多度量水文时间序列相似性分析

多度量组合可以提高相似性分析的准确性,基于该思想,提出多度量水文时间序列相似性分析方法,首先,使用多个单一相似度量分别计算相似时间子序列,然后,采用改进BORDA投票法对各度量分析得到的相似子序列进行组合和排序,得到最终的相似时间子序列。为了证明提出方法的可行性和有效性,以淮河流域王家坝水闸洪水过程相似性分析为例进行了验证。分析结果表明,基于改进BORDA投票法的多度量水文时间序列相似性度量方法可以提高相似查询的准确性。     

基于经验模态分解的水文时间序列预测研究

径流预报是一类经典的水文问题,对水资源的调配管理和防洪减灾的决策有着重要的意义.本文利用近年来刚刚提出的经验模态分解理论和方法对水文序列进行分解,然后对不同成分分别建立回归预测模型,最后将这些模型的预测结果进行组合,得到最终预测结果.以南京下关站次日高潮位预测为例,取得了令人满意的预报精度,表明本文提出的方法具有一定的创新性和较高的实用价值.     

水文时间序列的子波分析法

在水文时间序列分析中引入了子波变换法,通过对水文时间序列的离散子波变换(DWT),给出了计算水文过程变化特征的信息量系数(ICF)的方法,比较了表征水文过程变化特征的三种指标,即不均匀系数,信息量系数与分维。结果表明:三种指标分别从不同角度表征了水文过程的变化特征,实际应用中可以依据需要选用某种指标进行比较研究。     

时间序列分解模型在水文要素中长期预报中的应用

基于时间序列分解法，建立了降雨、水库来水的中长期预报模型。引入灰色系统理论来分离趋势项，并应用反馈模拟校正技术对预报结果作出实时校正，从预报结果可以看出，所建模型具有较好的适应性和预报精度。     

降水时间序列周期性分析研究

以分析额济纳旗降水周期变化规律为例,探讨了降水时间序列确定性成分的分析方法。利用额济纳旗1971-2000年的降水资料,基于滑动t检验法、坎德尔（Kendall）秩次相关检验法、秩和检验法和最大熵谱法,对降水序列进行了趋势性、跳跃性和周期性分析。由计算结果分析得到额济纳旗降水过程主要存在的周期特性,为额济纳旗干旱预防和防治起到借鉴作用,为研究区生态保护及灌溉工程的设计提供基本依据。     

一种新的时间序列综合分析法和应用

在传统时间序列分解计算方法的基础上,采用一种新的灰色预测方法模式对趋势项进行预测,建立以传统分析方法和灰色系统理论相结合的长期预测数学模型,对1985年蚌埠站、峰山站、明光站等月流量进行预测,结果令人满意。     

水文时间序列复杂特性的研究与定量表征

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.     

基于嵌入式索引的水文时间序列相似性搜索模型

相似模式挖掘已成为水文领域一个重要研究方向。对水文数据的相似性挖掘,有利于掌握水文数据变化规律和趋势,为洪水预报、防洪调度提供支持,是具有重要意义的工作。为此,在引入时间序列嵌入索引的基础上,结合水文时间序列的特点提出水文时间序列的快速搜索方法。该方法通过序列分割、聚类和参考集训练从原始序列中获取参考序列集,在此基础上通过索引计算方法,将相似性搜索过程映射到欧氏向量空间的搜索,从而提高了搜索效率。     

地质时间序列的频谱分析方法及应用

介绍了地质时间序列随机模型及研究时间序列相关关系的频谱分析方法,给出了显著周期检验的Ｆｉｓｈｅｒ准则。研究结果表明,频谱分析能够很好地确定地质时间序列的隐含周期及相关关系,从而揭示地质时间序列的内部特征。     

水文时间序列相似性查询的分析与研究——以漯河站、何口站汛期降雨量相似性查询为例

水文时间序列相似性查询可用于雨洪过程预测、环境演变分析、水文过程规律分析等方面.最为直接的应用是回答防汛指挥中经常问到的"当前水文过程相当于历史上哪一时期的同类过程"等问题.由于水文数据数量大、类型复杂,仅使用水文学的理论和传统统计方法加以分析,往往因为计算能力、存储能力以及算法的复杂而造成预测时间较长.在水文领域引入数据仓库和数据挖掘的理论与技术,为解决水文科学研究面临的问题提供了新的思路.     

改进的有序聚类分析法提取时间序列转折点

对有序聚类分析法进行改进,使其更加适用于序列转折点或突变点的提取。分别将传统和改进的有序聚类方法应用在长江下游区域年平均气温系列的转折点提取中,对两种方法提取的结果与滑动平均的结果进行比较,发现改进的方法更接近于实际。对提取点分别采用秩和检验法、游程检验法进行检验,均通过了α=0.05的置信度检验,改进后的置信度比改进前更高。     

基于语义相似的水文时间序列相似性挖掘——以太湖流域大浦口站水位数据为例

利用数据挖掘技术从长期观测的数据序列中发现蕴藏的规律是当前研究热点之一。相似性挖掘是时间序列挖掘的基础,提出一种基于语义相似的水文时间序列相似性查询方法。首先利用小波变换将时间序列进行平滑处理,在此基础上进行极值点分段并符号化,每个符号代表一种语义模式,从而选取语义相似的子序列作为候选集,再将候选集中子序列通过动态时间弯曲距离进行精确匹配从而得到相似子序列(以太湖流域大浦口站水位数据为例),实验证明,该方法能够在大幅度降低时间复杂度的基础上较准确地查找出相似子序列。     

垦利县土地盐渍化及其发生变化趋势分析

垦利县位于黄河三角洲扇缘地区,具有典型的三角洲地貌。土地盐渍化是垦利县土地质量问题的根源,是影响土地生产力发挥的最根本原因。分析研究垦利县土地盐渍化发生的原因、现状及变化趋势,对指导当地土地资源的合理开发与利用具有重要的意义。     

水文多变量趋势分析的应用研究

水文频率分析需要进行一系列的假设,包括一致性、同分布性和独立性。由于水文事件通常都包含多个水文变量,例如洪水过程包含洪峰和洪量,低径流过程包括年最小月径流和年最小3个月径流等,因此近年来多变量水文分析与计算方法在水文领域中得到广泛应用。然而,多变量频率分析并未对上述假设进行检验,而是直接对频率分布进行函数拟合,不能保证得到的频率分布函数符合实际情况。引入水质研究领域内广泛使用的多变量MK检验方法,分别对长江上游干支流主要控制站点的年最大洪峰、年最大7d洪量和年最低月径流、年最低3个月径流的单变量和联合变量进行变化趋势分析。结果表明,单变量趋势分析仅仅能够检验出单个变量的变化趋势,而多变量趋势分析则能够综合检验出联合变量是否存在变化趋势。因此,为保证水文频率分析结果的准确,有必要在进行多变量水文频率分析前对单变量和联合变量进行趋势分析。     

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。     

基于非平稳时间序列分析的滑坡变形预测

滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程.为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型.以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据.