基于emd径流规律地分析及预测模型地研究

《基于emd径流规律地分析及预测模型地研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringStudyofRunoffAnalysisandPredictionModelBasedonEMDMethodCandidate:YangMengMajor:HydropowerEngineeringSupervisor:Prof.YuanXiaohuiHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaMay,2014万方数据独创性

2、声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制

3、手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打―√‖）学位论文作者签名：指导教师签名：日期：年月日日期：年月日万方数据华中科技大学硕士学位论文摘要径流序列受到气候、人类活动、降雨等多种因素的影响，呈现出高度复杂、非线性、随机性、多时间尺度性等多种特性，这些特性使得径流特性分析和预测工作变得更加困难。本论文采用经验模态分解方法对径流进行了分解，并在此基础上运用相空间重构原理，结合PSO优化的ELM神经网络对其进行了预测。本文采用经验模态分解(EMD)对宜昌站月径流和雅砻江流域二滩年径流序列进行了分解，并求取了其Hilbert

4、谱，通过分析表明不管是年径流序列还是月径流序列都存在明显的多时间尺度特性，并且其准周期特性往往都与其他自然现象的准周期特性有关。EMD分解的余项表征了径流序列的总体变化趋势。本文分析了基于混沌理论的相空间重构原理，详细讨论了相空间重构中的延迟时间和嵌入维数参数的确定方法，对月径流序列及其EMD分解序列采用常用的自相关法和Cao方法求取了各自的延迟时间和嵌入维数，并通过计算各自的最大Lyapunov指数进行了混沌特性的识别，针对不具有混沌特性的分量结合EMD分解原理对其作了相关的理论分析。介绍了极限学习机算法原理，由于极限学习机每次随机产生连接权值和偏置，因此表现出了不稳定

5、性的特点，针对此不足，提出了采用粒子群算法通过迭代寻优对该网络进行优化，并通过实例函数测试验证了该模型的正确性。将径流序列通过EMD分解后，对各个分量进行空间重构，建立输入输出预测模型，针对重构好的空间，采用本文提出的PSOELM预测模型对其各个分量分别进行预测，最终的径流预测结果是将各个分量的预测结果进行重构得到。为了突出本文模型的优越性，同时计算了LSSVM预测模型、标准ELM预测模型、GRNN预测模型、BP预测模型，通过对比表明了本文预测模型具有更好的预测精度。针对上述的径流序列分解的规律分析和预测，本文基于MATLAB平台进行了该算法的仿真，采用MATLAB图形用

6、户界面设计了径流规律分析及预测系统。通过图形和计算数据很好的展示了各个径流预测模型的优劣。该界面简洁美观，操作方便。关键词：经验模态分解;相空间重构;Lyapunov指数;极限学习机;粒子群算法;径流预测;图形用户界面I万方数据华中科技大学硕士学位论文AbstractRunoffaffectedbyclimate,humanactivity,rainfallandotherfactors,showingahighlycomplex,nonlinear,stochastic,multipletimescalesandothercharacteristics,whichmak

7、esitmoredifficultforanalyzingtherunoffcharacteristicsandforecastingtherunoff.Inthispaper，wedecomposedtherunoffwiththeempiricalmodedecomposition，andthengoingontherunoffpredictionresearchwithphasespacereconstructionmthodbasedonthePSO-ELMneuralnetwork.Inthispaper,themo