一种扩展小波网络应用于径流预测.pdfVIP

一种扩展的小波网络应用于径流预测 范青松 河海大学计算机与信息工程学院，南京 (201198) E-mail：fanqingsong@ 摘 要：本文针对非线性强度大的时间序列，在小波网络模型的基础上，给出了一种扩展的 小波网络模型，并将其应用到漯河站点的次日流量预测。实验表明，与原始的小波网络模型 实验结果比较，扩展的小波网络模型性能得到极大提高，可以进行有效的预测。 关键词：小波变换；神经网络；扩展的小波网络模型 1. 引言 河道径流预测是一类经典的水文问题，有效的预测对水资源的调配管理和防洪减灾的决 策有着重要的意义。然而由于河道流量和水位时间序列是受到很多因素的影响，涉及到水文 气象和流域下垫面等，其中既有确定的成分，又有随机的成分，因而其变化非常复杂，表现 出非线性和非平稳特性。对于非线性时间序列，传统的时间序列分析方法建立 ARIMA 模型， 这种方法的最大缺点是丢掉了趋势项和周期项，而且建模所需特征难以确定，对非平稳状态 [1] [2] 难以辨识。近年来人们不断寻求新的方法，尝试一些新理论如混沌 、人工神经网络 、小 波分析法[3]等进行水位或流量预测研究,取得了较好的效果。为进一步提高日流量预报精度和 延长预见期，引进新理论新方法及各种方法的组合或集成应用是今后发展的趋势。目前引起 研究热潮的小波分析方法具有良好的时、频多分辨率功能,通过对时间序列的多分辨率分析, 能有效识别各种频率成分和提取局部信息。人工神经网络(ANN)具有较强的非线性逼近功能 和自学习、自适应特点。小波网络模型结合了小波分解的多分辨分析的优点和神经网络的非 线性拟合有点。这方面的最新研究引人注目。 近年来，小波分析和神经网络相互结合的方法被广为关注。有研究对年径流的预测采用 基于小波分析的径向基神经网络模型,从时频分析角度出发,把水文年径流序列分解成不同的 频率成分,用径向基神经网络对小波分解的周期和趋势频率成分分别进行预测,然后通过小波 重构得到水文时间序列,从而可以对未来的径流变化情况进行描述[4] 。有研究将小波变换应用 到径流序列分析中,获得了黄河陕县水文站 109 年径流序列的组成情况和变化趋势。用 BP 神经网络与小波变换相结合,对该站 109年径流序列进行了研究,认为:①小波网络预测模型是 综合小波变换与神经网络两者优点而形成的一种数学建模分析方法;②小波神经网络的建模 算法可有效提高预测精度;③小波神经网络预测中一些数据的预测结果欠佳,其原因主要是由 于不存在理想的数字滤波器和误差累积所致。对影响结果的因素进行了分析,并对神经网络、 小波神经网络在径流分析中的应用做了评价[5] 。有研究对 BP 神经网络和小波变换结合 BP 神经网络这两种方法在径流预测方面做了一些比较,认为在缺乏降雨、温度等相关资料的情 况下,单从径流资料出发用 BP 神经网络进行径流预测,效果并不理想;而通过小波变换把径流 序列分解为多个频率成份的叠加,再由神经网络对小波系数进行预测,最后重构出预测的径流 序列的方法取得的效果较好。同时还就小波变换结合BP 神经网络方法, 比较了不同网络结构 对径流预测效果的影响,其结论可作为对径流序列预测研究的一种参考[6] 。有研究针对日流量 时间序列的非线性和多时间尺度特性,提出了将小波分析与人工神经网络相结合进行日流量 预测的新方法———小波网络模型。该模型吸取了小波分析的多分辨功能和人工神经网络的 非线性逼近能力。以长江寸滩站日流量预测为例,研究表明,所构造的模型各预见期的拟合、 - 1 - [7] 检验精度较高。小波网络模型延长了预见期,提高了预报精度,具有广