基于混沌理論的呼倫湖流域降雨徑流時間序列預(yù)測分析.pdf

1、近年來，由于全球氣候變化和人類活動等諸多因素的影響，呼倫湖流域的降雨量和徑流量急劇減小，導(dǎo)致流域內(nèi)植被退化、草場萎縮、土壤沙漠化。針對上述問題，本文運用現(xiàn)代新理論和新方法，包括混沌理論及分析方法，LS-SVM建模方法，RBF神經(jīng)網(wǎng)絡(luò)建模方法和ARIMA建模方法對呼倫湖流域的兩條主要河流烏爾遜河和克魯倫河的月降雨、月徑流時間序列進行了模擬預(yù)測分析。
　　應(yīng)用相空間重構(gòu)理論對烏爾遜河和克魯倫河月降雨、月徑流時間序列進行相空間重構(gòu)，使用

2、自相關(guān)函數(shù)法確定延遲時間，使用飽和關(guān)聯(lián)維數(shù)法確定嵌入維數(shù)，并使用飽和關(guān)聯(lián)維數(shù)法和最大Lyapunov指數(shù)法對其進行混沌特性識別，結(jié)果表明，烏爾遜河和克魯倫河的月降雨、月徑流時間序列具有混沌特性。
　　應(yīng)用LS-SVM模型和RBF神經(jīng)網(wǎng)絡(luò)模型對烏爾遜河月降雨混沌時間序列、烏爾遜河月徑流混沌時間序列、克魯倫河月降雨混沌時間序列和克魯倫河月徑流混沌時間序列分別進行建模，并對LS-SVM模型的模擬預(yù)測結(jié)果和RBF神經(jīng)網(wǎng)絡(luò)模型的模擬預(yù)測結(jié)果

3、進行對比分析。結(jié)果表明，兩種模型都各有優(yōu)劣。LS-SVM模型預(yù)測結(jié)果的相對誤差百分比波動較為平穩(wěn)，預(yù)測精度良好。RBF神經(jīng)網(wǎng)絡(luò)模型在豐水期時預(yù)測精度非常高，但是在枯水期時，預(yù)測精度相對較低，其預(yù)測結(jié)果的相對誤差百分比波動較大。
　　應(yīng)用ARIMA模型對烏爾遜河和克魯倫河的月降雨、月徑流時間序列進行建模，進行預(yù)測分析。并對ARIMA模型，LS-SVM模型和RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果進行對比分析。結(jié)果表明，LS-SVM模型的合格率要