本文關鍵詞：汾河上游徑流演變特性分析及其預測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：水資源是支撐地球上一切生命和社會經濟可持續(xù)發(fā)展最基本的要素之一，其中徑流要素的變化對整個水文水資源系統(tǒng)的演化起著主導作用，并對資源環(huán)境和區(qū)域經濟發(fā)展有著深遠的影響。對徑流演變規(guī)律的研究是水資源合理開發(fā)與有效利用的前提和基礎。受大氣環(huán)流、太陽活動、水文氣象要素、自然地理等諸多不確定因素的綜合影響，河川徑流的時空演變表現(xiàn)出不確定性、多時間尺度性、隨機性、混沌性、弱相依、高度復雜非線性、非平穩(wěn)特性，這就給徑流中長期預測研究提出了新的挑戰(zhàn)。前人許多徑流預測研究大多是在徑流序列平穩(wěn)的假定下進行的，然而徑流序列是的非平穩(wěn)序列，這往往導致預測精度不高，依據水文要素變化的非平穩(wěn)特性，引進新的分析方法與研究途徑顯得尤為重要。本文嘗試將基于平穩(wěn)化序列的方法-經驗模態(tài)分解（Empirical Mode Decomposition, EMD）的耦合預測方法應用于徑流預測中，從流域可變時空尺度及非平穩(wěn)的角度來對徑流系統(tǒng)進行分析和預測。 本研究以汾河上游上靜游、汾河水庫、寨上和蘭村站4個水文站1956~2000年、月徑流資料為研究對象，利用數理統(tǒng)計方法、假設檢驗法、游程理論、距平理論及長程相關理論等對汾河上游徑流演變的規(guī)律性進行了系統(tǒng)的研究，并在此基礎上建立基于EMD的耦合模型對汾河上游年徑流序列進行了預測分析，，研究的主要內容和取得的主要成果如下： （1）汾河上游徑流年內變化特性分析。 汾河上游徑流年內分配極不均勻，8月份徑流量最大，12月~次年2月份徑流量較小，全年徑流與汛期徑流變化趨勢一致性較高。汾河徑流年內變化呈現(xiàn)“雙峰型”結構，峰值分別出現(xiàn)在3月份和8月份；隨著時間的推移汾河上游徑流量年內分配的集中程度呈現(xiàn)出先變大后減小，不均勻性先增大后減小，最后均有趨于平穩(wěn)的趨勢。 （2）汾河上游徑流年際變化特性分析。 汾河上游徑流年際變化大致分為4個階段：1956~1970年、1970~1994年、1994~1996年和1996~2000年，其中1956~1970年波動上升趨于豐水年，1970~1994年波動下降趨于枯水年，1994~1996年呈現(xiàn)上升趨勢，為豐水年，1996~2000呈現(xiàn)下降趨勢，為枯水年，汾河上游45年的持續(xù)枯水年較持續(xù)豐水年多，這與近年來汾河上游易發(fā)生干旱的實際情況相吻合；汾河上游徑流年際變化較大，變差系數Cv和年極值比P最大出現(xiàn)在上靜游站，而其下游三個站的Cv值均小于該站，這可能與上靜游站位于汾河支流嵐河上，而其他三個水文站位于干流上有關。 （3）汾河上游徑流變化的正態(tài)、豐枯、平穩(wěn)、趨勢、長程相關性分析。 汾河上游4個水文站的年徑流序列具有明顯的尖峰厚尾、右偏特性，是非正態(tài)時間序列；4個水文站枯水年出現(xiàn)的次數多、歷時長，最長4年，豐水時段歷時較短，通常只有1～3年，即汾河上游易發(fā)生連枯情況；4個水文站的年徑流序列為非平穩(wěn)時間序列；汾河水庫站、寨上站和蘭村站三個水文站年徑流有明顯的下降趨勢，這種下降趨勢自上游往下游越來越明顯；而上靜游站年徑流有下降趨勢但這種趨勢不顯著；汾河上游存在明顯的持續(xù)性和分形結構，并且是正相關的，即未來的總體趨勢與過去相同；汾河上游4站點徑流序列具有10年的非周期循環(huán)長度。 （4）基于EMD的耦合模型年徑流預測研究。 4個水文站年徑流序列均為非平穩(wěn)序列，利用EMD方法對4個水文站徑流序列進行平穩(wěn)化處理，結果表明經EMD處理后得到的各階IMF均為平穩(wěn)序列。 在EMD的基礎上建立自回歸（Auto Regressive,AR）模型，結果顯示：4個水文站年徑流的預測合格率均在80%以上，其中上靜游、寨上和蘭村站3個水文站的預測合格率達到了100%，其預測精度明顯高于單獨AR模型的預測精度。 在EMD的基礎上建立均生函數-逐步回歸（Mean Generating Function-Stepwise Regression, MGF-SR）模型和均生函數-最優(yōu)子集（Mean GeneratingFunction-Optimum Subset Regression，MGF-OSR）模型，結果顯示：4個水文站MGF-SR模型的擬合合格率在70%~85%之間，預測合格率最高只有40%，而EMD-MGF-SR模型的擬合合格率在分別為85%~92.5%之間，預測合格率均在60%以上，且有3個水文站的預測合格率達到80%，后者的擬合與預測效果明顯優(yōu)于前者。4個水文站MGF-OSR模型的擬合準確率在87.5%~90%之間，預測準確率均為40%；EMD-MGF-OSR模型的擬合準確率均在92.5%以上，預測準確率均為100%，后者擬合與預測效果明顯優(yōu)于前者。 在EMD的基礎上建立基于PSO算法的非線性灰色Bernoulli模型（Nash Nonlinear Grey Bernoulli Model，Nash NGBM）耦合模型，結果顯示：4個水文站基于PSO算法的Nash NGBM(1,1)模型的擬合精度在72.5%~82.5%之間，最大為82.5%，預測精度最大只有80%，其預測確定性系數也均在0.9以下；而4個水文站基于EMD與PSO算法的NashNGBM(1,1)耦合模型的擬合精度均在90%以上，最高達到了95%，預測精度均達到了100%，確定性系數均在0.98以上，其擬合與預測精度均明顯高于前者。 在EMD的基礎上建立混沌-最小二乘支持向量（Chaotic-Least SquareSupport Vector Machine，C-LSSVM），結果顯示：上靜游、汾河水庫、寨上和蘭村站的各階IMF（除上靜游站、汾河水庫站的IMF4和寨上站、蘭村站的IMF3外），共14個序列均具有混沌特性，汾河上游4個水文站的最后一階IMF均不具有混沌特性；4個水文站C-LSSVM模型的擬合精度在58%~68%之間，最大為68%，上靜游和汾河水庫站的預測精度為100%，寨上和蘭村站的預測精度為80%，而4個水文站基于EMD的C-LSSVM模型的擬合精度均為97%，預測精度均達到了100%，其擬合與預測精度均明顯高于前者。 采用基于EMD的耦合模型的預測精度有了明顯提高，說明EMD方法平穩(wěn)化數據的優(yōu)勢得到了充分的發(fā)揮。本文提出的基于EMD的耦合預測方法對提高徑流預測精度是可行有效的，為徑流中長期預測提供了一種新的思路。
【關鍵詞】：汾河上游 特性分析 經驗模態(tài)分解 耦合模型 徑流預測
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TV121
【目錄】：

