欢迎来到人人文库网! | 帮助中心 人人文库renrendoc.com美如初恋!
人人文库网
首页 人人文库网 > 资源分类 > DOC文档下载

水利工程论文-月径流序列的多层递阶预报研究.doc

  • 资源大小:48.11KB        全文页数:6页
  • 资源格式: DOC        下载权限:游客/注册会员/VIP会员    下载费用:2
游客快捷下载 游客一键下载
会员登录下载
下载资源需要2

邮箱/手机号:
您支付成功后,系统会自动为您创建此邮箱/手机号的账号,密码跟您输入的邮箱/手机号一致,以方便您下次登录下载和查看订单。注:支付完成后需要自己下载文件,并不会自动发送文件哦!

支付方式: 微信支付    支付宝   
验证码:   换一换

友情提示
2、本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

水利工程论文-月径流序列的多层递阶预报研究.doc

水利工程论文月径流序列的多层递阶预报研究摘要月径流序列是一类具有周期变化的非平稳时间序列本文根据其特点,建立了多层递阶预报模型,文中对此类非平稳时间序列的建模及预报方法进行了深入研究关键词月径流序列多层递阶预报时变参数非平稳序列RESEARCHONTHEMULTILAYERHIERARCHICALFORECASTOFMONTHLYRUNOFFSERIESABSTRACTMONTHLYRUNOFFSERIESISASORTOFNONSTATIONARYTIMESEQUENCEWITHPERIODICITYINTHISPAPER,ACCORDINGTOTHEIRCHARACTERISTICS,AMULTILAYERHIERARCHICALFORECASTMODELISESTABLISHED,ANDMODELLINGANDFORECASTINGMETHODSARETHOROUGHLYRESEARCHEDKEYWORDSMONTHLYRUNOFFSERIES;MULTILAYERHIERARCHICALFORECAST;TIMEVARYINGPARAMETRIC;NONSTATIONARYSERIES1多层递阶预报的基本原理11后验残差一致小准则令YK1{Y0,Y1,,YK1},UK{U0,U1,,UK}为系统输入;LK为随机噪声;ΘK是M维的参数向量,YK是系统输出,则1系统输出向前一步的预报公式是2一般的自适应算法仅能根据YK1,UK得到ΘK1的估计值K1,若系统是快时变的,K与K1将有较大差别为了减少预报误差,应设法求出ΘK的估计值K此时,3上式称为含有参数预报值的预报公式相应的预报残差为4式中ΕK|K称为后验残差可以证明[1],对于任何的Ε>0,在适当条件下必有N>0和Δ>0存在,使得当K≥N时,由算法所确定的K5恒满足称此为后验残差一致小准则若则6多层递阶预报方法,就是采用式5或式6的算法,对时变参数进行预测,使估值序列{K}满足后验残差一致小准则12多层递阶建模与预报多层递阶预报,是将动态系统预报分为时变参数预报与系统状态预报两部分其中参数预报包括时变参数跟踪估计以及对参数未来值进行预测1时变参数跟踪估计时变系统不仅状态在变化,而且参数也在变化,多层递阶预报充分考虑了系统的这种时变特性由掌握的历史资料,按式5或式6进行参数跟踪估计,可得参数ΘK的一系列估计值1,2,,N,N为资料长度2时变参数预测对参数估计序列{K},K1,2,,N,进行分析,寻找其变化规律,采用适当的数学方法建立时变参数的预报公式,进而可求得时变参数一系列的预测值N1,N2,,NH,H为预报步长常采用的时变参数预测方法有定常增量法、常数因子法、分段周期法、周期增量法、多层自回归法等[2]3系统状态预报系统状态向前多步的预报公式为7式7中的NH是用各种方法求得的时变参数预测值这种方法由于充分考虑了模型参数的时变性,使预报精度有所提高2月径流序列的多层递阶预报月径流序列是季节性的非平稳时间序列,具有更强的随机性和非平稳性,对此时间序列进行中长期预报有一定难度21数据预处理与建模对月径流序列的季节性变化所引起的非平稳性,可进行中心化、标准化、季节性差分处理本文在对淮河某大型水库月径流序列预报时,进行了季节性差分式中XT为月径流序列;XTXTXT1;12为月度差分算子,12XTXTXT12现以新序列{UT}作为多层递阶预报的建模序列经模型识别、参数估计、模型检验,得{UT}序列的二阶自回归模型AR2为UTA1TUT1A2TUT2ΕT8式中A1T,A2T为模型参数,已采用最小二乘法求得22时变参数估计对于{UT}的AR2模型可写成YKKTΘKEK9KUK1,UK2TΘKA1K,A2K根据后验残差一致小准则,时变参数ΘK的估值算法可按式6写成如下递推形式,称为ΘK的跟踪公式10按分量展开,即I1,2;K2,3,,K,,N11式中