小波分析组合模型在日径流预测中的应用研究.pdfVIP

第29 卷 第5 期 自 然 资 源 学 报 Vol.29 No.5 2014 年5 月 JOURNAL OF NATURAL RESOURCES May, 2014 小波分析组合模型在日径流预测中的 应用研究 王秀杰，封桂敏，耿庆柱 （天津大学水利工程仿真与安全国家重点实验室，天津300072 ） 摘要：针对日径流时间序列不断受人类活动干扰的影响，运用小波多分辨率功能，分别对黄河 头道拐站和花园口站实测日径流时间序列进行小波分析，利用得到的低频成分和高频成分分 别建立自回归模型，然后组合对日径流进行预测。与单一的原序列自回归模型相比，基于小波 分析的组合模型预测精度有了显著提高，而且不同时期的预测精度基本一致：预测合格率都达 到了90％以上。而单一自回归模型的预测精度在不同时期相差较大：人类活动影响越强，预测 误差越大，尤其在花园口站的1969—1986年和1987—2005 年两个时期的日径流预测合格率都 小于85％。由此表明基于小波分析的组合模型对数据具有较强的抗干扰性，在径流预测方面 有明显的优越性。 关 键 词：日径流预测；自回归模型；小波分析；预测误差 中图分类号：P333 文献标志码：A 文章编号：1000-3037(2014)05-0885-09 DOI ：10.11849/zrzyxb.2014.05.016 受降雨天气系统和流域下垫面系统以及人类活动的综合作用影响，日流量序列是非 线性、强相关、高度复杂、多时间尺度变化的动力系统。日径流量的有效预测，对水资 源开发利用、防洪减灾具有重要的指导意义。目前主要从时间序列分析和因果关系两个 [1-5] 方面进行预测研究，并取得了大量的成果 ：在时间序列分析预测方面，建立了自回归 模型、季节性自回归模型、灰色预测模型、人工神经网络模型等；在因果关系预测方 面，建立了多变量最近邻抽样回归模型、门限回归模型等。随着混沌理论、小波分析的 [6] 出现 ，它们也被引进到日径流预报中来。同时，各种方法的耦合方法也相继发展 [7- 10] 起来 ，如小波神经网络、混沌神经网络、小波混沌神经网络等。尽管各种数学方法在 水文预报中都有所应用，丰富了径流预测的理论，但数学方法的研究和应用，需要考虑 方法对资料的要求以及该方法的适应性，在这方面仍需要做深入研究。如自回归模型建 模简单，使用方便，但它是线性模型，而水文系统是非线性系统；模糊分析的引进丰富 了中长期水文预报理论，但灰色系统理论由于其模型特点，比较适合具有指数增长趋势 的问题，对于其他变化趋势，则有时拟合灰度较大，导致精度难以提高；人工神经网络 模型虽然可以解决不少用传统统计学预测方法不能或不易解决的问题，如非线性结构系 统的预测问题、多变量预测问题等，但在预测时，没有一个便于选定最合适的神经网络 结构的标准方法，只有花大量时间采用试凑法，从许多次实验中找出 “最合适”的一 收稿日期：2013-01-04 ；修订日期：2013-08-29 。 基金项目：国家自然科学基金资助项目 ；天津大学自主创新基金项目 （2010XJ-0114 ） 第一作者简介：王秀杰 （1973- ），女，辽宁绥中人，副教授，博士，主要从事水文系统预测与模拟。E-mail: wangxj_m@ 886 自 然 资 源 学 报 29 卷 种。本文根据小波分析的多分辨率功能，利用Mallat 算法分别对黄河头道拐和花园口站 的日径流时间序列进行多尺度分解与重构，得到相应尺度下的概貌分量和细节分量，分 别对概貌分量和细节分量建立随机模型，然后组合，对日径流进行预测。并与单一自回 归模型进行对比，检验小波组合模型的抗干扰性。 1 自回归模型与小波分析 1.1 自回归模型 自20 世纪60 年代以来自回归模型就用于水资源规划和设计中。此类模型之所以在水 文水