一、门限自回归模型及其在水文随机模拟中的应用(论文文献综述)
张静[1](2020)在《赵各庄矿地下水位动态特征及多元时间序列分析》文中提出我国矿井安全生产常常受到水害的威胁,因地下水系统的复杂性,很难掌握地下水系统的动态规律。为了减少矿井水害对矿区的威胁,了解地下水系统与影响因素的动态关系,以河北省唐山市开滦赵各庄矿为例,收集其降雨、蒸发量、水分盈亏量及地下水位的时间序列信息来建立时间序列动态模型进行动态分析和预报,探索矿井地下水动态研究手段。前期研究,通过对该区监测孔地下水位数据与降雨量进行地下水动态滤波分析,以对降雨的响应划分三种类型,分别为:大波幅-滞后型、小波幅-逐级滞后型、大波幅-过渡型。这三种类型分别属于奥陶系灰岩裂隙水系统、强风化泥灰岩孔隙水系统、灰岩裂隙-孔隙水过渡系统。通过主成分和STL(Seasonal and Trend decomposition using Loess)分析,发现水分盈亏量对地下水位分析具有重要意义;在季节性、长期趋势和随机波动项变化中,体现了水分盈亏量与地下水位的强相关性;绘制的散点矩阵图,发现降雨、蒸发量及水分盈亏量等与三个观测孔序列不存在直接的线性关系,可能存在复杂的动态关系,也反映了奥陶系灰岩裂隙水系统与其他两个系统联系较为紧密。通过一元时间序列预测分析,发现时间序列模型的预测效果与建模序列长度、随机波动项范围及与预测长度等因素相关。根据多元时间序列分析,对水分盈亏量与融园孔、水峪东孔及开二西孔地下水位关系进行脉冲响应和方差分解分析,发现融园孔地下水具有水力联系大的特征,在水分盈亏量影响下,做出的响应最大,而水峪东孔和开二西孔受影响程度相对较小。在协整和Granger检验中,水分盈亏量与融园孔、水峪东孔地下水位存在长期关系,水分盈亏量是引起融园孔地下水位变化的格兰杰因果关系,这一关系为融园孔与水分盈亏量序列建立的多元时间预测模型提高了预测效果。最终通过对比分析,发现水峪东孔属于强风化泥灰岩孔隙水系统,具有较慢流速、较小波动的特征,其序列随机波动部分范围也相对较小,因此,选择季节性线性模型来对强风化泥灰岩孔隙水系统进行预测最合适,在一定预测范围内能够获得较高精度的预报数据,其他两种地下水系统预测模型选择还需要进一步探究。通过对地下水系统的划分和时间序列分析,可以为时间序列在地下水动态分析提供方向,为矿区防治水害提供预防手段。
雷冠军[2](2020)在《基于数据融合的丰满水库长期径流预报研究》文中研究指明我国的水资源时空分布不均,气候变化和人类活动的影响导致旱涝灾害频发,成为制约经济发展的主要因素。河川径流在水循环系统中起着主导作用,而且极端径流会形成巨灾,径流预报对于防汛抗旱、水资源规划与管理等具有重要意义和价值。河川径流影响因子众多、变化特性复杂,基于成因分析法挖掘因子影响径流形成的规律是径流预报的关键。中长期径流预报预见期长、预报精度低,径流的形成机制尚不清晰,单一尺度因子的分析、单一统计预报方法的改进已不能进一步提高径流预报的精度,而且水文工作者不敢于报极值,中长期径流预报结果只能作为实际工作的参考。开展中长期径流预报理论和技术研究,融合多尺度因子和多方法的预报结果,进一步提高预报的精度和水平,能够为水库调度、水资源开发利用等工作提供支撑。本文以丰满水库流域的年径流为研究对象,选用天文、全球、流域尺度因子,分析挖掘因子与流域来水的相似性、遥相关性、可公度性、结构特性等规律,研究和改进智能学习法、模糊推理法、天文因子对比法、点聚图法、可公度法和可公度网络结构法等技术方法,建立了包含因子融合、结果融合、结构融合的多尺度因子信息融合的中长期径流预报模型。研究成果能够有效提高丰满水库流域径流和极端径流预报的精度,为丰满水库调度提供技术支持。具体研究成果如下:(1)运用统计分析法,挖掘三大尺度因子与流域来水丰枯特性的响应规律。结果表明,丰满水库流域来水的丰枯状态与ENSO事件的冷暖特性、ENSO事件的发生时间距离汛期的远近、基于农谚所选择的气象因子等具有较好的统计规律,且均能通过假设检验。基于线性相关系数法、互信息理论法、关联度分析法研究天文因子、气象因子、天文因子+海洋大气因子+气象因子与流域来水的相关性,结果表明,气象因子的相关性最强,海洋大气因子的相关性最弱,月球赤纬角与流域来水的关联度最大。(2)基于相关性分析所得的因子组合方案,运用神经网络、支持向量机、决策树、随机森林等智能学习方法,融合因子预报径流。结果表明,水量回归预报较差,3级分类预报较优;预报方法不同,方法所对应的最优因子及其组合不同,训练和预报性能均较优且稳健性强的方法为ELM、RBF神经网络。对多方法的最优分类预报结果进行融合,使得定性预报正确率达到89.5%。(3)运用相位对比法融合天文因子、海洋大气因子及其组合预报径流。结果表明,该方法的定量预报正确率为63.16%,24节气阴历日期+太阳黑子相对数的定性预报最优,正确率为63.16%。相位对比法对于极端来水年的丰枯属性识别能力较强,却难以有效预报出平水年,运用定量预报结果反推来水级别的正确率较低。相位对比法存在无法判别的年份,运用模糊推理法基于相关性分析所得的因子组合进一步分析计算因子的相似性,融合因子预报径流。引入TOPSIS模糊综合评判法、相似衍生法相似度、“因子进出法”等,对模糊推理法进行改进。结果表明,相似衍生法模糊推理法的稳健性优于Turksen模糊推理法,二者对径流的定量预报较差、定性预报较优,对其各自最优的定性预报结果进行融合,正确率达到73.68%。(4)采用“主次因子对比法”对单一天文因子对比法、分布式融合结构天文因子对比法进行改进,融合结果预报径流。研究得到能够提高预报精度的混合式融合结构天文因子对比法,定性预报正确率为63.16%。