基于小波分析的徑流中長期預報模型研究.pdf

1、徑流預報是水資源管理中的基本內容,其精度和預見期直接關系到水資源利用的規(guī)劃、方案評價、決策和運行管理的效果與成敗.準確的徑流預報可以最大限度地協(xié)調水資源綜合利用中出現的各種用水矛盾,為水權分配、調度及控制提供決策依據. 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性因素的影響,因而徑流變化非常復雜,對其未來的精確描述十分困難.中長期徑流預報研究仍處于發(fā)展階段,相對于短期水文預報而言,嚴重滯后于生產實際的需要.目前徑流中長期

2、預報方法很多,但對于年際變化較大的徑流時間序列,使用常規(guī)方法進行分析和預報仍有一定難度,其預報精度有待進一步提高. 本文將小波分析技術同人工神經網絡、自適應神經模糊推理系統(tǒng)強有力的逼近功能相結合,以昭平臺水庫為實例,建立了6種月徑流預報耦合模型: 首先,考慮到非線性時間序列預測中,模型階數難以確定的問題,采用小波分解和小波變換技術尋找影響月徑流的主要成分,并以此作為模型輸入項,建立月徑流量與輸入項之間的非線性映射關系.根

3、據映射關系確定方法的不同,分別建立了基于小波分析的月徑流人工神經網絡預報模型和基于小波分析的月徑流自適應神經模糊推理系統(tǒng)預報模型: 其次,針對月徑流年內年際變化幅度大、單一方法難以預測的問題,采用小波分解重構技術,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;對各分解信號選用相應模型進行預報,最后通過重構來得到月徑流預報結果.小波分析簡化了預報模型的結構,有利于提高模型精度.根據分解信號預測模型確定方法的不同,分

4、別建立了基于小波分解-人工神經網絡的月徑流預測組合模型和基于小波分解-自適應神經模糊推理系統(tǒng)的月徑流預測組合模型; 最后,針對月徑流序列隨機性變化大的特點,采用小波消噪技術對原始徑流序列進行消噪,去除掉一些難以預報的噪聲;在此基礎上,分別建立了基于小波消噪-人工神經網絡的月徑流預測組合模型和基于小波消噪-自適應神經模糊推理系統(tǒng)的月徑流預測組合模型. 通過對以上6種模型模擬和預報結果的對比分析,發(fā)現基于小波分解-自適應神經