共查询到20条相似文献，搜索用时 171 毫秒
1.
采用小波变换A Trous算法对小波信号进行分解后,对各小波变换序列进行互相关分析,建立各小波变换序列相应的随机模型,最后采用小波重构算法得到小波随机耦合模型.然后根据查哈阳农场1956-2008年作物生育期月降雨量数据资料,建立了小波随机耦合模型,对模型进行拟合预测精度检验,研究表明该模型拟合预测精度高,能够反映该地区的降雨量变化规律,是一种实用的预报模型.对当地制定合理的灌溉制度和高效利用降水资源具有重要意义. 相似文献
2.
基于小波消噪的平稳时间序列分析方法在降雨量预测中的应用 总被引：1，自引：0，他引：1
小波消噪与时间序列分析方法在预测领域中应用十分广泛,但是在降雨量的预测中应用不多。在基于小波消噪的基础上应用时间序列中平稳时间学列方法对降雨量进行预测,结果显示,应用该方法有效地提高了降雨量的预测精度。用丹东地区1971-2006年的降雨量作为历史数据,建立降雨量预测模型,结果表明新模型算法简单、精度较高,比传统的拓扑预测模型效果更好,为降雨量预测提供了一种行之有效的方法。 相似文献
3.
为了提高降雨中长期预测精度，将小波分析和支持向量机回归方法引入水文序列预测领域，给出了两种方法的思路和特点。在此基础上，尝试建立了基于小波分析-支持向量机（WA-SVM）的降雨量序列预测模型。通过小波分解，将原始复杂的降雨序列分解到不同的频率层次，对每层得到的分解序列分别采用支持向量机回归方法进行预测，最后合成原始序列的预测值。将该模型应用于实际流域月降雨量预测，并与单独支持向量机回归方法预测结果进行比较，表明该方法预测精度有明显提高。 相似文献
4.
为了提高地区降雨量的预测精度,提出遗传算法优化的时间序列最小二乘支持向量机回归组合模型。首先利用时间序列分析法对858农场年降雨量数据进行拟合,其次对拟合后实际数据与拟合数据产生的绝对误差运用最小二乘支持向量机进行训练,较好地解决了小样本、高维数、非线性和局部极小问题,同时避开了传统的网格搜索法在大范围内寻找参数费时等缺点,采用遗传算法寻找最佳的惩罚参数c和核函数参数g,训练结果与实际测量值接近,预测精度较高,并对未来3a的降雨量进行了预测,为858农场未来水资源规划、合理制定灌溉制度、抗旱防涝提供了重要的科学依据。 相似文献
5.
6.
《节水灌溉》2017,(9)
为能够更好地预测干旱区渭库绿洲的地下水埋深及合理规划、开发地下水资源。以1995-2014年降雨量、蒸发量、农业用水量和地下水埋深等数据作为数据源展开研究。利用主成分分析法提取贡献率较大的因素,将其应用于多变量时间序列CAR(Controlled Auto-regressive)模型,从而建立地下水埋深的预测模型,并对模型进行验证。研究结果表明:渭库绿洲的地下水埋深受蒸发量、农业用水量的影响大,分别为0.533、0.466;模型预测值与实测值相对误差的平均值仅为1.483%,表明该模型在干旱区绿洲区域预测精度高、效果佳。预测趋势显示:若研究区蒸发量持续增加25%、降雨量减少15%、农业用水量减少15%时,地下水埋深将达到4.21 m,预测地下水埋深对渭库绿洲的生态环境和农业发展提供了有力的参考。 相似文献
7.
任海青 《国际沙棘研究与开发》2017,(3)
灰色预测是采用原始数据序列所生成的新的数据序列进行建模的一种方法.本文根据丹东地区5年的年降雨量系列数据,利用灰色GM(1,1)建立预报模型来预报预测未来降雨量. 相似文献
8.
为探寻长岭县降水量序列的特征及变化规律,基于长岭县1954-2005年降水量资料,采用统计学方法、Mann-Kendall方法、叠加的马尔科夫链方法,对长岭县的降水量特征值、年内年际变化、降水量自相关性以及变化规律进行了分析。结果表明:长岭县年内降水量和典型年年内降水量主要集中在6-8月份,分别占70%、80%;降水量年际变化呈现出丰-平-枯的变化趋势,平均8年出现一次降水变化小周期;降水量系列是相互独立的,并且降水量系列呈递减的趋势,枯季降水量平均每年减少4.86mm;叠加的马尔科夫链方法可用于长岭县降水量的预测,但需要结合总体的降水量变化周期,以消除大旱或大涝年份导致的误差。 相似文献
9.