基于分析所得的海洋大气因子、气象因子与流域来水的遥相关规律修正预报结果,进一步改进天文因子对比法,使得预报正确率提高到 73.68%。(5)绘制三大尺度因子与流域来水的点聚图,融合结果预报径流。结果表明,24节气阴历日期和月球赤纬角点聚图具有较好的稳健性,太阳黑子相对数离散性较强难以准确划分其聚类区间,三大尺度因子点聚图的定性预报正确率分别为63.16%、57.89%、21.05%。将海洋大气因子、气象因子与来水丰枯的遥相关规律作为该类因子的点聚图进而得到径流预报结果,并与天文因子点聚图的预报结果进行融合,使得预报正确率提高到 73.68%。(6)将径流分为一般、极端、极值点结构,融合结构预报极端径流。结果表明,以因子融合、结果融合的预报结果作为一般来水结构能够融合多因子、多方法的信息,预报正确率为84.21%;点面结合法的改进与上下包线结构、智能学习分类以及传统点面结合法相比对于极端来水结构的预报精度较高,预报正确率为60%;通过细致划分丰枯水链、引入月球赤纬角对可公度网络结构法进行改进,能够增强方法的可操作性,降低基于极值点结构预报极端来水年高发期的不确定性;综合径流三大结构的预报结果,结合连续极端来水年的判定,预报极端来水的高发年,其中特丰水年、特枯水年的预报正确率分别为66.7%、80%。
李朋慧[3](2019)在《R语言时间序列分析在瓦斯浓度预测中的应用研究》文中研究说明煤炭企业瓦斯事故的发生,不仅给正常的生产作业造成严重的影响,甚至还可能导致人员伤亡。目前,煤矿均配备了矿井安全监测监控系统,对瓦斯等气体信息进行实时监测,而对该平台获取的大量数据进行统计分析,能为预控瓦斯超限提供决策依据。本文在R语言环境下,研究ARIMA模型、TAR模型的相关理论知识及其构建过程,基于实测数据进行建模分析,并对两种模型的预测效果进行对比分析,主要研究工作包括如下几个方面:研究R语言环境下有关时间序列分析的理论知识及其模型构建方法,以工作面产生的具体数据为例,通过平稳性检验、差分化、确定模型参数、模型检验等一系列手段构建ARIMA预测模型,通过非线性检验、参数估计、拟合检验等步骤构建TAR瓦斯浓度预测模型,且两种模型均表现出较好的预测效果。基于陈家山煤矿427综采工作面监测到的上隅角瓦斯数据,分别选取出样本数据和测试数据,并进行模型应用分析。分别应用ARIMA模型和TAR模型对瓦斯浓度进行预测分析,得出预测值的范围分别落在0.14%~0.23%、0.127%~0.261%区间,属于实际值的分布区域范围内,变化趋势也基本与原始值基本吻合。对比分析两种模型的预测结果,发现TAR模型相对ARIMA模型预测更方便,误差也更小。同时,对基于两种模型的预测结果求均值来比较两种模型的预测效果,表明TAR模型的平均绝对误差和平均相对误差更小,预测效果优于ARIMA模型。
马秋梅[4](2019)在《多源卫星降水产品在长江流域径流模拟中的适用性研究》文中认为降水是重要的气候(气象)变量,跟旱涝灾害、水资源管理、洪水预报等影响国计民生的诸多方面密切相关;但却时空变化活跃、难以准确估计。缺乏高精度的降水时空分布也制约着相关的水文应用。卫星遥感和气象卫星技术的发展使得卫星降水估计(Satellite Precipitation Estimates,SPE)成为弥补地面站点观测不足的重要工具。跟地面站点观测相比,目前的SPE包含较大的误差,输入到水文系统之前,对卫星降水进行恰当的偏差校正预处理可改善水文模拟精度。另一方面,由于携带有偏差和误差,使用SPE驱动水文模型时会引起模拟不确定性,对卫星降水输入相关的多源不确定性进行分析有助于判断主要误差来源,增加模拟可靠性。然而,目前针对卫星降水对水文模拟影响的研究多停留在初步的SPE精度评估和所驱动径流模拟的精度检验上,缺乏从系统角度考虑降雨-径流模拟过程的输入、输出误差和不确定性的量化、降低问题。长江流域人口众多却频发水灾害,精确获取降水的时空分布并应用于水系统模拟和预报对该地区的社会经济发展具有积极意义。为系统探究SPE在长江流域的水文适用性现状和潜力,本研究选取长江流域及其典型子流域为研究区,首先评价了全球SPE的精确度及水文响应效果,其次从降雨-径流模拟过程预处理角度出发校正了卫星降水输入的系统偏差,最后从降雨-径流模拟过程后处理角度出发分析了输出径流的多源不确定性。具体研究内容和主要结论可概括如下:(1)以中国气象局发布的地面站点观测降水为基准数据,分别评价了TRMM时代四种SPE(近实时的TRMM3B42RT、后处理的TRMM3B42v7、GsMap和PERSIANN)和GPM时代四种SPE(早期近实时的IEMRG-E、终期后处理的IMERG-F,GsMap和PERSIANN)在长江流域的精度和误差特征。选取的统计评价指标包含四个连续性指标:均方根误差(RMSE)、相关系数(CC)、相对偏差(pBIAS)和Kling-Gupta效率系数(KGE),三个分类指标:降水检测率(POD)、误报率(FAR)和关键成功指标(CSI)。多种指标的综合评价结果表明1)在流域范围内西部地区的误差高于其他地区,TRMM时代的卫星降水误差主要体现在TRMM3B42RT和PERSIANN高估地面降水,GPM时代的卫星降水误差主要体现在IMERG-E低估、PERSIANN高估地面降水;2)TRMM时代和GPM时代两套SPE在雨季范围内综合表现优于全年,全年优于旱季;3)TRMM时代和GPM时代的SPE中精度表现较好的均为GsMap产品,表现较差的均为PERSIANN,其误差来源之一是严重低估无雨事件的发生频次,即误报率较高。