發(fā)布時(shí)間：2021-01-11 13:19

　　近年來隨著全球氣候變化加劇與人類活動(dòng)影響導(dǎo)致湟水河流域徑流量有逐年減少的趨勢(shì)。面對(duì)這樣的境況,我們必須要提前做好各種分析預(yù)測(cè),以更好的掌控徑流的變化提前做好準(zhǔn)備工作。本論文以湟水河四個(gè)主要水文站點(diǎn)（石崖莊站、西寧站、樂都站、民和站）的實(shí)測(cè)年徑流量數(shù)據(jù)作為研究對(duì)象,應(yīng)用傳統(tǒng)方法（累計(jì)距平法、小波分析、Mann-Kendall檢驗(yàn)、T檢驗(yàn)等方法）與時(shí)頻分析方法（經(jīng)驗(yàn)?zāi)�態(tài)分解,EMD）分析其年內(nèi)年際變化特征、豐枯特性、周期特性、趨勢(shì)特性、突變特性;在徑流預(yù)測(cè)部分使用支持向量機(jī)（SVM）、EMD+SVM、改進(jìn)EMD+SVM三種方法進(jìn)行預(yù)測(cè),并通過相對(duì)誤差大小比較三種方法預(yù)測(cè)效果。結(jié)果得出:湟水流域枯水年較多且持續(xù)時(shí)間長(zhǎng),使用傳統(tǒng)方法得出徑流存在5、15、30年的周期變化,徑流量呈現(xiàn)出下降趨勢(shì),2000年以后徑流下降趨勢(shì)減弱;使用時(shí)頻方法（EMD）得出徑流存在3.08、7.3、11.5、33年的周期變化,該周期更加接近太陽黑子周期（11.5年）與厄爾尼諾現(xiàn)象周期（2-7年）。三種預(yù)測(cè)方法中SVM單獨(dú)預(yù)測(cè)相對(duì)誤差在13.5%左右,預(yù)測(cè)點(diǎn)精度最小為4.70%,最大為22.58%;EMD+SVM的相對(duì)... 

【文章來源】：青海大學(xué)青海省 211工程院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 徑流演變規(guī)律研究現(xiàn)狀
        1.2.2 徑流預(yù)測(cè)方法研究現(xiàn)狀
    1.3 本文的研究工作
    1.4 技術(shù)路線及創(chuàng)新點(diǎn)
        1.4.1 技術(shù)路線
        1.4.2 創(chuàng)新點(diǎn)
第2章 湟水流域概況
    2.1 基本概況
    2.2 資料三性審查
        2.2.1 一致性審查
        2.2.2 資料代表性審查
        2.2.3 資料可靠性審查
    2.3 徑流的年內(nèi)年際變化特征
    2.4 本章小結(jié)
第3章 湟水流域徑流變化特性分析
    3.1 豐枯特性
    3.2 周期特性
        3.2.1 小波分析
        3.2.2 四站周期
    3.3 趨勢(shì)特性
        3.3.1 Mann-kendall非參數(shù)檢驗(yàn)法
        3.3.2 趨勢(shì)分析
    3.4 突變特性
    3.5 應(yīng)用EMD方法
        3.5.1 方法介紹
        3.5.2 EMD分解
        3.5.3 周期分析
        3.5.4 趨勢(shì)分析
    3.6 本章小結(jié)
第4章 改進(jìn)經(jīng)驗(yàn)?zāi)�態(tài)分解算法
    4.1 經(jīng)驗(yàn)?zāi)�態(tài)分解自身問題簡(jiǎn)介
    4.2 模態(tài)混疊的成因
        4.2.1 間斷事件干擾
        4.2.2 密集模態(tài)相互作用
    4.3 模態(tài)混疊的解決辦法
        4.3.1 CEEMD分解
        4.3.2 信號(hào)調(diào)頻變換
        4.3.3 信號(hào)調(diào)頻+CEEMD方法
    4.4 本章小結(jié)
第5章 改進(jìn)EMD與支持向量機(jī)耦合預(yù)測(cè)模型
    5.1 支持向量機(jī)
        5.1.1 問題描述
        5.1.2 算法描述
        5.1.3 核函數(shù)
    5.2 預(yù)測(cè)方法選擇
    5.3 預(yù)測(cè)結(jié)果對(duì)比
        5.3.1 SVM單獨(dú)預(yù)測(cè)
        5.3.2 EMD+SVM耦合模型預(yù)測(cè)
        5.3.3 改進(jìn)EMD+SVM耦合模型預(yù)測(cè)
        5.3.4 分析比較
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 主要研究結(jié)論
    6.2 不足與展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)經(jīng)驗(yàn)?zāi)�態(tài)分解的HHT密集模態(tài)識(shí)別方法[J]. 榮欽彪,劉昉,宿策.  計(jì)算機(jī)應(yīng)用研究. 2018(12)
[2]基于神經(jīng)網(wǎng)絡(luò)理論的開河期冰壩預(yù)報(bào)研究[J]. 王濤,劉之平,郭新蕾,付輝,劉文斌.  水利學(xué)報(bào). 2017(11)
[3]EMD密集模態(tài)識(shí)別研究及在電站廠房中的應(yīng)用[J]. 榮欽彪,劉昉,宿策,康宏志.  水力發(fā)電學(xué)報(bào). 2017(06)
[4]湟水河流域近50年來農(nóng)業(yè)氣候資源變化[J]. 劉義花,周強(qiáng),魯延榮,李紅梅.  中國(guó)農(nóng)學(xué)通報(bào). 2016(12)
[5]不同組合小波神經(jīng)網(wǎng)絡(luò)模型對(duì)徑流預(yù)測(cè)的適用性[J]. 彭欣怡,于國(guó)榮,張代青.  人民長(zhǎng)江. 2015(24)
[6]集合經(jīng)驗(yàn)?zāi)�態(tài)分解下中國(guó)新疆降水變化趨勢(shì)的區(qū)域特征[J]. 劉天虎,劉天龍.  沙漠與綠洲氣象. 2015(04)
[7]水文氣象序列趨勢(shì)分析與變異診斷的方法及其對(duì)比[J]. 張應(yīng)華,宋獻(xiàn)方.  干旱區(qū)地理. 2015(04)
[8]M-K和滑動(dòng)T確定穆棱河流域徑流變化突變時(shí)間[J]. 劉琦,孫冰心.  黑龍江水利. 2015(07)
[9]基于集合經(jīng)驗(yàn)?zāi)�態(tài)分解和自回歸滑動(dòng)平均的某碾壓混凝土重力壩變形預(yù)測(cè)模型及應(yīng)用[J]. 梁嘉琛,趙二峰,張秀山,孔慶梅,蘭石發(fā).  水電能源科學(xué). 2015(03)
[10]解相關(guān)EMD:消除模態(tài)混疊的新方法[J]. 肖瑛,殷福亮.  振動(dòng)與沖擊. 2015(04)

博士論文
[1]EMD算法研究及其在信號(hào)去噪中的應(yīng)用[D]. 王婷.哈爾濱工程大學(xué) 2010
[2]支持向量機(jī)算法及其應(yīng)用研究[D]. 張國(guó)云.湖南大學(xué) 2006
[3]小波分析及其應(yīng)用研究[D]. 衡彤.四川大學(xué) 2003

碩士論文
[1]水文時(shí)間序列周期分析方法的研究[D]. 趙利紅.河海大學(xué) 2007



本文編號(hào)：2970839