非平稳时间序列的动态水位神经网络预报.pdfVIP

第 卷 第 期 湖 泊 科 学 ， ! ! ?-@’!6-’! 年 月 ， ## ) 23456783987:;=;6=; A/B’## 非平稳时间序列的动态水位神经网络预报模型! 薛联青! 崔广柏! 陈凯麒 （：河海大学水环境学院，南京 ；：中国水利水电科学研究院，北京 ） ! !##$% !### 提 要 水文预报系统是一个复杂的非线性动力学过程，站点水位受各种因素的影响不仅 呈现出非平稳动态随机变化特性，而且各因素间的关系也很难确定 淮河流域五河站水位由于受 ’ 到洪泽湖回水影响及季节性的影响，也呈现出这一动力学的非平稳特性，因此本文在考虑了相关 站点和回水影响的基础上，建立了一种多站变量时间序列的神经网络预报模型，预报结果表明该 方法预测效果较好，运行简单’ 关键词 时间序列 预报模型 水位 回水影响 神经网络 分类号 * ())% ’! 水位预报系统是一个复杂的非线性动力学过程，站点水位受各种因素的影响不仅呈现出 非平稳动态复杂非线性关系，而且各因素间的关系也很难确定 合理的水位预报不仅对防止地 ’ 区洪涝灾害、湖区安全及合理引水等都有一定的预警作用，因此建立合理的水位预报模型具有 ［，］ 重要意义 ! 本文在 等人的神经网络预测理论的基础上 ，分析了淮河流域五河站水 ’ +,-./0 位的季节性非平稳时间序列及受洪泽湖回水顶托影响的特点，以时间序列神经网络模型为基 础，建立了一种相关站点的多变量时间序列神经网络预报模型，并基于模型提出对实际监控数 据进行了剔点和光滑处理，以消除个别由于纯人为因素引起的序列中奇异点影响，避免了传统 时序神经网络模型在预报中将丢失序列趋势的缺点 将该模型运用于淮河流域五河站的水位 ’ 预报，预测结果表明该方法运行合理，并且较时序统计模型简单，预测能力和预报周期都有所 增加’ ! 多变量时间序列神经网络模型 !’! 多变量时间序列 如有多变量时间序列 表示为：（ ， ，…， ），（ ， ，…， ），……， ， ， ， ， ， ， ! ! ! ! ! ! ! !! ! ! ! （ ， ，…， ）……，每个单变量有 个时间序列值，则认为时间序列的未来值与其输入 ， ， ， ! ! ! $ #! # # 变量序列的前% 个值之间有某种函数关系： （ ， ，…， ） ， ， ，