(2)利用集总式GR6J模型和分布式CREST模型分别验证了长江流域两个典型子流域,即赣江流域和乌江流域中降雨-径流过程模拟对TRMM时代和GPM时代两套卫星降水输入的响应情况。结果表明1)在赣江流域的径流模拟中,GsMap降水驱动的模拟精度是所有SPE输入中最高的(GR6J和CREST模拟的率定期NSE:0.77和0.83,验证期:0.83和0.89),其精度几乎和地面站点结果一致;2)在乌江流域的径流模拟中,IMERG-F是综合模拟效果较好的SPE(GR6J和CREST模拟的率定期NSE:0.56和0.58,验证期:0.54和0.70),而地面站点降水输入驱动的结果表现一般。(3)为从统计上有效校正SPE的系统偏差,提出一种改进的偏差校正方法——受限混合分布映射法(CSMD)。将CSMD用于校正近实时IMERG-E在长江流域的时空分布。以传统的Bernoulli-gamma校正方法(BerGam)作对照,降水精度评价结果表明1)两种校正方法均能明显降低原始SPE的系统偏差,且改进CSMD方法所得校正结果(尤其是对暴雨极值的校正)在多种评价指标中表现优于传统BerGam方法;2)使用集总式GR6J和分布式CREST水文模型分析径流对校正后IMERG-E的响应,发现两种方法,尤其是改进CSMD法校正的卫星降水驱动下水文模拟效果明显好于原始IMERG-E驱动下的结果,也优于后处理IMERG-F产品的驱动结果。(4)为量化SPE在水文模型中的输入不确定性及与其交互的其他不确定性,提出一种基于方差分解思想划分多源不确定性的统计框架。该框架可分三步实现:一是确定多源不确定性的种类、交互方式;二是配置模拟方案,确定单因素组分,即输入、参数和模型结构三种不确定性在模型中的产生方式;三是利用集总式GR模型和分布式CREST模型分别进行集合模拟,产生集合径流输出,并根据第一步定义计算模拟径流的总不确定性和多源不确定性组分。输入降水来源包括近实时的TRMM3B42RT和后处理的TRMM3B42v7,以及一种地面插值降水作为对照。主要结果表明1)三种降水数据驱动下CREST模拟所得的输入不确定性(站点、TRMM3B42RT和TRMM3B42v7降水输入情况下分别为9.35(mm/mon)2、11.87(mm/mon)2和8.66(mm/mon)2)均低于对应情况下的GR模拟结果(分别为23.5(mm/mon)2、16.29(mm/mon)2和17.03(mm/mon)2);2)三种降水数据结合两个水文模型组合的六种情景中,TRMM3B42v7驱动CREST模型情景下所得输入不确定性最低,而站点降水驱动GR模拟所得的输入不确定性最高。说明分布式水文模型CREST可更好地利用SPE数据的空间分布信息来提高模拟精度、降低模拟不确定性。本研究为全球SPE的区域水文应用提供了从降雨-径流模拟预处理到后处理全过程的方法框架和多源卫星降水在长江流域水文适用性的多实例评价结果。
郭元刚[5](2018)在《变化环境下干旱对引滦供水系统供水风险的影响研究》文中研究表明随着全球气候变化、社会经济发展以及人类活动影响,变化环境下的干旱灾害问题日益突出,引滦供水系统中潘家口水库供水短缺的问题愈发严重。本文针对选定的引滦供水系统(潘家口水库),构建了供水风险分析模型,分析潘家口水库供水风险对干旱事件的响应程度,并且利用非一致性时间序列随机模拟技术研究了南水北调中线天津引水工程对减少供水风险的实际效果,从而为流域干旱风险应对提供基础理论支持。主要研究内容及结果如下:(1)利用基于Copula函数的月径流随机模拟方法对1956-1979年和1980-2016年入库月径流序列分别进行了随机模拟,各自生成了1000年的随机径流序列,通过对平均值、标准差、偏态系数和滞后一步自相关系数等方面的分析,发现随机模拟序列均较好地保持了原实测序列的统计特性。(2)结合供水系统的七种供水风险分析指标(基于时间的可靠性、基于体积的可靠性、可恢复性、脆弱性、相对脆弱性、干旱风险指标、可持续性指标),构建了潘家口水库风险分析模型,结合水库用水量情况,通过供水系统调度运行的模拟分析,计算了潘家口水库在1956-1979年和1980-2016年的供水风险,验证了供水分析模型的可靠性,同时也发现非一致性严重影响了潘家口水库的供水安全。(3)通过重要性抽样、Copula函数参数的变化趋势和扰动系数,结合随机模拟径流序列生成方法,生成可以反映未来干旱发展趋势的月径流随机模拟序列,从而分析变化环境下干旱对供水风险的影响,结果发现随着干旱的进一步发展,潘家口水库的供水风险继续增大,严重影响供水系统的供水安全。(4)利用基于混合分布和模拟退火算法的非一致性随机模拟方法对1956-2016入库径流序列进行随机模拟,利用随机模拟结果对潘家口水库1956-2016年供水风险进行计算,同时对南水北调中线天津引水工程进行供水风险分析,结果表明南水北调中线天津引水工程有效地降低了潘家口水库的供水风险、显着地缓解了供水压力。
