基于小波分析的徑流中長期預(yù)報(bào)模型研究.pdf

1、徑流預(yù)報(bào)是水資源管理中的基本內(nèi)容,其精度和預(yù)見期直接關(guān)系到水資源利用的規(guī)劃、方案評(píng)價(jià)、決策和運(yùn)行管理的效果與成敗.準(zhǔn)確的徑流預(yù)報(bào)可以最大限度地協(xié)調(diào)水資源綜合利用中出現(xiàn)的各種用水矛盾,為水權(quán)分配、調(diào)度及控制提供決策依據(jù). 由于徑流形成過程中既受到確定性因素的作用又受到隨機(jī)性因素的影響,因而徑流變化非常復(fù)雜,對(duì)其未來的精確描述十分困難.中長期徑流預(yù)報(bào)研究仍處于發(fā)展階段,相對(duì)于短期水文預(yù)報(bào)而言,嚴(yán)重滯后于生產(chǎn)實(shí)際的需要.目前徑流中長期

2、預(yù)報(bào)方法很多,但對(duì)于年際變化較大的徑流時(shí)間序列,使用常規(guī)方法進(jìn)行分析和預(yù)報(bào)仍有一定難度,其預(yù)報(bào)精度有待進(jìn)一步提高. 本文將小波分析技術(shù)同人工神經(jīng)網(wǎng)絡(luò)、自適應(yīng)神經(jīng)模糊推理系統(tǒng)強(qiáng)有力的逼近功能相結(jié)合,以昭平臺(tái)水庫為實(shí)例,建立了6種月徑流預(yù)報(bào)耦合模型: 首先,考慮到非線性時(shí)間序列預(yù)測(cè)中,模型階數(shù)難以確定的問題,采用小波分解和小波變換技術(shù)尋找影響月徑流的主要成分,并以此作為模型輸入項(xiàng),建立月徑流量與輸入項(xiàng)之間的非線性映射關(guān)系.根

3、據(jù)映射關(guān)系確定方法的不同,分別建立了基于小波分析的月徑流人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型和基于小波分析的月徑流自適應(yīng)神經(jīng)模糊推理系統(tǒng)預(yù)報(bào)模型: 其次,針對(duì)月徑流年內(nèi)年際變化幅度大、單一方法難以預(yù)測(cè)的問題,采用小波分解重構(gòu)技術(shù),將月徑流系列分解到不同的信息子空間上,得到不同頻率的分解信號(hào);對(duì)各分解信號(hào)選用相應(yīng)模型進(jìn)行預(yù)報(bào),最后通過重構(gòu)來得到月徑流預(yù)報(bào)結(jié)果.小波分析簡(jiǎn)化了預(yù)報(bào)模型的結(jié)構(gòu),有利于提高模型精度.根據(jù)分解信號(hào)預(yù)測(cè)模型確定方法的不同,分

4、別建立了基于小波分解-人工神經(jīng)網(wǎng)絡(luò)的月徑流預(yù)測(cè)組合模型和基于小波分解-自適應(yīng)神經(jīng)模糊推理系統(tǒng)的月徑流預(yù)測(cè)組合模型; 最后,針對(duì)月徑流序列隨機(jī)性變化大的特點(diǎn),采用小波消噪技術(shù)對(duì)原始徑流序列進(jìn)行消噪,去除掉一些難以預(yù)報(bào)的噪聲;在此基礎(chǔ)上,分別建立了基于小波消噪-人工神經(jīng)網(wǎng)絡(luò)的月徑流預(yù)測(cè)組合模型和基于小波消噪-自適應(yīng)神經(jīng)模糊推理系統(tǒng)的月徑流預(yù)測(cè)組合模型. 通過對(duì)以上6種模型模擬和預(yù)報(bào)結(jié)果的對(duì)比分析,發(fā)現(xiàn)基于小波分解-自適應(yīng)神經(jīng)