径流预测中的非线性分析方法.pdfVIP

维普资讯 第 l8誊第 l期 湖 北 工 学 院 学 报 2OO3年 2月 VO1．18 No．1 JournalofHubeiPolytechnicUniversity Feb．2003 [文章编号]1003—4684(2003)02-0042-04 径流预测 中的非线性分析方法 刘素一 ，廖家平 (1华 中科技大学Z-电与数字化工程学院，湖北 武汉 430074；2湖北工学院电气工程与计算机科学系，湖北 武汉 430068) [摘 要]详细地阐述 了径流预测 中的非线性分析方法 ，包括人工神经 网络、小波分析、混沌理论 以及这些方 法之间的相互耦合 ，即小波神经网络、混沌神经 网络 ；混沌小波神经 网络等 ，并将这些理论和方法在径流预测 中的应用情况做 了一个较为全面 的回顾和评价． [关键词]径流 ；预测 ；非线性理论 [中图分类号]TV124 [文献标识码]：A 径流预测是一件很 困难的事情 ，这主要因为 ： 拟合任意的非线性函数并且具有很强的泛化能力． 1) 水文系统是一个 高度非线性 的系统．水文 1) 人工神经 网络用于单变量时间序 列预测． 以降水为输人 ，径流为输出，中间包括蒸发 、产流 、汇 单变量人工神经网络模 型是一种多输人、单输 出的 流等复杂过程 ，还受到地形 、地貌 、流域下垫面和人 人工神经网络模型 ，它研 究的是单变量 的径流时间 类活动等因素影响ll；同时 ，该系统具有随机性 、模 序列 ，类似于随机水文学中的单变量 自回归模型． 糊性 、灰色性等多种不确定性l2，因此它是一个十分 设一个单变量时 间序列 X ，X ，…，对它进行 复杂的高度非线性的不确定性系统． 预测的前提是认为其未来值与其前面的 个值之 2) 无法建立描述径流现象 的精确数学模 型． 间有着某种 函数关系，可描述如下 ：X， = F(X ， 径流是一个涉及气象 、地质 、地貌等方面的复杂的动 X， 一，X，卅+)．利用神经网络来拟合这种函数关 力学系统 ，无法用数学物理方程严格地描述每一个 系 F()，并用它来推导未来的值．进行时间序列预 子过程 ，它要受许多假设条件 的限制和借助于概念 测的神经网络结构可 以分为两种，一种是单步预测 性元素模拟或经验 函数关系来描述 ，这样 的模拟往 网络 ，一种是多步预测网络． 往只是对实际径流过程 的近似模拟 ，因而模拟精度 单步预测网络输 出个数为 1个 ，一次可计算一 不高．由此可以看出，传统的预报模型很难解决像径 步的预测值．多步预测 网络 的输 出个数不止一个而 流预测这样 的复杂 问题 ． 是多个 (K个)，每一次可计算 出K 步的预测值．在 近来利用新的科学理论探索新的预测方法是人 预测过程中，可将得 到的预测值作为下一步预测的 们进行预测课题研究 的一个 重要方面 ，这方面的方 输人来计算 出进一步的预测值 ，进行迭代的多步预 法主要有 ：人工神经网络 、小波分析与变换 、混沌理 测． 论以及这些方法之间的相互耦合 ，如小波神经网络， 2) 神经网络用于 多变量 时间序列预测．多变 混沌神经网络、小波混沌神经网络等．本文将对这些 量人工神经 网络模型 即多输人多输 出人工神经网络 方法在径流预测 中的应用 、存在的问题等做一阐述． 模型 ，它研究的是多变量时间序列 ，类似于随机水文 学 中的多变量 自回归模型．所谓多变量可 以是同一 1 人工神经 网络 测站上的几个变量 ，如降水 、径流 、蒸发等 ．也可以