倪淑霞[6](2018)在《双门限自回归模型的贝叶斯最优子集选择》文中指出门限自回归(TAR)模型作为一类分析非线性时间序列的模型,较线性时间序列模型能更充分地解释时间序列的变化,在实际的拟合与预测的应用中有更好的性质。而随着数据时代的不断发展,单门限自回归模型已不能满足部分时间序列分析的需求,双门限自回归(TTV-AR)模型应运而生。它相对于单个门限自回归模型来说,更适合分析实际问题。但同时TTV-AR模型需要考虑的参数更多,包含的子集也更多,给研究分析带来更高的复杂性。本文提出TTV-AR模型的贝叶斯最优子集选择方法,利用随机搜索的MCMC方法选出模型的最优子集,同时估计出各个参数的值。相比单个门限自回归模型,双门限自回归模型最优子集的选择的困难之处在于两个门限参数和两个延迟变量的不确定性,以及模型子集数量的庞大。本文通过推导出TTV-AR模型中各个参数的贝叶斯推断,运用MCMC方法的Gibbs抽样技术、Metropolis-Hastings(M-H)算法结合利用随机搜索的想法,完成从大量的可能子集中选择出最优的子集模型,同时估计出模型中各个参数的值,而无需事先固定两个门限参数和两个延迟变量的值。通过模拟实验表明:我们提出的贝叶斯最优子集选择方法表现出较高的功效,能从成千上万个可能的子集中成功地找出最优子集,并比较准确地估计出各个参数的值。实证分析中,选取从2007年1月2日到2016年12月31日的恒生指数作为对象,运用贝叶斯最优子集选择方法选择出模型的最优子集。把这个模型和利用经典统计得到的模型进行比较,AIC、BIC值的结果显示我们的模型较好。
林家丽[7](2014)在《南宁市防洪工程体系的防洪能力及防洪风险研究》文中研究表明本文以南宁市库堤联合的防洪工程体系为研究对象,考虑入库洪水的随机性及洪水随机组合,采用蒙特卡罗法结合季节性一阶自回归模型计算南宁市防洪工程体系的防洪风险率,通过允许风险分析方法判断城市的防洪能力。通过研究表明:采用季节性一阶自回归模型模拟百色水库、区间入库洪水,模拟的洪水特征参数与实测洪水特征参数相对误差较小,均在5%以内,能较好的反映实测样本的统计特性;采用模拟洪水与南宁控制断面各频率设计洪水按一定规则组合,经南宁市防洪工程体系联合调度,计算得体系的风险率。两方案计算结果表明:在仅考虑漫坝及漫堤破坏风险的情况下,当南宁控制断面发生50~250年一遇洪水时,体系没有出现漫坝、漫堤破坏风险;当南宁控制断面发生300年一遇及以上洪水时,体系风险率增大,洪水频率越小风险率越趋近于1。方案一计算的风险率大于方案二,因为方案一洪水组合中,洪水主要来自区间,老口水库防洪库容较小,对南宁市防洪较为不利。同时也说明了方案一的风险率计算结果更接近于工程实际,其洪水组合方式基本符合南宁市洪水组成特点。以生命损失风险为指标,采用允许风险分析方法计算体系风险。在仅考虑漫坝及漫堤破坏风险的情况下,当南宁控制断面发生300年一遇洪水时,体系风险值远远超过允许风险标准。综合判断,南宁市防洪工程体系防洪能力基本上达到250年一遇洪水标准,略大于南宁市原规划设计的200年一遇的防洪标准。
周泽江,覃光华,于春平,张立[8](2013)在《若尔盖湿地黑河径流分析及预测》文中指出根据若尔盖湿地若尔盖水文站逐日平均流量资料(1988~2008年),应用滑动平均法、不均匀度、变化幅度以及自相关系数分析了若尔盖湿地黑河径流年际变化以及年内分配规律,并采用门限回归模型以及最近邻抽样回归模型对日径流进行了拟合和预测。研究表明,若尔盖黑河径流量年内分配十分不均,年内变化曲线呈现双峰型;日径流短期内具有良好的相依性;且年径流量自1988年以来具有明显的减小趋势;门限回归模型、基于时间序列分析的最近邻抽样回归模型用于逐日平均流量预测,效果较好。
吴杰康,曾建,韦善革,龙军[9](2010)在《水电站入库流量随机模拟方法》文中指出入库流量的准确预测是水电站发电的基础。针对大型水库入库流量的不确定性,提出对水电站入库流量的随机模拟方法。将入库流量看成是一个随机过程,采用逐步回归与自回归综合方法对入库流量时间序列趋势项、周期项、平稳项进行了分析,并增加随机项来描述入库流量的随机变化。以广西某个水电站为实例进行了计算分析,通过与历史真实数据进行对比,验证得到采用逐步回归与自回归组合模型模拟随机入库流量序列具有较高的拟合度和可行性。
谢萍萍[10](2010)在《非参数解集模型的应用研究》文中研究说明水文随机模拟是随机水文学中重要的组成部分,建立合理的水文模型进行随机模拟是水文科学研究的一种手段和方法,对水利水电工程的规划、运行及管理具有非常重要的意义。本文采用王文圣等学者的方法,应用非参数解集模型和改进非参数解集模型,以陕北地区7个水文测站的月径流和汛期日径流为例,探讨研究这两种模型在径流随机模拟中的应用问题。主要研究内容和结论如下:(1)综述国内外在水文随机模拟方面的研究进展,总结其存在的问题。(2)核密度估计理论和单变量核密度估计模型。研究核函数和带宽系数的选取及模型阶数的确定。模型用于年径流过程的随机模拟,检验结果表明,除了一、二阶自相关系数和Cs外,该模型对其它的统计特性均保持得较好,可以表征年径流过程的统计特性,模拟效果比较理想。(3)非参数解集模型。非参数解集模型模拟实测月径流序列的实践表明,模型对大多数测站的月径流的均值、均方差、Cv、Cs、最大值、最小值、一阶自相关系数和二阶自相关系数都保持的比较好,较符合流域水文特性,但是存在首位自相关不一致的问题。由于核函数有光滑作用,导致Cv偏大,Cs略偏小。非参数解集模型模拟汛期日径流序列的实践表明,模型能较好的表征汛期日径流序列的截口统计参数、汛期时段径流量和各月径流量的统计参数以及洪峰季节性变化等统计特性,模拟效果较好。非参数解集模型用于水文水资源的随机模拟是可行的。(4)探讨不同矩阵的分解方法。在模型的计算机实现过程中,涉及到矩阵分解的问题。对于正定矩阵,可采用Cholesky分解法和Schur分解法进行分解,而非正定矩阵只能采用Schur分解法进行分解。由于研究测站少,资料系列较短,对于协方差矩阵正定的测站而言,目前还无法确定采用那种分解法更能反映实测系列的统计特性,有待于进一步的研究。(5)改进非参数解集模型。在月径流模拟中的应用实践表明,模型对各月径流量的均值、均方差、Cv、最大值、最小值、一阶自相关系数和二阶自相关系数均保持得较好,模拟值与实测值比较接近,克服了非参数解集模型首位自相关不一致的问题,但是,各月径流的Cs保持相对较差。而在汛期日径流中的应用实践表明,改进非参数解集模型与非参数解集模型的模拟效果基本一致。
