基于经验模态分解的水文时间序列预测研究.pdf

第29卷第3期 水 文 Vo1．29 No．3 2009年6月 J0URNAL0FCHINA HYDROLOGY Jun．，2009 基于经验模态分解的水文时间序列预测研究 高祥涛 ，李士进 (1．江苏省水文水资源勘测局，江苏 南京210029；2．河海大学计算机及信息工程学院，江苏 南京 210098) 摘 要：径流预报是一类经典的水文 问题 ，对水资源的调配管理和防洪减灾的决策有着重要的意义 。本文利用近年来刚 刚提 出的经验模态分解理论和方法对水文序列进行分解 ，然后对不 同成分分别建立回归预测模 型 ．最后将这些模型 的 预测结果进行组合 ，得到最终预测结果。以南京下关站次 日高潮位预测为例 ，取得 了令人满意的预报精度 ．表明本文提 出的方法具有一定的创新性和较高的实用价值 关键词 ：水文；时间序列预测 ；经验模态分解 ；回归分析 中图分类号：TV121．2 文献标识码 ：A 文章编号 ：1000—0852(2009)03—0066—03 析平稳信号很有效 ，但用于分析非平稳信号缺乏物理意义 。 1 引言 1998年 ，美籍华人 NordenE．Huang等人在对瞬时频率的概念进 径流预报是一类经典的水文问题 ，对水资源的调配管理和 行了深人研究后 ，创立 了Hilbert—Huang变换 (HHT)的新方法 。 防洪减灾的决策有着重要 的意义 l【I。然而由于气候和下垫面等 这一方法创造性地提 出了固有模态信号的新概念 以及将任意 因素的综合影响，径流表现出复杂 的非线性和非平稳性特征 ， 信号分解为固有模态信号组成的方法——经验模态分解法 ．从 一 般包括确定性成分和随机成分。确定性成分 ，反映为水文现 而赋予了瞬时频率合理的定义、物理意义和求法 ．初步建立 了 象的趋势变化和周期变化 ；随机成分 ，表现为水文现象的随机 以瞬时频率为表征信号交变的基本量 ，以固有模态信号为基本 波动。以往的时间序列模型 ，如 自回归模型 、滑动平均模 型 、 时域信号的新时频分析方法体系。这一方法体系从根本上摆脱 自回归滑动平均模 型 (ARMA)等主要用于分析线性平稳 时间 了傅立叶变换理论 的束缚，能很好地解释 以往将瞬时频率定义 序列 ，难以刻画径流的复杂演化过程 ，其预报精度非常有限。 为解析信号相位 的导数时容易产生 的一些所谓 “悖论 ”，在实际 近年来 ，人们将神经网络、混沌理论 、遗传算法 以及当代应 应用 中也 已表现出了一些独特的优点。 用数学研究的最新进展等诸 多理论与方法应用于水文时间序列 Hilbert—Huang变换首先假设 ：任一信号都是 由若干固有模 预测l1-3]．其 中由于神经网络作为一种通用 函数逼 近器 可以以任 态信号 (IntrinsicModeSignal，简称 IMS)或 固有模态函数(In— 意精度近似任意非线性函数和动态系统 ，是高度非线性对象建 trinsicModeFunction，简称 IMF)组成 的，任何时候 ，一个信号 模 的有力工具 ．因此 目前在该领域研究 中仍以神经网络方法为 都可以包含许多固有模态信号，如果固有模态信号之间相互重 主。尽管神经网络技术取得很大进步，但仍有一些不易解决的难 叠，便形成复合信号。其中固有模态信号是满足以下两个条件 题 ．如难 以确定神经网络的隐层节点数、存在过学习现象、训练 的信号： 过程中存在局部极小 问题等 。 (1)整个数据 中，零 点数与极点数相等或至多相差 l。 本文利用近年来提出的经验模态分解理论和方法对水文序 (2)信号上任意一点，由局部极大值点确定的包络线和