学位论文 > 优秀研究生学位论文题录展示

水文非线性多变量自记忆模型研究

作　者: 张高锋
导　师: 沈冰；黄领梅
学　校: 西安理工大学
专　业: 水文学及水资源
关键词: 多元反演理论自记忆模型灰色理论多变量相空间重构和田蒸发量
分类号: P333
类　型: 硕士论文
年　份: 2008年
下　载: 100次
引　用: 2次
阅　读: 论文下载

内容摘要

水文系统是一非常复杂的系统,任一水文要素的发展变化都会受到其它因素的影响。源于气象学的自记忆模型,从非线性、动力学角度出发把系统的记忆性引入模型当中,进行拟合及预报。但是以往的自记忆模型大多从系统自身出发,探索系统自身的规律,对其影响因素未作太多的考虑,有一定的不合理性。水文多变量自记忆模型在建模时将水文系统的影响因素加以考虑,弥补上述缺陷,能更好地揭示水文现象的内部规律。和田地处欧亚大陆腹地,西北边陲,是一个以灌溉农业为主的绿洲。由于区内降雨量极其稀少,蒸发异常剧烈。因此这一地区,强烈的蒸发对农业灌溉制度及灌溉定额的确定有着非常重要的作用。加之,和田又是一个以少数民族为主的绿洲,进行这一研究对提高绿洲人民生活水平也有重要的意义。正是由于以上两方面的原因,本文在前人研究的基础上,参阅大量相关文献,以新疆和田绿洲为例,对多变量自记忆模型进行了尝试性的探索,取得了以下几方面的成果:(1)在参阅基本反演理论及自记忆原理的基础上,理清了多元反演理论自记忆模型的建模思路,给出了建立多变量自记忆模型的详细建模步骤,为整篇研究提供了思路。(2)在多变量自记忆模型建模思路的指引下,结合灰色GM(1,N)理论建立了灰色GM(1,N)自记忆模型,并将模型应用于和田绿洲年蒸发量和月蒸发量预测中,通过与灰色GM(1,1)模型的预测效果对比,表明在原始时间序列具有较大波动性时,该模型比单变量模型具有更高的预测精度。(3)灰色GM(1,N)自记忆模型虽然比单变量模型的预测效果好,但是从预测效果来看,该模型依然很难满足生产实践的需要。所以,本文又结合相空间重构理论,建立了多变量相空间重构的自记忆模型,通过与灰色GM(1,N)自记忆模型的对比,表明该模型具有更好的预测效果,能够达到生产实践的需要,可应用于和田绿洲蒸发量的预测中。

全文目录

摘要  3-5
Abstract  5-9
1 绪论  9-23
  1.1 选题的背景及意义  9-11
  1.2 灰色理论研究进展  11-13
  1.3 混沌理论研究进展  13-15
  1.4 反演理论研究进展  15-17
  1.5 自记忆理论的研究进展  17-19
  1.6 本文主要研究内容  19-20
  1.7 研究的技术路线  20-22
  1.8 预期的研究成果  22
  1.9 研究中的新见解  22-23
2 和田地区概况  23-34
  2.1 自然地理  23-24
    2.1.1 地理位置  23
    2.1.2 地形地貌  23-24
  2.2 气侯特征  24-28
    2.2.1 气温  24-25
    2.2.2 蒸发  25-26
    2.2.3 降水  26-27
    2.2.4 湿度  27-28
    2.2.5 风速  28
    2.2.6 日照  28
  2.3 水资源  28-30
    2.3.1 地表水  28-29
    2.3.2 地下水  29-30
    2.3.3 冰川  30
  2.4 社会经济概况  30-33
    2.4.1 行政区划及人口  30-31
    2.4.2 土地资源  31-32
    2.4.3 工业概况  32
    2.4.4 农、林、牧业概况  32-33
  2.5 小结  33-34
3 多元反演理论及自忆性原理  34-45
  3.1 概述  34
  3.2 多元时间序列反演理论  34-37
  3.3 自记忆模型  37-40
  3.4 自忆性方程的求解  40-42
  3.5 基于多元反演理论的自记忆模型  42
  3.6 小结  42-45
4 灰色GM(1，N)自记忆模型  45-67
  4.1 概述  45
  4.2 斜率关联度法  45-47
  4.3 GM(1，N)模型  47-48
  4.4 灰色GM(1，N)自记忆模型  48-49
  4.5 模型应用  49-61
    4.5.1 和田年蒸发量的GM(1，2)自记忆模型  49-51
    4.5.2 和田月蒸发量的GM(1，2)自记忆模型  51-61
  4.6 基于集对分析法的模型评估  61-65
    4.6.1 集对分析基本思路  61-62
    4.6.2 基于集对分析的模型评估法  62
    4.6.3 基于集对分析的灰色GM(1，2)自记忆模型评估  62-65
  4.7 小结  65-67
5 多变量相空间重构的自记忆模型  67-84
  5.1 概述  67
  5.2 多变量相空间重构理论  67-68
  5.3 多变量时间序列延迟时间的确定  68
  5.4 多变量时间序列嵌入维数的确定  68-69
  5.5 基于多变量相空间重构的局部多项式预测模型  69-70
  5.6 基于多维相空间重构的自记忆模型  70-71
  5.7 模型应用  71-82
  5.8 基于集对分析法的模型评价及结果分析  82-83
  5.9 小结  83-84
6 结论与建议  84-87
  6.1 结论  84-85
  6.2 建议  85-87
致谢  87-88
参考文献  88-94
附录  94

水文非线性多变量自记忆模型研究

内容摘要

全文目录

相似论文