论文部分内容阅读
受天气系统和流域下垫面系统综合作用的影响，径流过程具有高度的非线性特征。针对径流时间序列强相关性和复杂特性，本文综合运用小波变换、混沌理论和神经网络非线性理论对水文时间序列进行分析和预测。首先通过小波变换对月径流序列进行消噪处理，然后推求出大于零的李雅普诺夫指数，证实了宜昌站的月径流序列具有混沌特性，为此引入混沌理论中的相空间重构方法计算出宜昌站1882～2008年月径流序列的最佳延迟时间和饱和嵌入维数，进而以相空间重构后的时间序列作为神经网络的输入进行网络训练得到最佳的混沌神经网络径流预报模型。实例研究结果表明，该模型能较好地处理复杂非线性径流序列，预测精度高，具有实际工程应用价值。