中国工程论文网
代写工程论文
当前位置:工程论文网 > 水利工程论文 > 基于改进的EMD混合模型月径流水利工程预测研究

基于改进的EMD混合模型月径流水利工程预测研究

时间:2018-12-02 22:08来源:www.e-lunwen.com 作者:lgg 点击:
本文是一篇水利工程论文,水利工程的效益具有随机性,根据每年水文状况不同而效益不同,农田水利工程还与气象条件的变化有密切联系。
本文是一篇水利工程论文,水利工程的效益具有随机性,根据每年水文状况不同而效益不同,农田水利工程还与气象条件的变化有密切联系。影响面广。(以上内容来自百度百科)今天为大家推荐一篇水利工程论文,供大家参考。
 
1 绪论
 
1.1 研究背景和意义
径流预测是合理有效管理水资源、提高水资源的利用率的基础,高精度的径流预测能够为水资源规划、水资源可持续利用、水电站出力优化、灌溉和水环境治理等提供科学依据。随着人类活动和气候变化对径流的影响日益加剧,径流序列呈现出非线性、非一致性和难预测性,在此背景下高精度的径流预测充满了挑战,开发高精度的预测模型是目前径流预测研究的难点和热点。因此,研究高精度径流预测模型对水利工程的高效利用和水资源的可持续性发展具有非常重要的意义。引汉济渭工程缓解了关中地区缺水情况,能够有力保证关中经济持续高速发展。工程采取“一次立项,分期配水”的建设方案,以实现 2030 年配水 15 亿 m3。根据《长江流域综合治理规划(2012~2030 年)》和国家发展改革委员会对陕西省“引汉济渭”工程各阶段的批复文件,受汉江上游可调水量限制,在有引嘉陵江补汉江水源的条件下,“引汉济渭”调水最终设计调水规模为 15 亿 m3;国家南水北调中线后期水源工程实施前,2025 设计水平年设计调水量仅为 10 亿 m3。目前,国家南水北调中线后期水源工程难以按期实施,为适应关中地区经济社会发展需求,解决缺水问题,保证“引汉济渭”受水区按期收益,需要尽快补充不足的水量,研究、规划辅助工程。“引嘉入汉”工程将嘉陵江上游支流西汉水调到汉江上游,计划设计流量 60m3/s,以补充汉江上游来水。工程可实现引嘉陵江的水量补汉江水源,以保障“引汉济渭”工程 2030设计水平年的设计量,维持“引汉济渭”工程的可持续性。在此背景下,对嘉陵江和汉江进行径流预测研究,可为“引嘉入汉”工程水资源优化调度和合理配置提供技术支撑,对推动流域径流预测模型改进、提高预测精度具有重要意义和应用价值。
........
 
1.2 国内外研究进展
 
1.2.1 径流预测研究进展
径流预测包括传统线性预测方法、灰色系统理论和后期发展起来的机器学习法。径流时间序列是指拥有特定时间线的一组径流数据。传统的线性径流预测方法是指采用数理统计法对径流序列进行分析,利用线性理论进行预测的方法,如自回归模型(AR)和自回归滑动平均模型(ARMA)等;不确实性分析方法主要包括灰箱模型、模糊学习、混沌理论等;机器学习是指借助计算机使用智能算法对径流时间序列进行数据分析学习,利用机器学习得到的潜在规律对径流进行预测,主要包括人工神经网络、支持向量机、深度学习等。Thomas 和 Fiering(1962)提出了线性回归模型(AR)[1]。1970 年 Carlson 等将 ARMA(p, q)模型应用到四个径流的年径流预测中[2]。1980 年后,我国逐步展开了径流预测方面的研究工作。AR 和 ARMA 等传统随机模型在中国得到了应用和研究。然而,径流受人类活动(如:修建大坝、河道整治和水土保持措施等)和气候变化等的影响,呈现出非线性和非平稳性的特征[3]。传统的线性径流预测方法均设定在一致性的前提上,故在实际径流预测中传统线性模型的精度往往无法满足实际要求。因此,学者们集中研究开发能够克服传统径流预测模型缺陷的模型。随着计算机的发展,人工神经网络、支持向量机和深度学习等人工智能方法被提出。近代的计算机技术以及工业技术取得了巨大的进步,这使得计算机在功能上更加齐全,运算速度更快。因此,许多凭借计算机高速计算能力的人工智能技术,如支持向量机、遗传算法、粒子群算法、人工神经网络等,受到众多水文领域学者的青睐。数据驱动模型是指使用人工智能技术从海量的实测数据中建立模型,这种建模的方式不考虑数据内的物理意义和规律,只针对数据本身进行分析、研究,并总结出数据本身所存在的规律[4]。人工智能在预测和模拟非线性径流和从数据序列中捕捉噪音复杂性等方面的研究均取得了进展。在水文预测领域采用新的技术理论和技术能够提高预测的精度,这也是水文预测领域发展的趋势。基于人工智能的预测模型在径流预测中表现出的优越性不断推动适用于径流预测的基于人工智能模型的开发研究。
........
 
2 嘉陵江和汉江流域概况
 
2.1 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、四川和重庆四省,并最终汇入长江(图 2-1)。嘉陵江干流流域面积 8.883 万 km2,其中干流昭化镇以上为上游流域,长约 368km,白龙江流域多为山区,地势陡峭多为高山,河谷深切,西源西汉水流域为低山、丘陵地形;昭化镇至合川为中游,河道长约 642km,河道随地势降低逐渐变宽,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,苍溪以下为浅丘区;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,年降水量有减小的趋势。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]。
.........
 
