月径流序列的多层递阶预报研究文,理工.docVIP

月径流序列的多层递阶预报研究论文,理工论文论文,论文 月径流序列的多层递阶预报研究 摘要：月径流序列是一类具有周期变化的非平稳时间序列. 本文根据其特点，建立了多层递阶预报模型，文中对此类非平稳时间序列的建模及预报方法进行了深入研究. 关键词：月径流序列 多层递阶预报 时变参数 非平稳序列 Research on the Multi-Layer Hierarchical Forecast of Monthly Runoff Series Abstract　Monthly runoff series is a sort of non-stationary time sequence with periodicity. In this paper,according to their characteristics,a multi-layer hierarchical forecast model is established, and modelling and forecasting methods are thoroughly researched. Keywords　monthly runoff series; multi-layer hierarchical forecast; time-varying parametric; non-stationary series 1　多层递阶预报的基本原理 1.1　后验残差一致小准则 　　令 Yk-1={y(0),y(1),…,y(k-1)}，Uk={u(0),u(1),…,u(k)}为系统输入；l(k)为随机噪声；θ(k)是m维的参数向量，y(k)是系统输出，则 (1) 系统输出向前一步的预报公式是 (2) 　　一般的自适应算法仅能根据Yk-1,Uk得到θ(k-1)的估计值(k-1)，若系统是快时变的，(k)与(k-1)将有较大差别. 为了减少预报误差，应设法求出θ(k)的估计值*(k). 此时， (3) 上式称为含有参数预报值的预报公式. 相应的预报残差为 (4) 式中ε(k｜*(k))称为后验残差. 可以证明［1］，对于任何的ε＞0，在适当条件下必有N＞0和δ＞0存在，使得当k≥N时，由算法所确定的(k) (5) 恒满足 称此为后验残差一致小准则. 　　若　 则 (6) 　　多层递阶预报方法，就是采用式(5)或式(6)的算法，对时变参数进行预测，使估值序列{(k)}满足后验残差一致小准则. 1.2　 多层递阶建模与预报 　　多层递阶预报，是将动态系统预报分为时变参数预报与系统状态预报两部分. 其中参数预报包括时变参数跟踪估计以及对参数未来值进行预测. 　　1) 时变参数跟踪估计 　　时变系统不仅状态在变化，而且参数也在变化，多层递阶预报充分考虑了系统的这种时变特性. 由掌握的历史资料，按式(5)或式(6)进行参数跟踪估计，可得参数θ(k)的一系列估计值：(1),(2)，…,(N)，N为资料长度. 　　2) 时变参数预测 　　对参数估计序列{(k)},k=1,2,…,N，进行分析，寻找其变化规律，采用适当的数学方法建立时变参数的预报公式，进而可求得时变参数一系列的预测值*(N+1)，*(N+2)，…,*(N+h)，h为预报步长. 常采用的时变参数预测方法有：定常增量法、常数因子法、分段周期法、周期增量法、多层自回归法等［2］. 　　3) 系统状态预报 　　系统状态向前多步的预报公式为 (7) 式(7)中的*(N+h)是用各种方法求得的时变参数预测值. 这种方法由于充分考虑了模型参数的时变性，使预报精度有所提高. 2　月径流序列的多层递阶预报 　　月径流序列是季节性的非平稳时间序列，具有更强的随机性和非平稳性，对此时间序列进行中长期预报有一定难度. 2.1　 数据预处理与建模 　　对月径流序列的季节性变化所引起的非平稳性，可进行中心化、标准化、季节性差分处理. 本文在对淮河某大型水库月径流序列预报时，进行了季节性差分： 式中：Xt为月径流序列；为差分算子，Xt=Xt-Xt-1;12为月度差分算子，12Xt=Xt-Xt-12. 现以新序列{ut}作为多层递阶预报的建模序列. 经模型识别、参数估计、模型检验，得{ut}序列的二阶自回归模型AR(2)为： ut=a1(t)ut-1+a2(t)ut-2+εt(8) 式中a1(t),a2(t)为模型参数，已采用最小二乘法求得. 2.2　 时变参数估计 　　对于{ut}的AR(2)模型可写成 y(k)=φ(k)Tθ(k)+e(k)(9) 式中φ(k)=[u(k-1),u(k-2)]T θ(k)=[a1(k),a2(k)] 　　根据后验残差一致小准则，时变参数θ(k)的估值算法可按式(6