基于标准年和趋势项的水文预报方法研究

论文摘要

洪涝灾害是我国损失最为严重的自然灾害,随着社会经济的发展和城市化进程的加速,洪水所造成的损失越来越大了。针对这种情况,水利部组织制定了堤防加高加固、退田还湖、移民建镇和蓄洪滞洪区安全建设等多种工程措施,同时充分认识到非工程措施在防洪减灾中发挥着工程措施所不可替代的作用。而水文系统模型不仅是一项抵御洪水灾害的重要工程性措施,也是一项可以合理利用水能、水资源的非工程措施。水文系统模型为数甚多,而且分类方法也各不相同,根据水文系统模型的功能,可以将其分为描述型水文系统模型和预测型水文系统模型两种。本文主要研究预测型水文系统模型。到目前为止,混沌理论和神经网络作为一门比较年轻的学科,正处于理论研究与方法研究阶段。基于这个思想,本文试图将混沌学与自适应神经网络模糊推理系统结合起来,对去除趋势项和周期项的原始时间序列进行预测。本文的特殊性在于所要预测的年份正好是枯水年,到目前为止,对于枯水年的预测还没有更好的方法,但实例表明本文的方法不仅对一般平水年的径流量预测有很好的效果,对这种特殊的枯水年也有比较理想的预测效果。最后经过本文的评价,证明了先除去时间序列的趋势项和周期项,然后再采用将混沌学与自适应神经网络模糊推理系统结合起来,对剩余的时间序列进行预测的方法是可行的。并且与一般的预报方法相比较,不论是预测正常的平水年的径流量还是预测特殊的枯水年的径流量,这种主要基于趋势项、混沌和自适应神经网络模糊推理系统的水文预测方法都具有比较好的预测效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 水文预报研究的背景及意义
• 1.2 国内外水文预报系统的研究现状
• 1.3 时间序列、混沌理论以及自适应神经网络模糊推理系统的发展
• 1.4 本文的主要研究内容
• 第2章 时间序列分析的基本概念及原理简介
• 2.1 时间序列的基本概念及分类
• 2.2 时间序列分析的原理
• 2.2.1 时间序列分析的概念
• 2.2.2 时间序列模型的组成分析
• 2.3 本章小结
• 第3章 混沌的基本概念及原理简介
• 3.1 混沌的基本概念
• 3.1.1 混沌与混沌学
• 3.1.2 有关混沌的几个基本术语
• 3.1.3 混沌与随即过程的区别
• 3.2 混沌原理简介
• 3.2.1 水文系统混沌识别简介
• 3.2.2 延迟时间
• 3.2.3 嵌入维数
• 3.2.4 李亚普诺夫指数
• 3.3 本章小结
• 第4章 自适应神经网络模糊推理系统的基本概念及原理简介
• 4.1 模糊逻辑的基本概念
• 4.1.1 模糊逻辑的特点和应用分析
• 4.1.2 模糊推理系统的分类
• 4.2 自适应神经网络模糊推理系统
• 4.2.1 自适应神经网络模糊推理系统的概述
• 4.2.2 自适应神经模糊推理系统的模型结构
• 4.2.3 MATLAB 辅助ANFIS 设计
• 4.3 本章小结
• 第5章 基于混沌与去趋势的自适应神经网络模糊推理系统在漳河月径流预报中的应用
• 5.1 原始资料
• 5.1.1 原始数据来源简介
• 5.1.2 原始数据简要分析
• 5.2 趋势项的识别与提取
• 5.2.1 趋势项的识别
• 5.2.2 趋势项的提取
• 5.3 周期项的识别与提取
• 5.3.1 趋势项的识别
• 5.3.2 趋势项的提取
• 5.4 剩余序列的计算
• 5.5 混沌的识别
• 5.5.1 延迟时间的计算
• 5.5.2 嵌入维数的计算
• 5.5.3 最大李亚普诺夫指数的计算
• 5.6 混沌序列的自适应神经网络模糊推理系统
• 5.7 结果叠加与评价
• 5.7.1 结果的叠加
• 5.7.2 结果的评价
• 5.8 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 附录
• 致谢
• 作者简介
• 发表论文和参加科研情况