二、门限自回归模型及其在水文随机模拟中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、门限自回归模型及其在水文随机模拟中的应用(论文提纲范文)
(1)赵各庄矿地下水位动态特征及多元时间序列分析(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题目的和意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 技术与路线 |
第2章 研究区概况及地下水系统 |
2.1 地理概况 |
2.2 地质背景 |
2.3 矿区水文地质条件分析 |
2.4 地下水动态滤波分析 |
2.5 本章小结 |
第3章 数据准备及分析 |
3.1 重采样技术 |
3.2 主成分分析 |
3.3 STL分解 |
3.4 相关性分析 |
3.5 本章小结 |
第4章 时间序列分析理论 |
4.1 一元时间序列分析 |
4.2 多元时间序列分析 |
4.3 时间序列平稳 |
4.4 非线性检验 |
4.5 模型估计 |
4.6 模型检验 |
4.7 模型评价 |
4.8 本章小结 |
第5章 矿区地下水位时间序列分析结果 |
5.1 平稳性检验 |
5.2 非线性检验 |
5.3 SARIMA模型建立 |
5.4 非线性模型建立 |
5.5 动态关系分析 |
5.6 ARX模型建立 |
5.7 本章小结 |
第6章 分析与讨论 |
6.1 模型评价结果 |
6.2 分析 |
第7章 结论 |
参考文献 |
个人简历 |
致谢 |
(2)基于数据融合的丰满水库长期径流预报研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和目标 |
1.1.1 研究背景 |
1.1.2 研究目标 |
1.2 国内外研究进展 |
1.2.1 三大尺度因子径流预报研究 |
1.2.2 因子相关性分析 |
1.2.3 传统统计预报模型 |
1.2.4 现代水文预报模型 |
1.2.5 研究进展的总结 |
1.3 本文研究介绍 |
1.3.1 研究问题 |
1.3.2 研究方法 |
1.3.3 研究内容 |
1.3.4 技术路线图 |
第二章 径流预报技术的系统分析 |
2.1 来水丰枯的影响机理 |
2.1.1 热量与引力作用 |
2.1.2 地形和海陆分布作用 |
2.2 来水预报基于的基本特性 |
2.2.1 周期性 |
2.2.2 有序性 |
2.2.3 遥相关性 |
2.2.4 结构特性 |
2.3 来水与极端来水预报的思路 |
2.3.1 预报因子基于空间尺度的分类 |
2.3.2 预报因子基于时间尺度的分类 |
2.3.3 预报值基于预报特征的分类 |
2.3.4 基于信息融合的流域来水预报 |
2.4 研究流域分析 |
2.4.1 流域介绍 |
2.4.2 流域丰枯机理 |
2.5 小结 |
第三章 三大尺度因子与径流的统计分析 |
3.1 天文尺度因子相位与流域来水规律分析 |
3.1.1 太阳黑子相对数 |
3.1.2 月球赤纬角 |
3.1.3 24节气阴历日期 |
3.2 全球尺度因子相位与流域来水规律分析 |
3.2.1 ENSO事件的发生与结束时间与流域来水丰枯的关系 |
3.2.2 ENSO事件特征值与流域来水丰枯的关系 |
3.3 流域尺度因子相位与流域来水规律分析 |
3.3.1 谚语机理分析 |
3.3.2 气象因子与来水属性级别统计分析 |
3.4 因子数值与流域来水统计分析方法 |
3.4.1 基础数据处理 |
3.4.2 相关性分析的方法 |
3.5 因子相关性分析结果 |
3.5.1 天文因子相关性分析 |
3.5.2 气象因子相关性分析 |
3.5.3 天文因子+海洋大气因子+气象因子相关性分析 |
3.6 结果分析 |
3.6.1 因子相位与流域来水规律 |
3.6.2 因子数值与流域来水相关性 |
3.7 小结 |
第四章 基于智能学习的预报因子融合的径流预报 |
4.1 预报方法 |
4.1.1 神经网络 |
4.1.2 决策树和随机森林 |
4.1.3 支持向量机 |
4.2 数据处理的方法 |
4.2.1 预报因子的处理 |
4.2.2 预报值的处理 |
4.2.3 预报值的评判指标 |
4.2.4 模型和因子优选的TOPSIS-模糊综合评判法 |
4.3 建模预报 |
4.4 结果统计分析 |
4.4.1 流域水量回归预报结果分析 |
4.4.2 流域来水量7级分类预报结果分析 |
4.4.3 流域来水量3级分类预报结果分析 |
4.4.4 33个因子方案分析 |
4.4.5 预报结果的最优方案 |
4.4.6 最优方案的预报结果分析 |
4.5 小结 |
第五章 基于相似性分析的预报因子融合的径流预报 |
5.1 相位对比法 |
5.1.1 基本原理 |
5.1.2 预报结果分析 |
5.2 相似模糊推理法 |
5.2.1 模糊推理法的基本原理 |
5.2.2 相似度的计算方法 |
5.2.3 主成分分析法计算权重 |
5.2.4 TOPSIS-模糊综合评判法优选最优模型 |
5.2.5 预报模型的建立 |
5.3 模糊推理法预报 |
5.3.1 因子组合分析 |
5.3.2 误差评定与优选判别 |
5.4 模糊推理法因子二次筛选 |
5.4.1 因子进出法寻优 |
5.4.2 因子进出法实例分析 |
5.5 模糊推理法预报结果 |
5.6 结果分析 |
5.7 小结 |
