基于混沌理論的呼倫湖流域降雨徑流時(shí)間序列預(yù)測(cè)分析.pdf

1、近年來(lái)，由于全球氣候變化和人類(lèi)活動(dòng)等諸多因素的影響，呼倫湖流域的降雨量和徑流量急劇減小，導(dǎo)致流域內(nèi)植被退化、草場(chǎng)萎縮、土壤沙漠化。針對(duì)上述問(wèn)題，本文運(yùn)用現(xiàn)代新理論和新方法，包括混沌理論及分析方法，LS-SVM建模方法，RBF神經(jīng)網(wǎng)絡(luò)建模方法和ARIMA建模方法對(duì)呼倫湖流域的兩條主要河流烏爾遜河和克魯倫河的月降雨、月徑流時(shí)間序列進(jìn)行了模擬預(yù)測(cè)分析。
　　應(yīng)用相空間重構(gòu)理論對(duì)烏爾遜河和克魯倫河月降雨、月徑流時(shí)間序列進(jìn)行相空間重構(gòu)，使用

2、自相關(guān)函數(shù)法確定延遲時(shí)間，使用飽和關(guān)聯(lián)維數(shù)法確定嵌入維數(shù)，并使用飽和關(guān)聯(lián)維數(shù)法和最大Lyapunov指數(shù)法對(duì)其進(jìn)行混沌特性識(shí)別，結(jié)果表明，烏爾遜河和克魯倫河的月降雨、月徑流時(shí)間序列具有混沌特性。
　　應(yīng)用LS-SVM模型和RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)烏爾遜河月降雨混沌時(shí)間序列、烏爾遜河月徑流混沌時(shí)間序列、克魯倫河月降雨混沌時(shí)間序列和克魯倫河月徑流混沌時(shí)間序列分別進(jìn)行建模，并對(duì)LS-SVM模型的模擬預(yù)測(cè)結(jié)果和RBF神經(jīng)網(wǎng)絡(luò)模型的模擬預(yù)測(cè)結(jié)果

3、進(jìn)行對(duì)比分析。結(jié)果表明，兩種模型都各有優(yōu)劣。LS-SVM模型預(yù)測(cè)結(jié)果的相對(duì)誤差百分比波動(dòng)較為平穩(wěn)，預(yù)測(cè)精度良好。RBF神經(jīng)網(wǎng)絡(luò)模型在豐水期時(shí)預(yù)測(cè)精度非常高，但是在枯水期時(shí)，預(yù)測(cè)精度相對(duì)較低，其預(yù)測(cè)結(jié)果的相對(duì)誤差百分比波動(dòng)較大。
　　應(yīng)用ARIMA模型對(duì)烏爾遜河和克魯倫河的月降雨、月徑流時(shí)間序列進(jìn)行建模，進(jìn)行預(yù)測(cè)分析。并對(duì)ARIMA模型，LS-SVM模型和RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析。結(jié)果表明，LS-SVM模型的合格率要