水文序列分析中基于信息熵理论的消噪方法

为准确有效地识别和分离水文时间序列中的噪声成分,应用信息熵理论并结合小波消噪概念,建立了小波系数阈值优选熵准则和水文序列消噪新方法。该方法首先应用熵函数H值描述噪声成分的不确定度,并应用信息量系数(information cost function ICF)值描述主序列的复杂度;然后通过分析不同小波系数阈值对应的噪声成分H值和主序列ICF值的变化规律,可优选出合理的小波系数阈值;最后对小波系数进行阈值量化处理,即可实现水文序列消噪。通过对不同特性模拟序列和不同实测水文序列分别进行分析,并通过与常用小波消噪方法(FT、SURE、MAXMIN)的消噪结果对比,验证了该阈值优选熵准则的合理性和适用性。分析结果显示,水文序列中的噪声成分具有偏态特性,因此本文应用偏态分布线型(P-Ⅲ型分布)对噪声成分进行描述更为合理,而且小波系数阈值优选熵准则所得的阈值是基于信息熵理论而确定的,因此是整体上最优值。

水文时间序列小波互相关分析方法

本文系统地提出了基于连续小波变换和离散小波变换的小波互相关分析方法,以及小波互相干性分析方法。在介绍水文序列小波互相关系数求解方法的基础上,提出小波互相关度定量指标,用于描述两时间序列在整体时间域上的互相关关系;并进一步提出绘制小波互相关系数等值线图的方法,以实现对时间序列互相关关系进行"时频综合分析"的目的。对黄河利津站和花园口站54年(1950—2003年)年径流序列进行分析,结果显示:时滞为0时序列在时间尺度为3、7、11和20年时具有良好的互相关关系,较传统方法仅揭示两序列在整体时间域上的线性互相关程度具有优越性,应用其可实现由整体到局部认识时间序列互相关关系的目的。能够分析和定量描述非平稳时间序列在特定时间尺度和指定时滞下的互相关关系,可克服传统互相关分析方法的局限,具有更好的灵活性和适用性。

基于WA、ANN和水文频率分析法相结合的中长期水文预报模型的研究

针对传统中长期水文预报方法模拟预测结果精度低、未考虑水文不确定性因素的影响等问题,本文将小波分析(WA),人工神经网络(ANN)和水文频率分析法联合使用,建立了不确定性中长期水文预报模型:即在应用WA揭示水文序列变化特性的基础上,将原序列分为主序列和随机序列两部分,然后利用ANN对主序列进行模拟预测,对随机序列进行水文频率分析,最后将两部分结果叠加作为最终预测值。将该模型用于黄河河口地区作中长期水文预报,并与传统方法作对比,进行模型验证。结果显示:该模型能同时揭示序列的时、频结构和变化特性;预报值结果精度高;且合格率高;能定量分析和描述水文不确定性因素对预报结果的影响,可得到不同频率对应水文序列的模拟预测值。因此该模型的预报结果更加合理有效,对实际生产应用更具有指导意义。

统筹兼顾 加强中小河流治理

江河治理是一项极为艰巨复杂的系统工程。在全面建设小康社会和向现代化迈进的过程中,在大江大河治理取得一定成果并初步形成防洪保安体系的新形势下,中小河流治理亟待引起重视并列入重要议事日程,采取措施,加强治理,以保障人民生命财产安全,支持经济社会稳定发展,促进生态环境日益改善。

水文序列展延的MTSE法和WA-BP法研究

传统相关展延(CE)法较多地考虑了序列总体的变化特征,并且两序列需呈线性关系。但是不同的水文变量,具有不同的时空分布特性,可以提供插补展延的信息资源是不同的。因此,本文对该法进行了改进,把小波分析和BP神经网络应用于水文序列的展延,提出了两种改进方法:多时间尺度展延(MTSE)法和小波-BP网络展延(WA-BP)法,力图既考虑水文序列的多时间尺度特征,又突破线性关系的束缚,充分利用水文变量提供的信息资源。通过实例对比分析表明:(1)CE法、MTSE法和WA-BP法的展延精度依次提高。(2)当水文序列的波动变化不显著时,CE法、MTSE法和WA-BP法都满足相对误差的均值小于或等于0.2的精度要求,且WA-BP法稍优越于MTSE法。(3)当水文序列的波动变化显著时,CE法和MTSE法不是很适用,选择WA-BP法仍然可以得到较精确的展延结果。