基于小波消噪原理的参考作物腾发量预测模型研究.pdfVIP

第 12期 (总第 391期) 吉 林 水 利 2014年 l2月 [文章编号]1009—2846(2014)12—0012—05 基于小波消噪原理的参考作物 腾发量预测模型研究 李 禄 (辽宁省水利水电科学研究院，辽宁 沈阳 110003) [摘要】将小波分析与随机分析结合 ，提 出了基于小波消噪的随机模型并将之用于太子河流域参考作物腾发量 (ET0)的模拟和预测。其思路是 ：首先对时间序列进行小波消噪；根据消噪序列的变化特性建立适合的随机模 型 ；最后应用模型进 行预 测。 [关键词]小波消噪；参考作物腾发量；时间序列；随机模型 [中图分类号]S274 [文献标识码]B 2．1 一维信号的小波分解 1 小波消噪原理 选择合适 的小波 函数并确定小波分解 的层次 Ⅳ。然后对序列 (信号)进行 Ⅳ层小波分解。 对于获得的时间序列 ．由于受众多因素影响． 2．2 小波分解高频系数的阈值量化 通常含有系统噪声和测量噪声 系统噪声是系统 对 1～Ⅳ层的每一层高频系数 d )(=1，2，…， 每个时间步骤 中受到小的随机干扰时在过程 中的 Ⅳ)，选择一个阈值 进行阈值量化处理，得到去噪 反馈 ，它直接影响了系统在时间上的演化。测量噪 后的高频成分。阈值量化处理方法有两种 。分别为 声是测量或计算引起 的误差。噪声 的存在淹没 了 硬阈值处理和软阈值处理 。硬阈值处理后的信号 时间序列的真实变化特性 ．特别是改变 了序列 的 比用软软阈值处理后的信号更为粗糙 ．实际工作 自相关结构。由具有噪声的时间序列进行分析计 中常采用软阈值处理方式 算和推算模型参数 ．不能真实反映整个序列的本 本研究均采用软阈值处理方式 ．其方法是把 质。对研究的时间序列进行消噪处理．能提高数据 信号绝对值与阈值进行比较 ．小于或等于阈值的 的可靠性和数据分析成果的精度 点变为 0．大于阈值的点变为该点的值与阈值的差 实际应用 中．有用的成分通常表现为低频信 值 数学公式表述为 号或是一些较平稳的信号 ．而噪声则通常表现为 高频信号。小波分析可将高频成分和低频成分有 ()￡={gnt‘I哆‘l—iddjf((t))IlT71(1) 效分离出来。基于此 。根据不同信号在小波变换后 2．3 信号的小波重构 表现出的不同特性 ．对小波分解序列进行处理 ．将 根据小波分解 的第Ⅳ层的低频系数和经过量 处理后的序列加以重构 ．即可实现信噪分离 化处理后 的第 1层到第 Ⅳ层的高频系数 ．进行信 号的小波重构 ．得到真实的信号 ．即消噪信号 2 小波消噪步骤 3 阈值的确定方法 20世纪 9O年代初 ．Donoho等人提出了阈值 消噪方法，取得了较好的成果。目前小波消噪主要 目前大体有三种阈值确定方法，固定阈值法、 采用该方法，主要步骤如下。 Stein的无偏似然估计 (SURE)和极大极小原理阈 [收稿 日期]2014—10—20 [作者简介]李禄 (1982一)，女 ，辽宁本溪人 ，硕士 ，毕业于沈阳农业大学农 田水利专业 ，工程师，研 究方向：农 田水利 。 一 12— 吉林水利