近年来小麦受干热风影响严重,造成小麦减产10%-20%,然而目前对小麦干热风年型研究较少,预测方法也比较少。基于此,为了更好的对干热风进行预警和预防,准确的预测小麦干热风年型是一个重点,本研究利用马尔科夫原理的“无后效性”的特点,使用滑县2001-2021年5月13日-6月10日的气象数据,建立马尔科夫预测模型。然后通过回代检验对滑县地区的2004-2021年的干热风进行预测结果检验,并选取相同的数据与BP神经网络模型进行结果对比。结果表明,马尔科夫模型预测概率77.78%,精度较高。并且在相同的数据基础上比BP神经网络预测模型的表现更好,因此马尔科夫模型可以更好的对小麦干热风进行预警,可以起到防灾抗灾的效果,对提高小麦产量具有重要意义。 相似文献
10.
改进灰色-马尔科夫模型在年降水量预测中的应用研究 总被引：1，自引：0，他引：1
《节水灌溉》2014,(6)
用三点滑动法对灰色GM(1,1)模型优化,用模糊聚类FCM算法对马尔科夫模型状态分组阶段进行改进,用多种步长的马尔可夫链加权算法来预测年降水量。将上述改进后的灰色模型与马尔科夫模型结合,对地区年降水量进行预测。结果表明,改进后的灰色-马尔科夫模型既提高了马尔科夫模型对预测波动性降水数据的准确性,又充分利用了灰色系统预测结果精度高的优势,提高了预测精度。 相似文献
11.
《灌溉排水学报》2019,(1)
【目的】提高降雨量预测精度,为农业、水利等相关部门提供决策依据。【方法】鉴于月降雨量时间序列具有显著的多尺度特征,开展了数据驱动下基于模型融合的月降雨量预测研究,应用灰色EGM(1,1)模型和自适应模糊神经网络系统(ANFIS)分别预测了年尺度与月尺度下的月降雨量,采用灰色关联法将2个预测结果进行数据融合。利用澳大利亚维多利亚8个站点降雨数据验证所提出方法,并将预测结果进行了与单一灰色EGM(1,1)、ANFIS、人工神经网络(ANN)、自回归积分滑动平均模型(ARIMA)与聚类回归法(CLR)模型预测结果对比。【结果】模型融合预测结果精度高于单一EGM(1,1)、ANFIS、ANN及ARIMA模型预测结果,并在8个站点中的5个取得了最佳预测效果,其中中部地区(Ballarat和Cape Otway站点)及东部地区(Dookie,Wangaratta和Orbost站)预测均方根误差为28.2～37.2 mm,西部地区(Dimboola,Edenhope和Dunkeld站点)预测均方根误差为20.8～23.4 mm。【结论】所提出的模型融合预测法可行,为月降雨量预测提供了新思路。 相似文献
12.
《灌溉排水学报》2017,(12)
根据西安市降雨数据,计算和分析了可利用降雨量特征,并采用线性分析方法、Mann-Kendall法和有序聚类法对西安市1951—2014年可利用降水量进行了趋势和突变分析,建立了西安市可利用降水量加权马尔科夫链预测模型。结果表明,西安市可利用降水量年际变化明显,呈多年丰枯交替变化,但整体为减小趋势,可利用降水量年内主要随季节变化;突变分析表明西安市可利用降水量在1957年、1966年、1974年和1983年发生突变;经过实际值与预测值的对比验证,表明采用滑动平均加权马尔科夫链模型对西安市可利用降水量预测误差较小,并对西安市2015年和2016年可利用降水量进行了预测,预测值分别为100.04 mm和123.43 mm。 相似文献
13.
绿茶杀青叶料含水率可见-近红外光谱检测 总被引：3，自引：0，他引：3
为实现绿茶杀青叶料含水率的快速无损检测,基于可见-近红外光谱分析建立含水率的预测模型。使用FieldSpec 3型便携式地物光谱仪,采集192个杀青叶料样品的漫反射光谱信息,基于X-Y共生距离的样本划分算法SPXY,确定144个样本的校正集和48个样本的预测集。进行一阶微分和移动平滑滤波预处理后,采用相关系数法优选出11个特征波段,建立了含水率检测的偏最小二乘回归、主成分回归、人工神经网络及其组合的模型。结果表明,选用5个主成分的偏最小二乘回归模型最佳,其校正和预测模型的相关系数分别为0.990和0.819,均方根误差分别为0.011和0.037,预测含水率的平均相对误差为3.30%。 相似文献
14.
