-
题名日含沙量时间序列的混沌识别与预测研究
被引量：5
- 1
-
-
作者
王秀杰
练继建
-
机构
天津大学建筑工程学院
-
出处
《泥沙研究》
CSCD
北大核心
2008年第2期24-26,共3页
-
基金
国家自然科学基金资助项目(编号:50679053)
-
文摘
运用关联指数饱和法和改进的最大Lyapunov指数方法对流域产沙系统进行了混沌识别,结果表明日含量序列具有混沌特性。并以重构相空间的饱和嵌入维数作为神经网络输入层节点数,将混沌理论和神经网络二者有机结合,建立了混沌神经网络模型。将该模型用于黄河上游头道拐水文站汛期日含沙量预测,结果表明,该模型应用在汛期日含沙量预测中具有较高的精度。
-
关键词
混沌
饱和嵌入维数
神经网络
日含沙量
相空间重构
-
Keywords
chaos
saturated embedding
dimension neural network
daily sediment concentration
reconstruction phase space
-
分类号
TV141
[水利工程—水力学及河流动力学]
-
-
题名基于小波消噪的混沌神经网络径流预报模型
被引量：7
- 2
-
-
作者
王秀杰
练继建
费守明
-
机构
天津大学建筑工程学院
天津市水利基建管理处
-
出处
《水力发电学报》
EI
CSCD
北大核心
2008年第5期37-40,32,共5页
-
文摘
水文要素时间序列中的噪声不仅影响水文混沌特性识别,更影响径流预测精度。本文基于小波消噪理论对水文序列中的噪声进行了处理,并利用混沌理论中的相空间重构技术计算出饱和嵌入维数作为混沌神经网络输入层节点数,将小波技术、混沌理论和神经网络方法结合起来对汛期日径流进行了预测。与消噪前相比,模型结构从7-10-1简化到6-8-1,预测合格率从77.56%提高到85.32%,平均绝对百分比误差从12.52%减少到10.86%,由此表明水文系列中的噪声会影响预测模型的参数和精度,本文所建立的模型是值得借鉴的。
-
关键词
水文学
径流预报
混沌神经网络
小波消噪
饱和嵌入维数
-
Keywords
hydrology
runoff forecast
chaotic neural network
wave de-noising
saturated embedding dimension
-
分类号
TV124
[水利工程—水文学及水资源]
-
-
题名城市用水量预测的混沌理论研究
被引量：2
- 3
-
-
作者
高金良
常魁
WenyanWu
-
机构
中国地震局工程力学研究所
哈尔滨工业大学市政环境工程学院
Faculty of Computing
-
出处
《哈尔滨商业大学学报（自然科学版）》
CAS
2009年第1期88-91,共4页
-
基金
黑龙江省青年基金项目(QC06C038)
黑龙江省自然科学基金资助项目(重点ZJG003)
-
文摘
分析了混沌理论特征,利用城市用水量混沌特性,建立城市用水量短期预测模型,对城市用水量进行科学预测.利用历史数据信息,在相空间重构基础上对城市用水量时间序列进行分析,分析饱和嵌入维数、延迟时间和Lyapunov指数求解方法并对其进行计算,并以此为指导对城市用水量进行高精度预测.利用建立的模型对东北某市日用水量进行预测,结果表明基于混沌理论的城市用水量预测模型具有较高精度,对于受众多因素影响的城市用水量预测有良好的推广价值.城市用水量受众多因素影响,混沌理论为城市用水量预测提供了崭新思路.
-
关键词
城市日用水量
用水量预测
混沌理论
LYAPUNOV指数
饱和嵌入维数
-
Keywords
urban daily water demand
water demand forecasts
chaos theory
Lyapunov exponent
saturated embedding dimension
-
分类号
TU991
[建筑科学—市政工程]
-
