月径流序列混沌特征识别及Volterra自适应预测法应用.pdfVIP

水 利 学 报 年 月 第 卷 第 期 文章编号 月径流序列的混沌特征识别及 自适应预测法的应用 李红霞 许士国 范垂仁 大连理工大学土木水利学院 辽宁大连 长春自然灾害预测研究服务中心 吉林长春 摘要 在混沌动力系统相空间重构的基础上 利用关联维数法和最大 指数法 对月径流时间序列进行混沌 特性识别 然后结合自适应技术的实时递推特性和 级数的非线性表征能力 利用 自适应滤波法可 对径流时间序列进行预测 通过江桥站和丰满水库实际月径流序列的预测结果表明 月径流序列中存在着一定的 混沌特征 应用 自适应法可以有效地对水文时间序列进行预测 与加权一阶局域预测法相比 能够实现更 高精度的多步预测 关键词 月径流序列 混沌 关联维数 最大 指数 自适应预测 中图分类号 文献标识码 随着混沌理论及其应用技术研究的不断深入 混沌识别和混沌预测成为混沌时间序列分析的重要 研究内容 近年来混沌理论在水科学领域中的应用研究发展比较迅速 目前已有很多研究表明水文系 统具有一定的混沌特征 利用混沌预测方法可对水文序列进行预测 等 应用关联维数 法 指数法 熵法和非线性预测法 系统研究了香港地区日降雨序列和日径流序列的 混沌特性 指出香港地区的日降雨和日径流序列确实存在着混沌现象 赵永龙 用多种不同的方法对 金沙江屏山站和长江宜昌站日径流序列的混沌特性进行识别 并研究了水文单变量和水文多变量的混 沌非线性预测方法 等 运用相空间法和人工神经网络法对泰国 河的日径流序列 进行了 和 的预测 并对两种方法进行了比较 结果表明相空间法的预测效果要优于人工神经网络 法 混沌时间序列预测方法包括局域预测法 全局预测法和自适应预测法 其中自适应预测法能够根据 当前的预测误差自适应调整模型参数 使之在下一次预测误差最小 因此预测效果较好 张家树等 提出了一系列基于 滤波器的自适应预测方法 并证明其与局域预测 全局预测法相比 要求的训 练样本少 训练时间短 具有更好的预测性能 钱镜林等 将自组织法求解的 滤波器应用于 洪水预报 结果表明 该方法的应用提高了洪水预报的效率和精度 由于文献 对短期洪水预报效果 很好 为了验证 自适应法的长期预报性能本文对月径流时间序列预测进行了研究 并进一步分 析了预测精度和预见期的关系 研究结果表明 应用 自适应预测法可以有效地提高预测精度和 预见期 相空间重构 相空间重构是混沌时间序列预测的基础 等 和 提出了用延迟坐标法对混沌时间 序列 进行相空间重构 相空间中的点可以表示为 收稿日期 基金项目 国家自然科学基金重点项目 国家重点基础研究计划 项目 作者简介 李红霞 女 山东烟台人 博士生 主要从事水文中长期预报研究 式中 为嵌入维数 为嵌入滞时 定理证明了如果嵌入维数 为吸引子维数 则重构的动力系统与原动力系统 在拓扑意义上等价 两个相空间中的混沌吸引子微分同胚 因此可由系统的当前状态获得下一时刻的 状态 从而得到时间序列下一时刻的预测值 相空间重构关键在于选择合适的 和 常用计算嵌入滞时 的方法有自相关法 复相关法和互信 息法等 计算嵌入维数 的方法有关联维数法 虚假近邻法和 法等 年 指出嵌入 滞时 不应独立于嵌入维数 而应依赖于嵌入窗宽