第六章 基于天文因子对比法的预报结果融合的径流预报 |
6.1 天文因子对比法机理分析 |
6.2 预报方法1-单一天文因子对比法 |
6.2.1 24节气阴历日期对比法 |
6.2.2 太阳黑子相对数对比法 |
6.2.3 月球赤纬角对比法 |
6.3 预报方法2-天文因子对比法预报结果的融合 |
6.3.1 天文因子预报结果的线性融合 |
6.3.2 天文因子融合法-主次因子对比法 |
6.3.3 天文因子融合法的修正 |
6.3.4 天文因子融合法定量预报 |
6.4 小结 |
第七章 基于点聚图法的预报结果融合的径流预报 |
7.1 点聚图法 |
7.1.1 点聚图的制作 |
7.1.2 预报方案 |
7.2 24节气阴历日期点聚图预报 |
7.2.1 极端来水年24节气阴历日期的聚类特性 |
7.2.2 24节气阴历日期聚类预报方法 |
7.2.3 24节气阴历日期聚类分析建模 |
7.2.4 基于聚类分析的来水预报 |
7.3 月球赤纬角和太阳黑子相对数点聚图预报 |
7.3.1 月球赤纬角聚类预报方法 |
7.3.2 太阳黑子相对数聚类预报方法 |
7.4 海洋大气因子与流域气象因子点聚图预报 |
7.5 多尺度因子点聚图预报结果融合 |
7.6 小结 |
第八章 基于来水结构融合的极端径流预报 |
8.1 基本定义 |
8.2 预报方法 |
8.2.1 一般来水结构预报-多方法预报结果融合 |
8.2.2 极端来水结构预报 |
8.2.3 基于改进可公度网络结构的极值点结构预报 |
8.2.4 极端来水年预报 |
8.3 实例应用 |
8.3.1 一般来水结构分析 |
8.3.2 极端来水结构分析 |
8.3.3 极值点结构的确定及极端来水年预报分析 |
8.3.4 连续极端来水年预报分析 |
8.4 讨论 |
8.5 小结 |
第九章 结论与展望 |
9.1 结论 |
9.2 展望 |
9.3 创新性 |
附表 |
参考文献 |
科研及发表论文情况 |
致谢 |
(3)R语言时间序列分析在瓦斯浓度预测中的应用研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 监测数据处理及应用研究现状 |
1.2.2 瓦斯浓度预测方法研究现状 |
1.2.3 基于ARIMA模型的预测方法研究现状 |
1.2.4 基于TAR模型的预测方法研究现状 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 时间序列模型理论分析 |
2.1 时间序列基本理论 |
2.2 ARIMA模型 |
2.2.1 模型分类 |
2.2.2 ARIMA模型理论分析 |
2.3 TAR模型 |
2.3.1 模型介绍 |
2.3.2 TAR模型理论分析 |
2.4 本章小结 |
3 ARIMA预测模型构建 |
3.1 获取平稳时间序列 |
3.1.1 时间序列的平稳性判断 |
3.1.2 非平稳时间序列差分化 |
3.2 确定模型参数 |
3.3 检验模型是否成立 |
3.3.1 白噪声检验 |
3.3.2 正态性检验 |
3.4 模型预测 |
3.5 本章小结 |
4 TAR预测模型构建 |
4.1 非线性检验 |
4.2 TAR模型参数估计 |
4.2.1 确定模型阶数 |
4.2.2 确定延迟参数 |
4.3 模型拟合效果检验 |
4.4 模型预测 |
4.5 本章小结 |
5 预测模型实例应用分析 |
5.1 矿井概况 |
5.1.1 煤矿概述 |
5.1.2 综采工作面概述 |
5.1.3 工作面通风方式 |
5.1.4 工作面监测监控系统 |
5.2 数据预处理 |
5.2.1 获取被观测时间序列 |
5.2.2 绘图分析 |
5.2.3 异常值分析 |
5.3 ARIMA模型预测结果分析 |
5.4 TAR模型预测结果分析 |
5.5 ARIMA与TAR模型预测结果对比分析 |
5.5.1 预测步长对比 |
5.5.2 预测结果误差对比 |
5.6 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(4)多源卫星降水产品在长江流域径流模拟中的适用性研究(论文提纲范文)
摘要 ABSTRACT 1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 降水多时空尺度特征及其流域水文响应 |
1.2.2 遥感降水产品的精度评估及误差特征 |
1.2.3 遥感降水产品的水文预处理和水文模拟不确定性分析 |
1.2.4 遥感降水产品的水文应用 |
1.3 遥感降水产品在水文应用中存在的问题 |
1.4 论文研究思路和主要内容 2 研究区域、数据和水文模型 |
2.1 长江流域及其典型子流域水文过程 |
2.1.1 长江流域地理概况 |
2.1.2 长江流域气象水文条件 |
2.1.3 长江流域河流和水系 |
2.1.4 赣江子流域概况 |
2.1.5 乌江子流域概况 |
2.2 全球遥感卫星降水产品 |
2.2.1 TRMM |
2.2.2 IMERG |
2.2.3 GsMap |
2.2.4 PERSIANN |
2.3 地表站点降水数据集 |
2.4 其他水文气象数据 |
2.5 水文模型 |
2.5.1 集总式GR4J、GR5J和 GR6J水文模型 |
2.5.2 分布式CREST水文模型 3 卫星降水产品的精度评估及水文响应 |
3.1 引言 |
3.2 研究框架 |
3.3 水文模型模拟 |
3.4 评价指标 |
3.5 精度评价和水文响应结果 |
3.5.1 SPE在长江流域的空间精度评估 |
