基于CEEMD-BP模型的汾河上游月径流预测

为了减轻径流序列的非线性、非平稳性对径流预测结果的影响,针对汾河上游上静游站、汾河水库站、寨上站及兰村站1958—2000年的月径流序列,采用CEEMD法及BP神经网络,建立了汾河上游月径流预测的CEEMD-BP模型,并与单一BP模型及EMD-BP模型的预测结果进行了对比分析。结果表明:验证期CEEMD-BP模型径流预测的平均绝对误差、均方根误差与单一BP模型相比分别减小53%~62%、48%~65%,与EMD-BP模型相比分别减小34%~46%、30%~43%;CEEMD-BP模型模拟期、验证期的确定性系数均大于0.9,预测精度均为甲级,因此CEEMD-BP模型用于非线性、非平稳性径流时间序列预测是可行、有效的。

基于CEEMD-GRNN组合模型的月径流预测方法

针对径流序列的噪声因素与非线性特性,采用互补集合经验模态分解法(Complete Ensemble Empirical Mode Decomposition, CEEMD)与广义回归神经网络(Generalized Regression Neural Networks, GRNN)的组合模型,对汾河上游上静游站、汾河水库站、寨上站、兰村站1958～2000年的月径流序列进行实例研究,探究3种不同建模方式下的组合模型对预测精度的影响,其中组合模型1使用加权平均集成法将各分量预测结果相加,组合模型2去除高频分量后再使用加权平均集成法将剩余分量预测结果相加,组合模型3去除高频分量后将剩余分量预测结果直接相加;再将组合模型与单一GRNN模型进行对比。结果表明:各模型的确定性系数(NS)均大于0.5,预测结果均具有可信度;不同的月径流资料适用不同的建模方法,对于极差较小的月径流序列,组合模型1预测效果最好,与另外两种组合模型及单一模型相比,平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)分别平均减少26%,17%,23%;对于极差较大的径流序列,组合模型2预测效果最好,与另外两种组合模型及单一模型相比,MAE,MAPE,RMSE分别平均减少30%,28%,33%。组合模型2预测误差总小于组合模型3,即加权平均集成法对提高预测精度有一定作用。三种建模过程的CEEMD-GRNN组合模型预测误差均比单一GRNN模型小,说明组合模型较单一模型更适用于月径流预测。

满洲里国际物流产业园区发展中的问题及对策分析

近年来,我国提出"一带一路"的战略目标,并打造中俄蒙经济走廊为领头羊,满洲里市的地理位置便是构建向北面开放、连接俄、蒙的地域区位具有现实意义的窗口。满洲里国际物流园区的建设对于响应国家政策和发展内蒙古自治区东北部地区当前经济环境起到了不可磨灭的意义。但是目前园区想要进一步前进的过程中仍然存在需要完善的问题。据此,通过这些问题提出具有现实意义的解决对策,更好的促进满洲里国际物流产业园区的发展。促使我国对外贸易的环境发展到更加有利的方向,也可以适应国际贸易的发展形势。

基于VMD-LSSVM的月径流预测方法研究

针对月径流序列包含多种复杂频率信息的特性,为提高预测精度,对上静游站、汾河水库站、寨上站和兰村站1958-2000年月径流序列资料进行分析并预测。提出变模态分解(Variational Mode Decomposition,VMD)和最小二乘支持向量机(Least-Square Support Vector Machines,LSSVM)(VMD-LSSVM)组合模型,并与单一LSSVM模型、基于经验模态分解(Empirical Mode Decomposition,EMD)的EMD-LSSVM组合模型和基于完备总体经验模态分解(Complete Ensemble Empirical Mode Decomposition with adaptive noise,CEEMDAN)的CEEMDAN-LSSVM组合模型进行预测结果对比,采用纳什效率系数NS、均方根误差RMSE、平均绝对误差MAE和平均绝对百分比误差MAPE 4个误差指标评定各模型的预测精度。结果表明:组合模型较单一模型预测效果好,其中以VMD-LSSVM模型精度最高,2个站点精度达到甲级,MAE、MAPE和RMSE比CEEMDAN-LSSVM分别减少了50%~75%、40%~70%、40%~70%,比EMD-LSSVM分别减少了70%~80%、60%~85%、50%~80%,比LSSVM分别减少了80%~90%、75%~90%、50%~90%。因此VMD-LSSVM模型能适用于复杂的多频月径流预测,并能达到较高精度。

汾河上游径流序列突变点及前兆信号检测

针对变化环境下径流序列的突变特征,采用多尺度直线拟合法对汾河上游4个水文站(上静游站、汾河水库站、寨上站和兰村站)年径流量序列进行突变点检测,并基于系统的恢复速率及恢复力、方差及自相关系数的演变规律检测突变前兆信号。结果表明:上静游站、汾河水库站、寨上站和兰村站年径流量序列的突变年份分别为1975年、1966年、1966年和1966年,径流量均呈减少趋势,突变后多年平均径流量较突变前分别减少了22.81%、19.75%、24.68%和31.14%;基于系统的恢复速率和恢复力检测到突变前兆信号分别发生于1973年、1958年、1958年和1958年,基于方差和自相关系数检测到突变前兆信号分别发生于1968年、1960年、1960年和1960年。突变前兆信号均提前于突变年份10 a之内,对突变具有可靠的预警作用。

ENSO循环对汾河上游径流变化的影响

剖析气候对径流变化的影响,在区域水资源合理开发利用及科学管理等方面具有重要意义。基于汾河上游上静游站、汾河水库站、寨上站及兰村站1956-2000年径流数据及多变量ENSO指数(MEI),采用交叉小波分析方法,探究ENSO循环对汾河上游流域径流变化的影响。结果表明:MEI指数呈上升趋势,径流枯水期持续时间也随之增长,且MEI指数较大年份,径流量较少,反之径流量较大,径流序列的丰枯变化对ENSO循环有一定的响应关系;4个水文站径流量与MEI指数在20世纪70年代之前,有相同的1~4 a周期,且相关关系显著,同时在11~12 a尺度上具有较好的相关性,即ENSO循环对径流量影响较大;在20世纪70年代之后,虽然在1~3 a尺度上仍有一定的相关关系,但没有相同的显著周期,即ENSO循环对径流量影响相对减小,径流变化由气候驱动转变为气候与人类活动共同驱动模式。

基于ESMD-VMD-ESN二次分解组合模型的水位预测

针对水位序列包含多种频率信息的复杂特性,采用极点对称模态分解法(ESMD)、变分模态分解法(VMD)与回声状态网络(ESN)的组合模型,即ESMD-VMD-ESN对太浦河上游太浦闸月平均水位序列进行实例研究。通过与单一模型ESN,一次分解组合模型ESMD-ESN进行对比,探究“一次分解-二次分解-预测-重构”二次分解组合模型的预测效果。结果表明:基于二次分解组合模型ESMD-VMD-ESN的预测效果最好,一次分解组合模型ESMD-ESN次之,单一预测模型ESN最差;而相比于单一模型,ESMD-ESN单次分解模型的威尔莫特一致性指数(WIA)、皮尔逊相关系数(PCC)分别增加51%、11%,平均绝对误差(MAE)、均方根误差(RMSE)分别减小14%、45%,即ESMD可有效简化水位序列,降低预测误差;ESMD-VMD-ESN二次分解组合模型与单次分解模型相比,WIA、PCC分别增加5%、10%,MAE、RMSE分别减小52%、50%,即VMD可进一步简化ESMD的最高频分量,从而提高模型预测精度。综上,二次分解模型的组合模式在月水位预测中具有良好的适用性及稳定性。