场降雨的降雨类型直方图相似性分析。实验结果符合相关区域的站点相似性实际情况,表明该相似性模型是可靠的,具有较好的应用价值。     

基于气候重建资料及均生函数-最优子集回归模型的降水预测

利用由科尔沁沙地榆树区域综合年表而重建的181a降水序列,采用均生函数-最优子集回归(MGF-OSR)预测模型对科尔沁沙地降水进行了5a情景的预测,克服了以往序列短的不足.模型建模期相对误差绝对值在3％、5％、10％以内的年数分别占建模年数的36.46％、64.64％、93.37％,建模期模拟精度较高.2007～2010年实测检验期,模拟与实测值保持了方向一致性,各年份相对误差绝对值分别为11.40％、6.73％、22.06％、5.49％,大部分年份预测较理想.经预测,2011～2015年期间,2011年、2012年、2014年和2015年为降水正常年份,2013年为降水偏干年份.与实际情况对比,2011年与预测一致,2012年稍有差别.总体上,2011～2015年降水变化较为平缓.     

一种北江流域年降雨量的权马尔可夫链预测模型

根据北江流域的48个站点的年降雨量资料和泰森多边形计算方法,计算出北江流域的面降雨量。再结合丰、偏丰、平、偏枯、枯水年的频率标准,建立了适用于北江流域年降雨量的分级数值区间,同时,验证了该序列满足马尔可夫链的要求,并考虑该年降雨量序列是相依随机变量的特点,以规范化的各阶自相关系数为权,建立了北江流域年降雨量的权马尔可夫链预测模型,实例验证结果令人满意。     

基于径流形成原理的若干洪水预报理论述评

对基于径流形成原理的洪水预报理论的近代研究成就作了较为系统的述评,并对其未来的发展作了一定的预示.     

基于最小二乘支持向量机的开都河径流预测

简述支持向量的回归分析,支持向量机自回归预测模型结构及预测方法,利用开都河大山口水文站52 a的径流资料,采用最小二乘支持向量机方法对径流进行模拟预测,并与BP神经网络方法进行对比分析,其计算结果相对略好。