科研之友
微信
新浪微博
Facebook
分享链接
摘要
径流过程是地球上水文循环中的关键一环，科学准确地预测月径流的来水量对于流域的水量调度、水资源规划及管理具有十分重要的意义。然而由于径流过程的复杂性以及人类活动的影响，在变化环境中精准捕捉月径流时间序列的变化规律变得十分困难。针对月径流时间序列预测中存在的对于样本数据中先验信息识别不够彻底以及对时间步长嵌入维度难以有效地自适应选取这两点问题，设计了基于VMD-PSR-BNN的月径流时间序列预测模型。基于变分模态分解（VMD）算法对噪声良好的鲁棒性和对时序信号精确分解的特性，将月径流时间序列视为一种时序信号，利用VMD方法将月径流时间序列分解为多个相对平稳的固有模态函数（IMF），再基于相空间重构（PSR）理论对各个IMF分别进行重构，对各个重构后的IMF分别采用基于变分推理的贝叶斯神经网络（BNN）进行预测，最后将各个BNN的预测结果进行聚合重构得到月径流时间序列的最终预测结果。选取渭河流域咸阳和华县两个水文站1953-2018年的月径流时间序列进行实例分析。结果表明：VMD对月径流时间序列具有很好的分解效果，两个水文站基于VMD-PSR-BNN模型的月径流预测结果均可达到水文预报的甲级标准，并且对于样本中的极端值具有较好的拟合效果，为月径流时间序列的预测提供了新的方法参考。
- 单位
