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。     

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。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术，并借助G—P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数，结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数，将局域加权一阶多步预测模型应用于地下水位预测。预测表明，此模型可有效应用于地下水位时间序列的多步预测。     

长江径流时间序列混沌特性的定量分析

定量分析了长江径流时间序列的混饨特性,论述了长江径流时间序列的李雅普诺夫指数的计算和实际意义,计算了长江径流时间序列的长程相关性指数,即分数阶差分指数,讨论了这一指数与相关分维的相对值可能存在的关系。这些非线性信息的提取,将进一步揭示径流时间序列的变化规律,并将对提高预测水平产生影响。     

矿井涌水量时间序列混沌特性的Kolmogorov熵判别

根据相空间重构理论和技术以及G-P算法,在嵌入维按等间隔m不断增加的情况下,在无标度区间内,作等斜率线性回归,利用最小二乘法得到6个典型矿区矿井涌水量时间序列的Kolmogorov熵。结果表明其具有混沌特性,从而可为确定矿区地下水系统特征、性质和矿井涌水量预测模式提供理论依据。     

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。     

对水文时间序列混沌特征参数估计问题的讨论

水文过程到底是不是低维混沌过程一直是个有争议的问题。相关文献在混沌特征参数估计中存在不少问题,包括:时延量估计的主观性很强,不同研究者的估计值差别很大;在关联维估计中,很多研究者有意无意地忽略了一个基本原则,即只有在关联维估计图上存在明确的标度区的情况下才能准确判断存在有限关联维;很多研究者在计算水文时间序列的关联维时仍采用原始的G-P计算公式,而没有采用Theiler提的修正公式,从而可能误将相点在时序上的相关性当做一种状态空间几何特征,造成关联维估计错误;国内相关研究中还普遍存在序列长度偏短的问题,对这些问题进行了讨论并给出了相应的结论。     

岩石声发射混沌特征分析

岩石等脆性材料在加载过程中,随着荷载的增加,材料内部的微裂纹产生、扩展并伴随着声发射现象的发生。声发射是研究脆性材料破坏的良好工具。对砂岩、细砂岩和高丽山砂岩3类岩石进行了声发射试验,记录了加载及破坏过程中产生的声发射信号,并且采用混沌动力学理论研究了3类岩石的声发射活动规律,计算了岩石的关联维数和最大Lyapunov指数。研究结果表明,岩石加载及破坏过程具有混沌特征,用相空间重构法可以较好地揭示岩石破坏过程的动力学特征,这为混沌理论在岩石、岩体声发射其他领域的研究及应用奠定了基础。     

流域降雨径流时间序列的混沌识别及其预测研究进展

混沌和随机在本质上是两种不同的特征,对这两种特征的描述方法各不相同,确定流域降雨径流时间序列的混沌性和随机性是对其进行模拟和预测的重要基础。近10多年来,许多学者相继开展了流域降雨径流时间序列的混沌识别及其预测研究。着重回顾其中最为重要的相空间重构、混沌识别和混沌预测方法,对将混沌理论应用于降雨径流时间序列的限制条件(序列的数据量大小和数据噪声)也进行了探讨。     

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。      

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。     

黑龙江省降水混沌识别及空间分布研究

为更好地研究降水时间序列的非线性特征,基于不同时间尺度0-1测试方法识别黑龙江省30个气象站1958~2011年降水时间序列的混沌特性。分别以三个不同时间尺度月系列、季系列、半年系列的渐进增长率中位值最小的北林站、漠河站、牡丹江站为代表说明黑龙江省各气象站均存在混沌特性,月系列和半年系列混沌特性较强,季系列混沌特性较弱。为研究全省范围内降水混沌特性空间分布规律,对各气象站K值进行克里金插值。空间分布结果表明,混沌特性在月降水系列呈现较为明显东西向的分带性,在季系列和半年序列并未呈现出明显的分带性;得出结论:不同时间尺度降水系列均产生混沌现象,混沌识别结果与气候类型、地形特征、人类活动特征相互支撑,为降水系统非线性特征提供一定参考。     

中国降水混沌识别及空间聚类

0-1混沌测试方法是一种新的可直接作用于时间序列的混沌识别方法,不需要进行相空间重构,通过对Chebyshev映射的检验验证了有效性。运用0-1方法对中国640个气象站1960-2011年月降水序列进行混沌识别,并运用基于密度的顾及非空间属性的空间聚类方法（DBSC）对计算结果进行空间聚类。结果表明,各气象站月降水序列均表现出明显的混沌特性,且K值的空间分布具有明显的分区特征：从大尺度上看,全国可分为西北高值区、南方次高区、华北-东北中值区和青藏低值区;从小尺度上看,全国分出了29个空间簇。中国降水混沌空间聚类结果不仅与大尺度的气候类型分布相吻合,而且也反映了局部降水动力系统变化特征,这就为降水系统的时空规律研究提供了一条新的途径和方法。     

1975-2011年渭河上游径流演变规律及对气候驱动因子的响应

为探讨渭河上游径流的变化特征及其对气候变化的响应,选取1975-2011年河流实测径流量进行计算和分析. 结果表明：近40 a来,渭河上游径流总体呈明显下降趋势,其中,20世纪90年代前处于丰水期,90年代后进入枯水期,进入21世纪有明显增多趋势. 径流年际丰枯变化激烈,枯水年的发生概率高、持续性强,最长的连枯年份达8 a. 径流量集中在汛期,各年代的分配峰型有所不同,在70、80年代为7、9月双峰,之后变为单峰型分布. 流域内气候增暖明显,降水减少,蒸发加剧;90年代为明显的暖干型气候,21世纪初期气候向暖湿型转变的过程对径流的增加十分有利. 径流对气候变化有较强响应,但响应程度随时间变化而变化. 通过定量分析气候因子对径流变化的贡献值,发现由于气候增暖导致潜在蒸散量的加剧对径流变化的负贡献达60%以上,绝对值高于降水量的正贡献.     

1959-2017年天山乌鲁木齐河源1号冰川流域径流及其组分变化

冰川是气候变化的指示器,气候变化对冰川及其径流的影响研究是目前国内外关注的热点和前沿领域之一,目前的研究以模拟为主,实测资料十分有限且不确定性很大。以新疆天山乌鲁木齐河源1号冰川（简称“1号冰川”）流域为例,基于中国科学院天山冰川观测试验站1959-2017年观测数据,研究了中国西部典型小型冰川流域径流及其组分长期变化以及对气候变化的响应,为冰川径流长期变化过程的认识提供重要参考。结果表明,1号冰川流域径流主要由冰川径流和非冰川区降水径流组成,分别占70%和30%。其中冰川径流又可分为冰川区降水径流和冰川融水径流,分别占44%和26%。59年间,冰川径流整体呈上升趋势,在1992年之后出现了一个阶梯式的上升,与气温升高和降水的增加有关,1997-2007年达到高峰,2008年以后出现波动下降趋势,其原因除了与该时段的降水有所减少有关之外,冰川面积减小的影响也不可忽视。另外,还利用实测径流和冰川物质平衡值,通过水量平衡模型,检验了模型使用的冰川区和非冰川区径流系数。