基于EMD的徑流規(guī)律分析及預(yù)測模型研究.pdf

1、徑流序列受到氣候、人類活動(dòng)、降雨等多種因素的影響，呈現(xiàn)出高度復(fù)雜、非線性、隨機(jī)性、多時(shí)間尺度性等多種特性，這些特性使得徑流特性分析和預(yù)測工作變得更加困難。本論文采用經(jīng)驗(yàn)?zāi)B(tài)分解方法對徑流進(jìn)行了分解，并在此基礎(chǔ)上運(yùn)用相空間重構(gòu)原理，結(jié)合PSO優(yōu)化的ELM神經(jīng)網(wǎng)絡(luò)對其進(jìn)行了預(yù)測。
　　本文采用經(jīng)驗(yàn)?zāi)B(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(jìn)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(shí)間尺度特性，并且其準(zhǔn)周期特性往往都與其他自然現(xiàn)象的準(zhǔn)周期特性有關(guān)。EMD分解的余項(xiàng)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(gòu)原理，詳細(xì)討論了相空間重構(gòu)中的延遲時(shí)間和嵌入維數(shù)參數(shù)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(guān)法和Cao方法求取了各自的延遲時(shí)間和嵌入維數(shù)，并通過計(jì)算各自的最大Lyapunov指數(shù)進(jìn)行了混沌特性的識別，針對不具有混沌特性的分量結(jié)合EMD分解原理對其作

3、了相關(guān)的理論分析。
　　介紹了極限學(xué)習(xí)機(jī)算法原理，由于極限學(xué)習(xí)機(jī)每次隨機(jī)產(chǎn)生連接權(quán)值和偏置，因此表現(xiàn)出了不穩(wěn)定性的特點(diǎn)，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(wǎng)絡(luò)進(jìn)行優(yōu)化，并通過實(shí)例函數(shù)測試驗(yàn)證了該模型的正確性。
　　將徑流序列通過EMD分解后，對各個(gè)分量進(jìn)行空間重構(gòu)，建立輸入輸出預(yù)測模型，針對重構(gòu)好的空間，采用本文提出的PSOELM預(yù)測模型對其各個(gè)分量分別進(jìn)行預(yù)測，最終的徑流預(yù)測結(jié)果是將各個(gè)分量的預(yù)測結(jié)果進(jìn)行重構(gòu)