基于WD-RSPA模型的水文时间序列预测——以马口站和深圳市为例

发布时间：2018-10-25 06:16

【摘要】：为了解决传统水文时间序列预测模型预测精度不高、未考虑实际噪声影响等问题,将小波消噪(Wavelet De-noise,WD)与秩次集对分析(Rank Set Pair Analysis,RSPA)方法耦合,建立基于小波消噪的秩次集对分析水文预测模型(WD-RSPA),并应用于马口站年总径流量以及深圳市年总降雨量预测。结果表明:当集合维数T=4时,coif3-RSPA模型预测马口站径流量的预测误差|e|=11.97%;T=6时,db5-RSPA模型预测深圳市降雨量的预测误差|e|=17.73%。相较于传统AR(1)模型和单一的RSPA模型,WD-RSPA模型更接近真实值,是一种切实可行的水文时间序列预测方法。
[Abstract]:In order to solve the problem that the prediction accuracy of traditional hydrological time series prediction model is not high and the influence of actual noise is not considered, wavelet denoising (Wavelet De-noise,WD) and rank set pair analysis (Rank Set Pair Analysis,RSPA) method are coupled. A rank set pair analysis hydrological prediction model (WD-RSPA) based on wavelet denoising is established and applied to the prediction of the annual total runoff of Makou station and the total rainfall of Shenzhen city. The results show that when the set dimension T = 4, the prediction error of the coif3-RSPA model for predicting the runoff of Makou station is e = 11.97 and T = 6, and the prediction error of the db5-RSPA model for predicting precipitation in Shenzhen is e = 17.73. Compared with the traditional AR (1) model and the single RSPA model, the WD-RSPA model is closer to the real value and is a feasible method for hydrological time series prediction.
【作者单位】： 中山大学水资源与环境研究中心∥华南地区水循环与水安全广东省普通高校重点实验室;中山大学新华学院;
【基金】：国家自然科学基金(51379223)
【分类号】：P333;TV12

【相似文献】

相关期刊论文 前10条

1 李荣峰,冀雅珍;水文时间序列分析计算方法的研究进展与展望[J];山西水利科技;2005年04期

2 李玉河;;具有季节特征的水文时间序列预测模型研究[J];灌溉排水学报;2007年06期

3 冷雪;;水文时间序列周期识别的新思路与两种新方法之我见[J];黑龙江科技信息;2013年03期

4 胡康萍;;水文时间序列分析的若干进展[J];水文;1984年04期

5 卢华友;水文时间序列预报的人工神经网络模型[J];广东水利水电;2000年04期

6 肖宜,夏军,申明亮,胡向阳;差异信息理论在水文时间序列变异点诊断中的应用[J];中国农村水利水电;2001年11期

7 钟华;水文时间序列预报的多维时间序列模型[J];广东水利水电;2001年S1期

8 郑泽权,谢平,蔡伟;小波变换在非平稳水文时间序列分析中的初步应用[J];水电能源科学;2001年03期

9 刘少华,丁贤荣,毛红梅;水文时间序列的混沌神经网络预报[J];人民长江;2002年09期

10 刘少华,毛红梅;一种水文时间序列预报的新方法[J];武汉大学学报(工学版);2002年04期

相关博士学位论文 前6条

1 李亚娇;基于现代分析技术的水文时间序列预测方法研究[D];西安理工大学;2007年

2 吴佳文;水文时间序列数据挖掘算法研究与应用[D];沈阳农业大学;2011年

3 张晓伟;水文动力系统自记忆特性及其应用研究[D];西安理工大学;2009年

4 李荣峰;水文非线性时间序列分析的自记忆模型研究[D];西安理工大学;2005年

5 丁涛;混沌理论在径流预报中的应用研究[D];大连理工大学;2004年

6 王栋;熵及其在水系统中的研究与应用[D];河海大学;2001年

相关硕士学位论文 前10条

1 王翠云;水文时间序列若干问题的研究[D];安庆师范大学;2016年

2 张文林;巢湖流域水文时间序列的变点分析[D];合肥工业大学;2006年

3 肖志国;几种水文时间序列周期分析方法的比较研究[D];河海大学;2006年

4 杨敏;水文时间序列相似性模型的研究与应用[D];河海大学;2002年

5 赵利红;水文时间序列周期分析方法的研究[D];河海大学;2007年

6 邵年华;水文时间序列几种预测方法比较研究[D];西安理工大学;2010年

7 何菡丹;基于小波消噪与秩次集对分析的水文时间序列预报模型[D];南京大学;2012年

8 楼玉;混沌时间序列方法在径流预报中的应用研究[D];浙江大学;2005年

9 李国良;混沌理论及其在水文时间序列中的应用研究[D];东北农业大学;2007年

10 于延胜;基于DCLD-DCRT法年径流时间序列特征研究[D];福建师范大学;2009年

，

本文编号：2292865