2.2 汉江流域概况
汉江起源于陕西省宁强,它向东穿越陕西省的南部地区进入湖北省境内,从西北进入湖北省向东南穿越了湖北省的大部分地区,最后在汇入长江。它是长江最大的支流,全长1577 km,面积约为 159×103 km2。其上游河段位于 31°20'-34°10' N,106°-112°E; 海拔210-3500 m,属于山区,流域面积约 95.2×103km2,横跨总长约 925 km 的北亚热带季风气候区。年平均气温 15°C,最高气温 43°C,最低气温-13°C。年平均降水量为 700-1800mm,其中在 5 月至 10 月的时间段内降水量约为 80%。年平均径流量为 41.1×109m 3,占全流域总径流量的 70%,年际年际变化较大。
...........
 
3 嘉陵江和汉江径流特征分析 ..... 8
3.1 调水区径流特征分析 ........... 8
3.2 受水区径流特征分析 ......... 15
3.3 本章小结 ........... 22
4 基于常规预测模型的月径流预测研究..... 23
4.1 自回归滑动平均模型(ARMA) ....... 23
4.2 人工神经网络模型(ANN)...... 23
4.3 支持向量机模型(SVM) ......... 24
4.3.1 支持向量机....... 24
4.3.2 支持向量机模型的参数优选...... 26
4.4 预测结果评价指标 .... 26
4.5 基于 ARMA、ANN 和 SVM 模型的月径流预测分析.......... 27
4.5.1 确定模型输入变量.... 27
4.5.2 预测结果对比分析.... 28
4.6 本章小结 ........... 3
5 基于经验模态分解的混合模型月径流预测研究....... 31
5.1 经验模态分解(EMD) .... 31
5.2 基于模态分解的支持向量机模型(EMD-SVM)研究 ........ 32
5.3 基于 EMD-SVM 模型的月径流预测结果分析 .... 32
5.4 本章小结 ........... 36
 
6 基于改进的经验模态分解的混合模型月径流预测研究
 
6.1 改进的经验模态分解(M-EMD)
EMD 是分析非线性、非平稳性时间序列的强劲模型,但是 EMD 分解过程中存在边界效应问题。时间序列的端点处可能不是极值点,同时极大值点和极小值点不可能同时存在于时间序列的端点处。利用三次样条曲线拟合极值序列时端点处包络线会发生波动,同时边界波动引起的误差会随着迭代过程传播到分解得到的子序列中,并导致子序列失去价值。因此,利用 EMD 对数据进行分析前,对边界进行处理是至关重要的。学者们针对消除 EMD 边界效应开展了一系列研究。一些矫正方法得到了大家的认可并被采用,例如Huang 在 2002 年提出利用特征波延拓时间序列的方法[48];Huang 等在 2003 年提出的极值延拓法[49];Rilling 等在 2003 年提出的镜像延拓法[50];人工神经网络延拓法等。人工神经网络容易陷入局部最优解并且需要大量数据来训练模型,然而本文目的是预测径流序列,故人工神经网络不适合本文。镜像延拓法必须通过截断使端点处为极值点,再在端点处放一面镜子对序列进行对称延拓,但径流序列情况复杂且极值点位置随机镜像法延拓的时间序列存在误差,故镜像延拓法不适合处理径流时间序列。本文提出一种极值延拓方法来消除 EMD 的端点效应,在径流序列的两端分别延拓极值点使其在端点处同时具有极大值和极小值。
........
 
结论
 
径流预测是水资源开发利用的基础,提高径流预测精度具有重要的意义。本文以嘉陵江上的略阳水文站和汉江上的黄断面、三断面为研究对象,通过多模型对比分析,研究径流预测模型的改进,旨在提高径流预测的精度,为引嘉入汉水资源高效利用提供理论基础。论文取得的主要研究成果如下:
(1)采用数理统计方法研究发现,略阳水文站、黄、三两断面年径流量极值比在6.80~10.98。采用非参数Mann-Kendall法和R/S分析法,分析得出:略阳水文站和黄、三两断面径流量均呈显著性减小趋势,并将继续保持减小趋势。
(2)采用有序聚类分析法和Mann-Kendeall变异诊断方法诊断了径流变异点,结果表明:略阳水文站径流序列在1994年发生变异,黄、三两断面径流序列在1990年发生了变异,略阳水文站和黄、三两断面径流序列均在20世纪90年代出现变异点。其原因是汉江流域和嘉陵江流域在20世纪90年代进行了大量水保工作,人类活动持续影响径流,导致略阳水文站和黄、三两断面径流在20世纪90年代发生变异。
(3)基于经验模态分解数据序列预处理方法,构建了基于EMD的月径流预测混合模型。首先,利用EMD将复杂的径流序列分解成一系列模态固有函数(IMFs)和一个残差项;其次,对分解得到的IMFs和残差项分别建立支持向量机预测模型;最后,将IMFs和残差项的预测值相加求和就得到了径流序列的预测值,从而构成了基于EMD的月径流预测混合模型。
(4)针对经验模态分解的边界效应问题,提出了一种线性极值延拓法来消除EMD的边界效应,并构建了基于改进的EMD月径流预测混合模型。首先,对极值序列端点处的极值点进行线性延拓使每个端点同时具有极大值和极限值;其次,利用三次样条曲线分别拟合修正后的极小值和极大值序列,从而消除因端点处缺少极值点而引起的边界效应问题;最后,结合改进的EMD和支持向量机构建了基于改进的EMD月径流预测混合模型。
..........
参考文献(略)
(责任编辑:gufeng)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
栏目列表
点击提交代写需求
点击提交代写需求
点击提交代写需求
推荐内容