• 摘要3-7
• abstract7-17
• 第一章 緒論17-26
• 1.1 研究背景、目的和意義17-19
• 1.1.1 研究背景17-18
• 1.1.2 研究目的及意義18-19
• 1.2 研究現(xiàn)狀及發(fā)展趨勢19-23
• 1.2.1 水資源演化規(guī)律研究進展19
• 1.2.2 河川徑流預測的研究進展19-23
• 1.2.3 存在問題23
• 1.3 研究內容及技術路線23-26
• 1.3.1 研究內容23-25
• 1.3.2 技術路線25-26
• 第二章 汾河流域概況26-42
• 2.1 基本概況26
• 2.2 自然地理26-28
• 2.3 水文氣象特征28-29
• 2.3.1 氣候條件28
• 2.3.2 水文狀況28-29
• 2.4 徑流資料“三性”審查29-31
• 2.4.1 資料可靠性審查29-30
• 2.4.2 資料一致性審查與還原30
• 2.4.3 資料代表性審查30-31
• 2.5 基本資料分析31-40
• 2.5.1 徑流年內分配特性分析31-38
• 2.5.2 徑流年際變化特性分析38-40
• 2.6 本章小結40-42
• 第三章 汾河上游徑流變化特性分析42-68
• 3.1 徑流變化正態(tài)特性分析42-44
• 3.1.1 徑流序列的 Kolmogorov-Smirnov 正態(tài)性檢驗42-43
• 3.1.2 W 檢驗對徑流正態(tài)特性分析43-44
• 3.1.3 汾河上游徑流正態(tài)特性分析44
• 3.2 徑流變化豐枯特性分析44-48
• 3.2.1 距平理論分析年徑流量的豐枯變化44-46
• 3.2.2 游程理論分析年徑流量連續(xù)豐枯變化46-48
• 3.3 徑流變化平穩(wěn)特性分析48-53
• 3.3.1 時序圖檢驗48-49
• 3.3.2 自相關圖檢驗49-50
• 3.3.3 自相關函數檢驗50-51
• 3.3.4 單位根檢驗51-52
• 3.3.5 KPSS 檢驗52-53
• 3.4 徑流變化趨勢特性分析53-60
• 3.4.1 滑動平均法趨勢分析54-56
• 3.4.2 線性傾向估計法趨勢分析56-57
• 3.4.3 Spearman 法趨勢分析57-58
• 3.4.4 Mann-Kendall（M-K）秩次相關分析法趨勢分析58-60
• 3.5 徑流變化的長程相關性分析60-66
• 3.5.1 重標度極差分析法60-61
• 3.5.2 非趨勢波動分析方法61-62
• 3.5.3 汾河上游徑流變化分形特性分析62-66
• 3.6 本章小結66-68
• 第四章 經驗模態(tài)分解（EMD）68-71
• 4.1 經驗模態(tài)分解方法68
• 4.2 EMD 結果及分析68-70
• 4.3 本章小結70-71
• 第五章 基于 EMD 的 AR 耦合預測模型的年徑流預測71-76
• 5.1 自回歸（AR）模型71
• 5.2 模型建立及預測71-74
• 5.2.1 模型階數的確定71-72
• 5.2.2 模型參數估計72-73
• 5.2.3 純隨機序列模擬73-74
• 5.2.4 預測結果對比分析74
• 5.3 本章小結74-76
• 第六章 基于 EMD 的均生函數耦合預測模型的年徑流預測76-86
• 6.1 均生函數模型77
• 6.2 基于 EMD 的均生函數逐步回歸耦合模型的年徑流預測77-80
• 6.2.1 均生函數逐步回歸模型77-78
• 6.2.2 模型建立及預測78-80
• 6.3 基于 EMD 的均生函數最優(yōu)子集耦合模型的年徑流預測80-84
• 6.3.1 均生函數最優(yōu)子集模型80-81
• 6.3.2 模型建立及預測81-84
• 6.4 本章小結84-86
• 第七章 基于 EMD 與粒子群優(yōu)化算法的 NASH NBGM(1,1)耦合預測模型的年徑流預測86-92
• 7.1 方法86-88
• 7.1.1 Nash NGBM(1,1) 模型86-87
• 7.1.2 Nash NGBM(1,1) 模型優(yōu)化87-88
• 7.1.3 PSO 優(yōu)化算法88
• 7.2 耦合模型的建立及預測88-91
• 7.2.1 模型參數優(yōu)化88-89
• 7.2.2 徑流預測89-91
• 7.3 本章小結91-92
• 第八章 基于 EMD 的混沌-最小二乘支持向量機耦合預測模型的年徑流預測92-105
• 8.1 徑流序列的混沌特性分析93-94
• 8.1.1 相空間重構93-94
• 8.1.2 混沌特性識別94
• 8.2 混沌-最小二乘支持向量機模型94-95
• 8.3 水文系統(tǒng)相空間重構與混沌特性識別95-102
• 8.3.1 延遲時間的確定96-98
• 8.3.2 嵌入維數的確定98-99
• 8.3.3 混沌特性識別99-102
• 8.4 模型建立及預測102-104
• 8.5 本章小結104-105
• 第九章 結論與展望105-109
• 9.1 主要研究成果105-107
• 9.2 展望107-109
• 參考文獻109-116
• 致謝116-117
• 攻讀碩士學位期間發(fā)表的論文及參與的主要科研項目117
• 一、學術論文117
• 二、主要科研項目117

