1 / 135
文档名称:

河川径流混沌特征和预测研究.pdf

格式:pdf   页数:135
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

河川径流混沌特征和预测研究.pdf

上传人:2028423509 2014/8/5 文件大小:0 KB

下载得到文件列表

河川径流混沌特征和预测研究.pdf

文档介绍

文档介绍:分类号
U D C
密级
学号 06 110039
活瞬衬,去军
博士学位论文
河川径流的混沌特征和预测研究
李彦彬
学科名称: 水文学及水资源
学科门类:
指导教师:
徐建新教授
申请日期: 2009 年 3 月
独创性声明
秉承祖国优良道德传统和学校的严谨学风郑重申明: 本人所呈交的学位论文是我
个人在导师指导下进行的研究工作及取得的成果。尽我所知,除特别加以标注和致谢
的地方外,论文中不包含其他人的研究成果。与我一同工作的同志对本文所研究的工
作和成果的任何贡献均己在论文中作了明确的说明并已致谢。
本论文及其相关资料若有不实之处,由本人承担一切相关责任
论文作者签名:左玉型一/ 介,月和
学位论文使用授权声明
本、朴洲在导师的指导下创作完成毕业论文。本人已通过论文的答辩,
并已经在西安理工大学申请博士/ 硕士学位。本人作为学位论文著作权拥有者, 同意
授权西安理工大学拥有学位论文的部分使用权,即: l) 已获学位的研究生按学校规定
提交印刷版和电子版学位论文,学校可以采用影印、缩印或其他复制手段保存研究生
上交的学位论文,可以将学位论文的全部或部分内容编入有关数据库进行检索; 2) 为
教学和科研目的,学校可以将公开的学位论文或解密后的学位论文作为资料在图书馆、
资料室等场所或在校园网上供校内师生阅读、浏览。
本人学位论文全部或部分内容的公布(包括刊登) 授权西安理工大学研究生部办

(保密的学位论文在解密后,适用本授权说明)
论文作者签名:娜哗导哄: 呼多”习日
中文摘要
河川径流的混沌特征和预测研究
学科专业: 水文学及水资源
研究生: 李彦彬签名:
指导教师: 黄强教授签名:
徐建新教授签名:
摘要
对径流变化规律的研究是水资源合理开发利用的前提和基础。河川径流是一种复杂的
非线性时间序列。长期以来,人们一直用传统的确定性方法或随机性方法,或将二者结合
的方法来描述径流演变过程,揭示径流演变的规律。根据水文要素变化的非线性特点,本
文将混沌理论应用于河川径流演变规律的研究中,并通过和其他方法相结合,以黄河为研
究对象,对径流时间序列进行了混沌特征分析和预测,取得的主要研究成果如下:
( 1) 河川径流时间序列的相空间重构。对黄河干流兰州、三门峡、花园口站的月径流
时间序列和三门峡站的日径流时间序列进行了相空间重构,得出: 月径流时间序列相空间
重构的时间延迟下为 2 ,嵌入维数 m 达到 12 时,具有饱和关联维数; 三门峡站日径流时
间序列相空间重构的时间延迟 T 为 12 ,嵌入维数 m 达到 10 时,具有饱和关联维数 ;
同一水文站,天然月径流时间序列比实测序列的饱和关联维数要大,要恰当描述实测月径
流序列的变化特征,进行动力系统建模,最少需要 4 个独立变量,即 4 种因素,最多需要
8 个独立变量,要描述天然径流序列则最少需要 5一6 个独立变量,最多需要 12 个独立变
量; 下游的饱和关联维数比上游要稍大,下游径流形成所受到的影响因素会更复杂。
(2 ) 河川径流时间序列的混沌特征识别。通过引入饱和关联维数法、主分量分析法、
最大 Lyap unov 指数等方法对黄河干流主要水文站的月、日径流资料的混沌特征识别,得
出: ①黄河干流月、日径流序列具有混沌特征; ②同一水文站、同一时期的实测月径流序
列的混沌特征要强于天然序列; ③黄河干流下游的混沌特征要强于上游; ④从上世纪五十
年代到本世纪初黄河干流月径流序列的混沌特性比上世纪二十年代到上世纪七十年代月
径流序列的混沌特性要稍强( 即,现在要强于过去); ⑤在同一尺度下, 比如月径流,所
采用径流时间序列的长、短对混沌特征的识别有影响,序列越长,所表现的混沌特征就越
强,序列越短,所表现的混沌特征就相对较弱。
(3) 河川径流时间序列的混沌预测。对相空间近邻等距预测模式进行改进,利用改
进后的相空间近邻等距法对月平均流量时间序列进行预测时, 由于满足 T= : =s 价, 消除
了相空间时滞下的变化对提前预测时间尺度 T 的影响,所以无需考虑对 T 的选择问题,不
仅简化了预测模式,而且显著提高了预测正确率,延长了预测时效,可以进行提前 1 月、
la 甚至更长时间尺度的预测。
西安理工大学博士学位论文
(4 ) 将混沌理论和支持向量机方法相结合,建立了基于混沌理论的最小二乘支持向
量机模型(C一LS VM ) ,并对兰州站月径流序列进行了研究。C一LSSVM 模型采用结构风险最
小化原则,解决了网络模型的过学习问题,在