發(fā)布時間：2020-07-10 15:28

【摘要】：徑流預測是水文研究的一個重要方向,指通過建立數(shù)學模型對河流的徑流趨勢進行研究及預測。預測結(jié)果可以廣泛應用在防治洪水干旱預防環(huán)境改善水庫調(diào)度水電站運行航運管理水資源分配與管理等領(lǐng)域中。但是,天氣系統(tǒng),流域下墊面以及人類活動等多種因素使水文系統(tǒng)的動態(tài)性加強,規(guī)模性和復雜性增大。這給預測研究帶來極大挑戰(zhàn)。徑流預測的方法,可以分為兩類:一是因果模型,根據(jù)水文過程的物理機制進行建模;二是數(shù)據(jù)驅(qū)動模型,不考慮徑流形成的機制,通過挖掘數(shù)據(jù)內(nèi)在的變化規(guī)律進行建模。因果模型具有較大的局限性,不僅需要對水文過程有詳細的研究,在不同條件下必須采用特定的模型,而且對數(shù)據(jù)采集和研究人員的操作經(jīng)驗要求較高。在人工智能,機器學習技術(shù)的推動下,數(shù)據(jù)驅(qū)動模型成為近年來的研究熱點,具有使用簡便,預測精度好,適用性廣等優(yōu)點。本文采用數(shù)據(jù)驅(qū)動模型對黑河徑流量進行預測,所建立的混合模型SARIMA-Random Forest-SVR能夠達到良好的預測效果,擬合優(yōu)度達到0.832。建模思路如下:首先采用時間序列分析的方法,建立SARIMA模型對月度徑流數(shù)據(jù)進行預測。然后在殘差處理的過程中,運用有監(jiān)督學習的模式,以滯后期(滯后期從1到37)的殘差值,滯后期殘差值的滑動平均值和滑動標準差共41個變量作為候選輸入變量,現(xiàn)期的殘差值為輸出變量建立支持向量回歸模型。為了提高模型的效率和精度,采用隨機森林算法(RandomForest)進行特征選擇,對候選輸入變量進行分析,從而篩選出重要性得分較高的20個因子作為模型最終的輸入變量。之后,建立支持向量回歸(Support Vector Regression)模型擬合殘差序列,該過程中使用模擬退火智能算法(Simulated Annealing)進行參數(shù)尋優(yōu)。最后將殘差的預測值與時間序列模型的預測值進行整合,得到最終的預測結(jié)果。與單一模型及其他模型組合對比可以發(fā)現(xiàn),本文建立的混合模型SARIMARandomForest-SVR能夠充分利用各單一算法模型的優(yōu)勢,達到良好的預測效果。
【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：P333
【圖文】：

研究方法流程圖

士學位論文 基于 SARIMA和SVR 混合模型的黑河徑流量預學習的目標就是求出一個從xi到y(tǒng)i的映射。當yi為離散變量時，可以歸為分類問題；當yi為連續(xù)變量時，所研究的問題可以歸為回持向量機 SVM向量機是一種以 VC 維和結(jié)構(gòu)風險最小化理論為基礎(chǔ)的分類算法， 年正式發(fā)表(CortesandVapnik,1995)。這種方法在文本分類的問題上速成為機器學習的主流技術(shù)。SVM 的本質(zhì)是把樣本的特征向量從到高維空間，目標是找到將樣本分隔開的最大間隔超平面。，我們從線性可分的情況開始討論。如圖 2-1 所示，有兩類樣本，們可以畫出無數(shù)條將兩類樣本分開的分割線。但是從模型泛化性的有圖中所示的那條實線是最優(yōu)的。最優(yōu)分割線在高維空間的情況下超平面。

蘭州大學碩士學位論文 基于 SARIMA和SVR 混合模型的黑河徑流量預測分但在實踐過程中，大部分問題都是線性不可分的。這種情況下，可以將樣從原始空間映射到一個更高維的特征空間，目的是為了使得樣本在這個空間內(nèi)性可分。通過理論證明可以發(fā)現(xiàn)，如果原始空間的維數(shù)是有限的，即屬性的個有限，那么一定存在一個高維特征空間使得樣本可分。這個過程中，我們通過入核函數(shù)來解決。如圖 2-2 所示，在平面上有兩類線性不可分的樣本點。通過核函數(shù)，樣本被映射到三維空間，最后通過分割超平面將兩類樣本分離。

【參考文獻】

相關(guān)期刊論文 前10條

1 崔延華;宋悅;粟曉玲;;祁連山區(qū)氣候變化對黑河出山徑流的影響[J];人民黃河;2017年05期

2 曹偉;;基于改進模糊支持向量機方法的車爾臣河徑流預報[J];水資源開發(fā)與管理;2016年01期

3 黃巧玲;粟曉玲;楊家田;;基于小波分解的日徑流支持向量機回歸預測模型[J];西北農(nóng)林科技大學學報(自然科學版);2016年04期

4 陳夫凱;夏樂天;;運用ARIMA模型的我國城鎮(zhèn)化水平預測[J];重慶理工大學學報(自然科學);2014年04期

5 馬金鳳;楊廣;;基于自回歸滑動平均模型的瑪納斯河洪水預報[J];石河子大學學報(自然科學版);2010年02期

6 曹輝;黃強;暢建霞;張洪波;;黑河徑流時空演變規(guī)律分析[J];水資源與水工程學報;2008年05期

7 王鈞;蒙吉軍;;黑河流域近60年來徑流量變化及影響因素[J];地理科學;2008年01期

8 R.D.辛格;陳志斌;;用變化的降雨—徑流資料通過反向傳播人工神經(jīng)網(wǎng)絡(luò)模擬徑流[J];水資源研究;2006年02期

9 藍永超,丁永建,劉進琪,康爾泗,魏智;全球氣候變暖情景下黑河山區(qū)流域水資源的變化[J];中國沙漠;2005年06期

10 李棟梁,劉洪蘭;黑河流量對祁連山氣候年代際變化的響應[J];中國沙漠;2004年04期

相關(guān)碩士學位論文 前2條

1 任妮;改進L-M型BP模型的降雨徑流預報[D];大連理工大學;2006年

2 劉曉安;小波分析在徑流分析和預報中的應用研究[D];華中科技大學;2006年

本文編號：2749104