【參考文獻】

中國期刊全文數據庫 前10條

1 陳元芳,梁忠民,董增川,沙志貴;甘肅河西區(qū)出山徑流統(tǒng)計特性分析與預測[J];河海大學學報(自然科學版);2001年06期

2 彭志捌;;AR(p)模型在中國總人口預測中的應用[J];河北工程大學學報(自然科學版);2007年04期

3 羅峗騫;夏靖波;王煥彬;;混沌-支持向量機回歸在流量預測中的應用研究[J];計算機科學;2009年07期

4 何偉,李亞偉,金棟,劉光巖;基于PSO的模糊人工神經網絡徑流預報模型[J];氣象水文海洋儀器;2004年02期

5 涂長望;盧鋈;;中國氣候區(qū)域[J];氣象雜志;1936年09期

6 楊鑒初;運用氣象要素歷史變演的規(guī)律性作一年以上的長期預告[J];氣象學報;1953年03期

7 歸佩蘭;烏拉爾高壓出現(xiàn)時東亞大范圍環(huán)流圖(秋季、冬季、春季)[J];氣象學報;1956年01期

8 楊鑒初;十年來我國長期天氣預報的研究[J];氣象學報;1959年03期

9 史久恩,瞿棟根,孫山澤,崔玉璽;統(tǒng)計學長期天氣預報方法的若干研究(一)——逐步回歸技術的應用[J];氣象學報;1964年04期

10 劉少華,丁賢榮,毛紅梅;水文時間序列的混沌神經網絡預報[J];人民長江;2002年09期

  本文關鍵詞：汾河上游徑流演變特性分析及其預測方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：372172