1和21可采用原参数估计值按上述跟踪公式计算,可得12,13,,1N;22,23,,2N的估计值23时变参数预测根据月径流序列的特点,现采用如下方法建立时变参数预测公式1分段周期法月径流序列存在以年为周期的季节性变化,可按下式推求各月时变参数的预测值,即12式中为第I个预报参数进行H步预报的参数预测值;H为预报步长,H1,2,,12;N为样本长度,M为样本资料年限2多层自回归方法对参数估值序列{IK}建立自回归模型AR2若采用跟踪公式求得的变化不大,可用其平均值值,进而可求得参数估计值IK,1314若变化较大,可建立多层自回归模型,然后预报出3周期增量法对于具有周期增量的序列,其参数估计公式为其中P满足HPTQ,Q<T若P0,T1,HQ时,15式中T为正整数;N为预报的起始时刻;H为预报步长;△ΑIJ为时变参数的估值增量3应用实例淮河某大型水库的月径流预报,采用了多层递阶预报方法在实际应用中进行了多种方法的对比研究,并针对月径流序列的特点,对模型及时变参数估计和预测进行了改进多层递阶预报方法的关键,在于时变参数的估计和预测为了探讨月径流序列预报模型参数的时变规律,对时变参数估计采用了跟踪公式法和直接参数估计法;时变参数预测采用了多层自回归方法、周期增量法、分段周期法鉴于月径流序列的模型参数时变性较强,不可直接采用时段平均值作为参数的预报值多层自回归方法中的高层自回归模型参数改用了参数估计方法;周期增量法考虑了相邻时段时变参数增量的变化,对外推预报时各时段增量△ΑIJ的计算进行了改进根据水库运行调度的需要,编制了两种预报调度方式的计算机程序年度预报和逐月预报年度预报是在年底预报出下一年12个月的月径流量,为编制下年度的水库调度计划提供依据逐月预报是在年度预报的基础上,根据前期月径流的实测值,逐月递推预报出下一个月的月径流量,是实施水库优化调度的基础4模型评定与检验41模型评定模型评定是用建模序列进行模拟预报,根据预报误差评定模型的有效性设是第I年第J月的H步预报值,XIJ为相应时段的实测值;MSEJ,H为第J月预报值的均方误差;S2J为实测序列XIJ第J月的方差,则确定性系数R2J,H为16显然,确定性系数R2愈接近于1,模型精度愈高表1为淮河某大型水库月径流序列多层递阶预报的模型评定表表1淮河某水库月径流序列多层递阶预报评定表月份123456789101112R2096097096090094082077076092093098096等级甲甲甲甲甲乙乙乙甲甲甲甲由表1可见,汛期6~8月的R2在070~089间,属乙等,其余月份的R2值均在090以上,属甲等说明模型评定精度尚好,所建立的预报模型是有效的42模型检验模型检验是用未参加建模的预留序列进行外推预报,以检验模型的预报精度和可靠性表2是淮河某大型水库月径流序列多层递阶预报模型的预报值与实测值对照表表2淮河某水库多层递阶预报模型检验表106M3月份项目年份1234567891011121989实测值96311340433379916007971411257101106110预报值108214386564724106412078361741471501061990实测值110389061438353047764633511190299296预报值103345441424698684138963629120519883由于径流变化的随机性,月径流预报作到完全准确是困难的,特别是水文序列出现丰枯交替或年内分配异常时尽管该模型对月径流序列进行了季节性差分处理,利用了以年为采样周期和以月为采样周期的相关信息,并对时变参数进行了预测,使月径流预报精度有所提高,但仍然未能完全克服统计模型的弱点就该水库的月径流序列而言,1988年以来也恰值水文序列丰枯交替时期从表2可知,非汛期的预报成果可以作为水库实施优化调度决策的依据,汛期6~8月的预报精度不够理想,有待进一步改进在运用该预报模型时,应注意收集面临时段的实时信息,根据客观情况进行必要的修正因本文程序设计有较好的交互式人机界面,可以使模型方法与客观环境条件及预报经验相结合,提高了预报精度,增强了优化调度决策的针对性和预见性

注意事项

本文(水利工程论文-月径流序列的多层递阶预报研究.doc)为本站会员(wenku)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网(发送邮件至[email protected]或直接QQ联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

网站客服QQ:2846424093    人人文库上传用户QQ群:460291265   

[email protected] 2016-2018  renrendoc.com 网站版权所有   南天在线技术支持

经营许可证编号:苏ICP备12009002号-5