基于Wavelet-Anfis模型的陈家湾水库长期径流预测

针对径流序列特性变化复杂且难以预测的问题，提出了基于WaveletAntis的径流预测模型。首先对长期径流序列进行拟舍得到原始信号，通过Sym8小波对该信号进行尺度为4的分解，得到对应的低频信号A。和高频信号D1～D4，利用Anfis对这些分解信号逐步训练以确定最佳模型，从而预测出低、高频信号预测期的序列值，最后将各预测序列重构回原尺度生成径流预测值。将该方法应用于陈家湾水库年径流序列中，并与直接Antis预测结果进行对比。结果表明，Wavelet—Anfis模型预测值的相对误差较小，且具有较快的收敛速度，既有效又准确。

综合分期方法在陈家湾水库汛期分期中的应用

为消除指标相关性对聚类造成的影响,避免主观地选取汛期时间域,提出综合方法进行汛期分期。使用变异系数法和灰色关联法对所选指标进行筛选,利用集对分析法划分汛期时间域,最后利用Fisher最优分割法进行汛期分期。对陈家湾水库进行汛期分期,得出结果:汛期为6月1日—10月5日;前汛期为6月1日—6月25日,主汛期为6月26日—9月5日,后汛期为9月6日—10月5日。所得结果与前人分析结果较为一致,表明该方法符合实际,有一定的适用性。