论文部分内容阅读
近几十年,径流受人类活动和气候变化的影响日益加剧,径流序列呈现出非线性、非平稳性和复杂性,开发高精度的预测模型一直是径流预测研究的难点和热点。因此,针对径流预测的难点研究改进模型的方法,对水资源的高效利用和可持续性具有重要的理论意义和应用价值。论文以引嘉入汉调水工程为依托,在分析嘉陵江和汉江径流规律的基础上,研究了月径流预测模型,主要目的是为引嘉入汉跨流域调水工程提供高精度的径流预测模型,为引嘉入汉工程提供技术支撑。论文获得的主要研究成果如下:(1)以嘉陵江上的略阳水文站、黄金峡和三河口两个断面的径流序列为研究对象,采用水文统计方法,揭示了径流时间序列的周期性、趋势性、变异性等径流特征。(2)建立了自回归滑动平均模型(ARMA)、人工神经网络(ANN)、支持向量机(SVM)、基于经验模态分解的混合模型(EMD-SVM)和基于改进的经验模态分解的混合模型(M-EMDSVM)五种径流预测模型,分析比较了各模型的优缺点和适用性。(3)利用ARMA、ANN和SVM模型分别对略阳水文站、黄金峡断面和三河口断面的月径流进行预测,SVM在三个站点的纳什效率系数(NSE)分别为56.07%、50.49%和50.40%,均大于ARMA和ANN,表明SVM在预测非线性和非平稳径流序列具有较高的预测精度和较强的泛化能力。(4)将经验模态分解(EMD)和SVM模型有机结合,建立了 EMD-SVM混合模型,对略阳水文站、黄金峡和三河口断面分别进行月径流预测,并对预测结果进行检验,EMD-SVM的NSE分别为80.47%、76.13%和68.80%,较SVM模型预测效果有显著的提高,表明混合模型能够有效提高径流预测精度。(5)提出线性极值延拓法对EMD模型进行改进方法。利用改进的经验模态分解(M-EMD)和SVM模型,构建了基于改进的EMD混合模型(M-EMDSVM),对略阳水文站、黄金峡和三河口断面分别进行月径流预测,并对预测结果进行评价,M-EMDSVM在三站的 NSE 分别为 90.55%、91.88%和 94.26%,较 EMD-SVM 分别提高了 13%、21%和 37%,表明本文提出的线性极值延拓法能够有效解决EMD的边界效应问题,进一步提高模型的效应问题,进一步提高模型的预测精度。(6)对ARMA、ANN、SVM、EMD-SVM、M-EMDSVM五个模型的预测结果进行评价,综合分析模型预测结果和各站预测散点图结果表明:M-EMDSVM预测模型表现最好,具有精度高、稳定性好等优势,能够为略阳水文站、黄金峡和三河口断面月径流提供高精度的径流预测,为引嘉入汉工程提供技术支撑。