年径流预测的小波系数加权和模型

应用科学学报 ›› 2007, Vol. 25 ›› Issue (1): 96-99.

年径流预测的小波系数加权和模型

李亚娇, 沈冰, 李家科

西安理工大学水利水电学院, 陕西西安 710048

收稿日期:2005-12-28 修回日期:2006-04-11 出版日期:2007-01-31 发布日期:2007-01-31
作者简介:李亚娇,博士生,研究方向:旱区水文水资源,E-mail:liyajiao@163.com;沈冰,教授,博导,研究方向:旱区水文水资源,E-mail:shenbing@xaut.edu.cn
基金资助:
国家科技攻关“西部开发”重大项目(2004BA901A13)

Weighted Summation of Wavelet Coefficients Model for Annual Runoff Prediction

LI Ya-jiao, SHEN Bing, LI Jia-ke

Institute of Water Resources and Hydro-electric Engineering, Xi'an University of Technology, Xi'an 710048, China

Received:2005-12-28 Revised:2006-04-11 Online:2007-01-31 Published:2007-01-31

摘要/Abstract

摘要：

利用连续小波变换和小波方差分析年径流的周期特征,已被众多学者认可并应用于年径流的分析中。但这种方法只是一种定性预测,并不能作出比较明确的定量预测.本文在原有定性分析方法的基础上,提出基于年径流时间序列主周期小波系数加权求和预测周期成分的年径流预测模型.该方法更为有效地利用了小波分析的多分辨率特征,并可减小趋势成分的预测误差.经对千河流域年径流建模并检验,结果表明,文中所提出的预测方法可得到较为理想的预测结果,并可用于年径流时间序列预测.

关键词: 年径流预测, 小波系数, 加权求和, 时间序列

Abstract:

The method that analyzes the period characteristics of annual runoff with continuous wavelet transformation and wavelet variance has been widely used.However it only gives qualitative prediction results, but not quantitative results. Based on the primary qualitative method, we propose an annual runoff prediction model using weighted sum of wavelet coefficients of major periods to predict the periodic components.The method effectively takes advantage of the multiresolution characteristic of wavelet analysis, and can reduce prediction errors caused by trend components.The annual runoff data of Qianhe basin are used to build and check the model.The proposed method can provide better results useful in predicting annual runoff time series.

Key words: wavelet coefficients, weighted summation, annual runoff prediction, time series

中图分类号:

P333

李亚娇, 沈冰, 李家科. 年径流预测的小波系数加权和模型[J]. 应用科学学报, 2007, 25(1): 96-99.

LI Ya-jiao, SHEN Bing, LI Jia-ke. Weighted Summation of Wavelet Coefficients Model for Annual Runoff Prediction[J]. Journal of Applied Sciences, 2007, 25(1): 96-99.

[1]	陈晓娟, 张新超, 姜山, 康爱民. 一种运算放大器低频噪声测量方法[J]. 应用科学学报, 2019, 37(3): 369-377.
[2]	彭雅丽, 曾欣怡, 吕铃, 杨雨鑫, 尹红. 基于波动模态组的公共自行车复杂网络调度预警[J]. 应用科学学报, 2018, 36(4): 711-722.
[3]	方小妹, 罗晓曙, 蒋品群, 宋树祥, 廖志贤. 孤岛检测中复小波变换与实小波变换的对比[J]. 应用科学学报, 2016, 34(1): 42-48.
[4]	吴虎胜1,2，张凤鸣1，张超1，李正欣1，杜继永1. 多元时间序列的相似性匹配[J]. 应用科学学报, 2013, 31(6): 643-649.
[5]	温祥西，孟相如，李明迅. 基于最优样本子集的在线模糊LSSVM混沌时间序列预测[J]. 应用科学学报, 2013, 31(4): 411-417.
[6]	李洪均. 根据小波系数分布参数进行图像质量无参考评价[J]. 应用科学学报, 2013, 31(2): 170-176.
[7]	郑寇全1,2，雷英杰1，王睿1，王毅1. 基于确定性转换的IFTS预测[J]. 应用科学学报, 2013, 31(2): 204-211.
[8]	杨俊刚1，史浩山1，段爱媛2，张龙妹1. 基于流量预报的无线传感器网络自适应拥塞控制路由协议[J]. 应用科学学报, 2011, 29(2): 124-128.
[9]	潘斌，舒宁. 聚类分析用于序列SAR干涉像对选取[J]. 应用科学学报, 2010, 28(5): 501-506.
[10]	徐占洋1;2， Charles ZHAN3，张顺颐1. 应用小波的PV振荡周期多分辨率检测[J]. 应用科学学报, 2010, 28(1): 60-64.
[11]	周永权罗淇方吕咏梅赵斌. 泛函网络在线增量式学习算法及应用[J]. 应用科学学报, 2009, 27(4): 409-413.
[12]	汪金菊;徐小红;朱功勤;黄国林. 混沌时间序列变分贝叶斯回归预测 [J]. 应用科学学报, 2008, 26(4): 413-0413 .
[13]	乔西现, 蒋晓辉, 黄强, 何宏谋, 陈丽. 年径流预测的遗传模拟退火门限自回归模型[J]. 应用科学学报, 2006, 24(4): 424-428.
[14]	赵雪花, 黄强, 王义民. 基于极大熵的径流变化规律分析研究[J]. 应用科学学报, 2005, 23(1): 86-89.
[15]	蒋晓辉, 刘昌明. 基于小波分析的径向基神经网络年径流预测[J]. 应用科学学报, 2004, 22(3): 411-414.