3.5.2 SPE在长江流域的时间精度评估 |
3.5.3 卫星降水产品的水文响应 |
3.6 本章小结 4 IMERG卫星降水产品的偏差校正 |
4.1 引言 |
4.2 研究框架 |
4.3 基于分布映射法的偏差校正 |
4.3.1 传统分布映射校正法 |
4.3.2 改进的分布映射法——受限左移混合分布映射校正法 |
4.3.3 筛选降水数据的时间窗口方案 |
4.4 水文模型模拟 |
4.5 评价指标 |
4.6 误差校正检验结果 |
4.6.1 相对于GDPA评价原始卫星降水IMERG-E和 IMERG-F |
4.6.2 CSMD和 BerGam对 IMERG-E的校正效果 |
4.6.3 校正后IMERG降水的水文效果验证 |
4.7 本章小结 5 SPE水文应用的多源不确定性分析 |
5.1 引言 |
5.2 研究框架 |
5.3 方差分解法 |
5.4 评价指标 |
5.5 多源不确定性划分结果 |
5.5.1 评价两类TRMM卫星降水产品和地面观测的一致性 |
5.5.2 卫星降水产品的水文评价 |
5.5.3 基于方差的不确定性组分分析 |
5.6 讨论 |
5.7 本章小结 6 总结和展望 |
6.1 全文总结 |
6.2 研究展望 参考文献 附录 |
参加的科研项目 |
发表的学术成果 致谢 |
(5)变化环境下干旱对引滦供水系统供水风险的影响研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 干旱对供水风险的影响 |
1.2.2 随机模拟技术 |
1.3 研究区域概况 |
1.3.1 滦河流域概况 |
1.3.2 潘家口水库概况 |
1.4 研究内容及技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第2章 月径流系列的随机模拟 |
2.1 Copula函数理论 |
2.1.1 Copula函数的定义 |
2.1.2 Copula函数的性质 |
2.1.3 Copula函数的类型 |
2.1.4 Copula函数的相关性度量 |
2.1.5 Copula函数的参数估计 |
2.1.6 Copula函数的拟合优度检验 |
2.2 自助法抽样 |
2.3 随机模拟方法 |
2.4 Copula函数的参数估计及优选 |
2.5 随机模拟结果 |
2.5.1 1956-1979 年月径流序列的随机模拟 |
2.5.2 1980-2016 年月径流序列的随机模拟 |
2.6 本章小结 |
第3章 供水风险指标的计算 |
3.1 需水量的计算 |
3.2 供水风险指标 |
3.2.1 可靠性 |
3.2.2 可恢复性 |
3.2.3 脆弱性 |
3.2.4 干旱风险指标 |
3.2.5 可持续性指标 |
3.3 供水风险分析模型 |
3.3.1 水库运行策略 |
3.3.2 模型的建立 |
3.4 潘家口水库供水风险计算结果 |
3.4.1 1956-1979 年供水风险 |
3.4.2 1980-2016 年供水风险 |
3.5 本章小结 |
第4章 干旱对供水风险的影响 |
4.1 重要性抽样 |
4.2 参数θ的趋势演变 |
4.3 扰动系数 |
4.4 干旱对供水风险的影响 |
4.5 本章小结 |
第5章 基于非一致性入库径流序列的供水风险分析 |
5.1 Thomas-Fiering模型 |
5.1.1 模型简介 |
5.1.2 参数估计及模拟方法 |
5.2 基于混合分布和模拟退火算法的Copula随机模拟 |
5.2.1 混合分布模型 |
5.2.2 混合分布参数估计及随机模拟方法 |
5.3 非一致性月径流序列的生成 |
5.3.1 生成的月径流序列与传统方法的比较 |
5.3.2 非一致性序列的供水风险计算 |
5.4 减少供水风险对策及相应效果 |
5.4.1 南水北调中线天津引水工程情况 |
5.4.2 实际效果检验 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
发表论文及参加科研情况 |
致谢 |
(6)双门限自回归模型的贝叶斯最优子集选择(论文提纲范文)
摘要 |
abstract |
1 前言 |
1.1 研究背景与意义 |
1.2 理论研究现状 |
1.3 应用研究现状 |
1.4 本文结构安排 |
1.5 创新之处 |
2 TTV-AR模型与贝叶斯最优子集选择方法 |
2.1 TTV-AR模型 |
2.2 TTV-AR模型的似然函数 |
2.3 贝叶斯最优子集选择方法 |
3 贝叶斯估计与抽样方法 |
3.1 TTV-AR模型的贝叶斯估计 |
3.1.1 Φ~((j))的贝叶斯估计 |
3.1.2 σ_j~2的贝叶斯估计 |
3.1.3 r_i的贝叶斯估计 |
3.1.4 d_i的贝叶斯估计 |
3.1.5 δ_(j,k)的贝叶斯估计 |
3.2 MCMC抽样方法 |
3.2.1 Gibbs抽样 |
3.2.2 Metropolis-Hastings(M-H)算法抽样 |
3.3 抽样方案 |
4 模拟实验 |
4.1 模拟实验一 |
4.2 模拟实验二 |
5 实证分析 |
5.1 数据预处理 |
5.2 分别建立三机制与四机制的TTV-AR模型 |
5.3 最优子集选择 |
5.4 模型检验 |
6 结论 |
致谢 |
参考文献 |
附录 |
(7)南宁市防洪工程体系的防洪能力及防洪风险研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题研究的背景 |
1.2 选题研究的意义和目的 |
1.3 国内外防洪研究动态 |