《灌溉排水学报》2018,(12)
根据西安市降雨数据，计算和分析了可利用降雨量特征，并采用线性分析方法、Mann-Kendall法和有序聚类法对西安市1951—2014年可利用降水量进行了趋势和突变分析，建立了西安市可利用降水量加权马尔科夫链预测模型。结果表明，西安市可利用降水量年际变化明显，呈多年丰枯交替变化，但整体为减小趋势，可利用降水量年内主要随季节变化；突变分析表明西安市可利用降水量在1957年、1966年、1974年和1983年发生突变；经过实际值与预测值的对比验证，表明采用滑动平均加权马尔科夫链模型对西安市可利用降水量预测误差较小，并对西安市2015年和2016年可利用降水量进行了预测，预测值分别为100.04 mm和123.43 mm。 相似文献
15.
鲜枣品种和可溶性固形物含量近红外光谱检 总被引：7，自引：3，他引：4
采用近红外光谱分析技术无损鉴别鲜枣品种和测定其可溶性固形物含量.对3个不同品种的鲜枣进行光谱分析,各获取30个样本数据.采用平滑法和多元散射校正方法对样本数据进行预处理,再用主成分分析法对光谱数据进行聚类分析并获得各主成分数据.将样本随机分成75个建模样本和15个预测样本,将建模样本的主成分数据作为BP神经网络的输入变量,鲜枣品种和可溶性固形物含量作为输出变量,建立3层人工神经网络鉴别模型,并用该模型对15个预测样本进行预测.结果表明,在阈值设定为±0.17的情况下该模型对预测集样本品种鉴别准确率达到100%,可溶性固形物含量预测值与实测值相对偏差小于10%. 相似文献
16.
降雨时间序列分解预测模型及应用 总被引：1，自引：0，他引：1
为了对随机型时间序列进行预测，在分析其性质的基础上，提出了将其分解为趋势项、周期项和平稳随机项，建立时间序列分解预测模型，分别对趋势项和周期项进行检验和提取，利用自回归模型人工合成新的序列对平稳随机项进行模拟和预测。将该模型应用于降雨量预测，取得良好效果，表明了该模型的有效性和适用性。 相似文献
17.
针对GM(1,1)幂模型预测中如何选择合适的样本维数提高模型精度问题,探讨小样本波动统计序列光滑度的判断方法及其对GM(1,1)幂模型预测结果的影响,利用GM(1,1)幂模型白化计算公式完成最小二乘准则下的参数计算,在此基础上构建序列统计数据预测计算模型,将其应用于城市用水量波动统计数据预测,并进行GM(1,1)幂模型样本维数预测精度探讨,计算结果验证了波动统计序列光滑度与GM(1,1)幂模型预测精度的关系,为小样本波动统计序列建模和预测提供了一种计算方法。 相似文献
18.
《节水灌溉》2015,(7)
为更好地研究地下水位预测模型,选用灰色GM(1,1)、叠加的马尔科夫链和BP神经网络3种模型,选取2007-2010年长春市的地下水位资料进行地下水位预测研究,对比分析了3种模型的预测结果以及其适用情况。结果表明,3种预测方法的平均绝对误差均小于10%,在一定程度上表明3种模型均具备一定可信度,其中叠加的马尔科夫链模型的误差相对较大,另外两种则相差不大。灰色GM(1,1)模型适用于把握数据的大体变化趋势;叠加马尔科夫链模型适用于对相对稳定的数据的预测;BP神经网络模型需要基于相对较多的数据进行有弹回地校正模拟,且预测的结果相对拟合程度更好,预测结果更理想。 相似文献
19.
灰色神经网络在地下水动态预测中的应用 总被引：1，自引：0，他引：1
以周至201号井为例,选取降雨量、蒸发量、单位面积的引灌水量及人工开采量4个地下水位的主要影响因素为预报因子,地下水位作为输出样本,建立BP神经网络模型。以2002-2011年4个序列的数据分别建立新陈代谢GM(1,1)模型,得到2012-2014年的预测值。再将各新陈代谢GM(1,1)模型得到的4个预报因子的预测值作为BP神经网络的输入,得到的输出即为最终2012-2014年地下水位的预测值。结果表明,灰色理论和BP神经网络耦合模型具有较高的预测精度,可为地下水的动态预报提供参考。 相似文献
20.
河流径流预测作为水库调度和发电的重要前提,其预测精度直接影响水利工程的综合效益。基于径流历史数据,针对其波动和随机性提出一种小波分析-支持向量机(SVM)特征分类组合预测模型。该模型首先利用小波分解提取原始径流序列的高低频能量谱作为SVM样本标记,并对原始序列进行特征分类,分为"平稳型"和"突变型"序列,对应不同类型序列的小波近似信号和细节信号分别采用自回归和滑动平均模型(ARMA)和BP神经网络模型进行预测,再重构各序列预测结果。最后采用平均绝对百分比误差(MAPE)、均方根误差(RMSE)、希尔不等式系数(TIC)作为模型评价指标。结果表明:在3个评价指标下,所提模型都优于ARMA和BP神经网络模型,并具有更好预测稳定性。 相似文献