基于小波消噪与秩次集对分析的水文时间序列预报模型

【摘要】：小波分析已被广泛应用于水文水资源的分析计算、预报、评价及决策等领域,而集对分析是近年来出现的一种不确定性分析方法,在水文水资源已有初步应用,本文将小波分析和集对分析相结合,建立了基于小波消噪及秩次集对分析的水文时间序列预报模型。 水文时间序列是水文系统在气象、流域下垫面和人类活动因素综合作用下的输出,具有确定性变化规律和随机性变化规律。特别是在大尺度条件下,传统水文时间序列预报模型存在构建方法单一、多未考虑噪声影响等问题。 为此,本文将小波消噪(Wavelet De-noise, WD)与秩次集对分析(Rank and Set Pair Analysis, RSPA)联合使用,建立了基于小波消噪与秩次集对分析的水文时间序列预报模型(WD-RSPA模型)。该模型一方面吸取了小波分析多尺度分析的能力,克服了噪声对预报结果的消极影响,另一方面发挥了RSPA模型概念清晰、计算简单的优势,克服了集合元素分类标准确定的主观性。 将本文提出的WD-RSPA模型分别应用于黄河花园口站、三门峡站年径流预报和北京站、郑州站年降水预报,并与单一RSPA模型,AR(p)模型以及神经网络模型的预报结果作了对比,通过实例分析可得到以下结论： (1)在小波消噪基础上建立的WD-RSPA模型构建概念清晰,计算简单,模型预报精度高,且合格率也有提高,是一种值得推广应用的模型预报方法。 (2) WD-RSPA模型对极值的预报较ARp)模型与单一RSPA模型误差小。 (3)小波函数的选择影响到水文时间序列的消噪,而WD-RSPA模型集合维数的选择影响到相应集合的秩次,因此选择合适的小波函数和集合维数是构建WD-RSPA模型的关键。