1.4 防洪风险计算方法简介及选择 |
1.5 主要研究内容、研究方法及技术路线 |
1.6 本章小结 |
第二章 南宁市防洪工程体系概况 |
2.1 流域概况 |
2.2 流域洪水 |
2.3 南宁市防洪工程体系概况 |
2.4 水文基础资料 |
2.5 典型洪水选择及参数计算 |
2.6 本章小结 |
第三章 防洪工程体系洪水随机模拟及分析 |
3.1 洪水随机模拟方法及进展 |
3.2 洪水随机模拟的一般步骤 |
3.3 SAR (1)模拟模型 |
3.4 模型残差特性检验及适用性分析 |
3.5 洪水模拟 |
3.6 本章小结 |
第四章 防洪工程体系联合调度及风险计算 |
4.1 计算方案及洪水组合方式 |
4.2 水库防洪调度 |
4.3 南宁市防洪工程体系调洪计算结果及分析 |
4.4 允许风险分析 |
4.5 本章小结 |
第五章 总结和展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间论文发表情况 |
(8)若尔盖湿地黑河径流分析及预测(论文提纲范文)
1 黑河概况 |
2 数据来源和分析方法 |
2.1 滑动平均法 |
2.2 Mann-Kendall检验法 |
2.3 自相关分析 |
2.4 门限回归模型 |
2.5 最近邻抽样回归模型 |
3 结果及分析 |
3.1 径流的年际变化 |
3.2 径流的年内变化 |
3.3 门限回归模型拟合与预测结果 |
3.4 最近邻抽样回归模型建立及应用 |
4 结 语 |
(9)水电站入库流量随机模拟方法(论文提纲范文)
0 引 言 |
1 逐步回归与自回归组合模型 |
1.1 基本原理 |
1.2 趋势项分析 |
1.3 周期项分析 |
1.4 平稳项分析 |
1.5 纯随机项分析 |
1.6 小结 |
2 实例计算 |
2.1 趋势项 |
2.2 周期项 |
2.3 平稳项 |
2.4 纯随机项 |
2.5 模拟结果 |
3 结束语 |
(10)非参数解集模型的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究目的及意义 |
1.2 国内外研究进展 |
1.2.1 水文随机模拟的进展 |
1.2.2 水文随机模拟的方法 |
1.2.3 存在的问题 |
1.3 本文的研究目标 |
1.4 本文研究的主要内容 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 小结 |
第二章 研究区概况 |
2.1 自然地理概况 |
2.1.1 地形地貌 |
2.1.2 气候特征 |
2.1.3 河流特征 |
2.1.4 社会经济 |
2.2 水资源状况 |
2.2.1 地表水 |
2.2.2 地下水 |
2.2.3 水资源总量 |
2.2.4 水资源可利用量 |
2.2.5 水资源开发利用潜力分析 |
2.3 资料的选取 |
2.4 资料的三性审查 |
2.5 小结 |
第三章 核密度估计模型 |
3.1 核密度估计理论 |
3.1.1 核密度估计的定义 |
3.1.2 核密度估计的精度评价 |
3.1.3 核函数 K(·)和带宽系数h 的确定 |
3.2 单变量核密度估计模型 |
3.2.1 单变量核密度估计模型的构造 |
3.2.2 模型阶数p 和带宽系数h 的确定 |
3.3 核密度估计模型算法 |
3.4 模型在年径流随机模拟中的应用 |
3.4.1 单变量年径流核密度估计模型的建立 |
3.4.2 模型适用性检验 |
3.5 小结 |
第四章 非参数解集模型与应用 |
4.1 非参数解集模型 |
4.2 模型模拟步骤 |
4.3 矩阵分解方法 |
4.4 模型在径流模拟中的应用 |
4.4.1 月径流随机模拟应用 |
4.4.2 汛期日径流随机模拟应用 |
4.4.3 两种分解方法的比较 |
4.5 小结 |
第五章 改进非参数解集模型与应用 |
5.1 改进非参数解集模型 |
5.2 模型模拟步骤 |
5.3 模型在径流模拟中的应用 |
5.3.1 月径流随机模拟应用 |
5.3.2 汛期日径流随机模拟应用 |
5.4 小结 |
第六章 结论与展望 |
6.1 主要研究结论 |
6.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
四、门限自回归模型及其在水文随机模拟中的应用(论文参考文献)
- [1]赵各庄矿地下水位动态特征及多元时间序列分析[D]. 张静. 桂林理工大学, 2020(01)
- [2]基于数据融合的丰满水库长期径流预报研究[D]. 雷冠军. 中国水利水电科学研究院, 2020(04)
- [3]R语言时间序列分析在瓦斯浓度预测中的应用研究[D]. 李朋慧. 西安科技大学, 2019(01)
- [4]多源卫星降水产品在长江流域径流模拟中的适用性研究[D]. 马秋梅. 武汉大学, 2019(06)
- [5]变化环境下干旱对引滦供水系统供水风险的影响研究[D]. 郭元刚. 天津大学, 2018(06)
- [6]双门限自回归模型的贝叶斯最优子集选择[D]. 倪淑霞. 华南农业大学, 2018(08)
- [7]南宁市防洪工程体系的防洪能力及防洪风险研究[D]. 林家丽. 广西大学, 2014(03)
- [8]若尔盖湿地黑河径流分析及预测[J]. 周泽江,覃光华,于春平,张立. 水电与新能源, 2013(03)
- [9]水电站入库流量随机模拟方法[J]. 吴杰康,曾建,韦善革,龙军. 现代电力, 2010(04)
- [10]非参数解集模型的应用研究[D]. 谢萍萍. 西北农林科技大学, 2010(11)