基于EMD的徑流規(guī)律分析及預測模型研究.pdf

1、徑流序列受到氣候、人類活動、降雨等多種因素的影響，呈現出高度復雜、非線性、隨機性、多時間尺度性等多種特性，這些特性使得徑流特性分析和預測工作變得更加困難。本論文采用經驗模態(tài)分解方法對徑流進行了分解，并在此基礎上運用相空間重構原理，結合PSO優(yōu)化的ELM神經網絡對其進行了預測。
　　本文采用經驗模態(tài)分解(EMD)對宜昌站月徑流和雅礱江流域二灘年徑流序列進行了分解，并求取了其Hilbert譜，通過分析表明不管是年徑流序列還是月徑流序列

2、都存在明顯的多時間尺度特性，并且其準周期特性往往都與其他自然現象的準周期特性有關。EMD分解的余項表征了徑流序列的總體變化趨勢。
　　本文分析了基于混沌理論的相空間重構原理，詳細討論了相空間重構中的延遲時間和嵌入維數參數的確定方法，對月徑流序列及其EMD分解序列采用常用的自相關法和Cao方法求取了各自的延遲時間和嵌入維數，并通過計算各自的最大Lyapunov指數進行了混沌特性的識別，針對不具有混沌特性的分量結合EMD分解原理對其作

3、了相關的理論分析。
　　介紹了極限學習機算法原理，由于極限學習機每次隨機產生連接權值和偏置，因此表現出了不穩(wěn)定性的特點，針對此不足，提出了采用粒子群算法通過迭代尋優(yōu)對該網絡進行優(yōu)化，并通過實例函數測試驗證了該模型的正確性。
　　將徑流序列通過EMD分解后，對各個分量進行空間重構，建立輸入輸出預測模型，針對重構好的空間，采用本文提出的PSOELM預測模型對其各個分量分別進行預測，最終的徑流預測結果是將各個分量的預測結果進行重構