当前位置:主页 > 理工论文 > 地球物理论文 >

基于改进的EMD混合模型月径流预测研究

发布时间:2020-07-07 22:26
【摘要】:近几十年,径流受人类活动和气候变化的影响日益加剧,径流序列呈现出非线性、非平稳性和复杂性,开发高精度的预测模型一直是径流预测研究的难点和热点。因此,针对径流预测的难点研究改进模型的方法,对水资源的高效利用和可持续性具有重要的理论意义和应用价值。论文以引嘉入汉调水工程为依托,在分析嘉陵江和汉江径流规律的基础上,研究了月径流预测模型,主要目的是为引嘉入汉跨流域调水工程提供高精度的径流预测模型,为引嘉入汉工程提供技术支撑。论文获得的主要研究成果如下:(1)以嘉陵江上的略阳水文站、黄金峡和三河口两个断面的径流序列为研究对象,采用水文统计方法,揭示了径流时间序列的周期性、趋势性、变异性等径流特征。(2)建立了自回归滑动平均模型(ARMA)、人工神经网络(ANN)、支持向量机(SVM)、基于经验模态分解的混合模型(EMD-SVM)和基于改进的经验模态分解的混合模型(M-EMDSVM)五种径流预测模型,分析比较了各模型的优缺点和适用性。(3)利用ARMA、ANN和SVM模型分别对略阳水文站、黄金峡断面和三河口断面的月径流进行预测,SVM在三个站点的纳什效率系数(NSE)分别为56.07%、50.49%和50.40%,均大于ARMA和ANN,表明SVM在预测非线性和非平稳径流序列具有较高的预测精度和较强的泛化能力。(4)将经验模态分解(EMD)和SVM模型有机结合,建立了 EMD-SVM混合模型,对略阳水文站、黄金峡和三河口断面分别进行月径流预测,并对预测结果进行检验,EMD-SVM的NSE分别为80.47%、76.13%和68.80%,较SVM模型预测效果有显著的提高,表明混合模型能够有效提高径流预测精度。(5)提出线性极值延拓法对EMD模型进行改进方法。利用改进的经验模态分解(M-EMD)和SVM模型,构建了基于改进的EMD混合模型(M-EMDSVM),对略阳水文站、黄金峡和三河口断面分别进行月径流预测,并对预测结果进行评价,M-EMDSVM在三站的 NSE 分别为 90.55%、91.88%和 94.26%,较 EMD-SVM 分别提高了 13%、21%和 37%,表明本文提出的线性极值延拓法能够有效解决EMD的边界效应问题,进一步提高模型的效应问题,进一步提高模型的预测精度。(6)对ARMA、ANN、SVM、EMD-SVM、M-EMDSVM五个模型的预测结果进行评价,综合分析模型预测结果和各站预测散点图结果表明:M-EMDSVM预测模型表现最好,具有精度高、稳定性好等优势,能够为略阳水文站、黄金峡和三河口断面月径流提供高精度的径流预测,为引嘉入汉工程提供技术支撑。
【学位授予单位】:西安理工大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:P338
【图文】:

示意图,嘉陵江流域,示意图,嘉陵江


西安理工大学工程硕士专业学位论文嘉陵江和汉江流域概况 嘉陵江流域概况嘉陵江是长江上游左岸最大的支流,干流总长 1102km,流经甘肃、陕西、四川省,并最终汇入长江(图 2-1)。嘉陵江干流流域面积 8.883 万 km2,其中干流昭为上游流域,长约 368km,白龙江流域多为山区,地势陡峭多为高山,河谷深切汉水流域为低山、丘陵地形;昭化镇至合川为中游,河道长约 642km,河道随地渐变宽,两岸山坡也逐渐变缓,地形从深丘过渡到浅丘,广元到苍溪为深丘地形下为浅丘区;合川至河口为下游,长约 97km,为平行岭谷区。嘉陵江流域大部分处于亚热带湿润季风气候,多年平均降水量为 931mm,年降小的趋势。嘉陵江径流主要由降雨补充,主要集中在 5~10 月,水量充足[37]。

示意图,汉江流域,示意图,略阳


图 2-2 汉江流域示意图Fig.2-2 Hanjiang Basin map2.3 数据资料本文选取“引嘉入汉”调水工程的取水口略阳水文站为嘉陵江流域的代表站点,采用略阳水文站 1967-2014 年共 48 年的月径流和年径流资料进行研究分析,径流数据由略阳水文站提供,数据真实可靠。本文选取黄金峡和三河口两个典型断面(文中简称黄断面和三断面)为汉江流域的代表断面,采用 1954-2009 年共 55 年的月径流和年径流资料进行研究分析,径流数据由引汉济渭公司提供,数据真实可靠。

径流序列,略阳,年径流,水文站


西安理工大学工程硕士专业学位论文3 嘉陵江和汉江径流特征分析引嘉入汉工程属于跨流域调水工程,涉及嘉陵江流域和汉江流域丹江口以上流域,文主要研究两个流域代表水文站及重要断面的径流特征。径流特征可以从平均流量、CvCs、均方差、周期性、趋势性、变异性、汛期和非汛期径流量占比等方面进行分析。3.1 调水区径流特征分析调水区采用略阳 1967-2014 年共 48 年的径流系列见图 3-1,该径流序列拥有较多极值点,具有代表性。

【参考文献】

相关期刊论文 前10条

1 张洪波;王斌;兰甜;陈克宇;;基于经验模态分解的非平稳水文序列预测研究[J];水力发电学报;2015年12期

2 黄巧玲;粟晓玲;;基于小波支持向量机耦合的月径流预测方法[J];水力发电学报;2015年03期

3 崔东文;金波;;基于改进的回归支持向量机模型及其在年径流预测中的应用[J];水力发电学报;2015年02期

4 赵雪花;陈旭;袁旭琦;;基于EMD的数据驱动模型在径流预测中的应用[J];系统工程;2014年09期

5 王秀杰;封桂敏;耿庆柱;;小波分析组合模型在日径流预测中的应用研究[J];自然资源学报;2014年05期

6 崔东文;;基于多元变量组合的回归支持向量机集成模型及其应用[J];水利水运工程学报;2014年02期

7 胡昌军;;基于改进相空间重构原理的支持向量机月径流模拟[J];水资源与水工程学报;2013年04期

8 张兰影;庞博;徐宗学;刘文丰;;基于支持向量机的石羊河流域径流模拟适用性评价[J];干旱区资源与环境;2013年07期

9 杨培才;王革丽;卞建春;周秀骥;;The Prediction of Non-stationary Climate Series Based on Empirical Mode Decomposition[J];Advances in Atmospheric Sciences;2010年04期

10 李彦彬;黄强;徐建新;张泽中;;河川径流中长期预测的支持向量机模型[J];水力发电学报;2008年05期

相关硕士学位论文 前1条

1 陈旭;汾河上游径流演变特性分析及其预测方法研究[D];太原理工大学;2015年



本文编号:2745696

资料下载
论文发表

本文链接:https://www.wllwen.com/projectlw/dqwllw/2745696.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户aaa7b***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com