泾河流域径流变化规律与预报模型研究
|
摘要
水资源是支撑人类生存和经济增长与可持续发展的基本要素之一,而其中径流要素的变化主导着水资源系统的变化,由于受气候、社会发展与人类活动的综合影响,径流变化规律非常复杂,具有不确定性、随机性、多时间尺度性、非线性等特性。论文依托国家科技支撑计划项目(2006BAD11B04)和国家自然科学基金项目(50879072),选用泾河流域为研究对象,利用传统分析方法、经验模态分解法和小波分析方法,系统研究了泾河流域水文气象序列的变化特性,在此基础上将经验模态分解法、小波分解与BP人工神经网络结合建立预测模型对径流变化进行预测分析,主要取得如下研究成果:
(1)泾河流域径流年内分配极不均匀,差异较大,年内分配表现为单峰型,径流集中程度较高,年最大径流量出现在8月份;径流年际变化呈现丰枯交替的年际关系。
(2)采用滑动平均法和Kendall秩次相关检验法对泾河流域的年径流序列进行了趋势分析,得出泾河流域年径流量呈现显著的下降趋势,平均下降幅度达1.13亿m3/10a;同时对引起径流量变化的因素—气象序列进行分析,年际之间流域降水量的变化影响着河流径流量的变化,径流量与降水量有一致的变化趋势,与气温的年际变化整体一致性不是很明显。
(3)采用EMD方法对泾河流域的径流量及平凉、环县、西峰镇和长武四个水文站的历年实测降水序列进行了多时间尺度分析,泾河流域年径流量变化的多时间尺度表现在:具有准2~3a,6~8a,10~12a和21a的波动周期;泾河流域近45年年降水变化可能存在准2~3a,5~7a,10~13a和18~22a的波动周期。通过对降水EMD分量与径流EMD分量的相关性分析表明降水与径流的整体变化趋势基本一致。
(4)采用Morlet复小波变化法来展现泾河流域年径流、年降水序列在时域、频域中具有的多层次时间结构,以便分析水文气象序列的多时间尺度变化和周期变化。对泾河流域68年年径流量变化进行多尺度小波分析,得出存在13a及32a左右的主要周期变化和3a及21a左右的次要周期变化决定着泾河流域年径流量的丰枯变化特征,2000年以后几年内泾河流域年径流量仍处于偏枯期。通过小波变换得到泾河流域年降水序列可能存在3a,6a,11a和18a左右的周期变化。
(5)基于EMD的BP神经网络模型是利用EMD对年降水序列进行平稳化处理,得到一组本征模态分量IMF和一个剩余量RES,通过以分量为输入,以相应年径流序列为输出,用BP神经网络对年径流序列进行预测。小波人工神经网络预测模型是基于小波分析而构成的具有BP神经网络思想的模型,将小波分解与BP神经网络有机地结合起来,充分发挥了小波分析的多分辨率功能和人工神经网络的非线性逼近功能。将两种模型分别对泾河流域年径流量进行预测分析,预测相对误差<10%的合格率为66.7%和80%,相对误差<20%的合格率为83.3%和93.3%,结果表明这两种模型对年径流预测精度较高,可用于泾河流域年径流预测。
Water Resources is one of the basic elements of supporting human life and economic growth and sustainable development, among them, the change of runoff dominates the whole system changes, due to climate, social development and human activities combined effects, the variation of runoff is complex and shows the unpredictable, random, multi-time scale and nonlinear characteristic. The paper depended on National Key Technology R&D Program(2006BAD11B04) and National Natural Science Foundation of China(50879072), studied the variation characteristics of the hydrological and meteorological series systematically in Jinghe River basin with traditional methods, empirical mode decomposition and wavelet analysis theory and method, in this basis, the forecast model was established to predict the runoff series with empirical mode decomposition, wavelet decomposition and BP artificial neural network. The main research results are as follows:
(1) In Jinghe River basin, the annual runoff distribution is extremely uneven and variant, the annual runoff distribution shows a single peak type. The centralized degree of runoff is high, and the annual maximum runoff appears in August. The interannual variations of runoff present the relationship of alternating between wet and dry.
(2) After analyzing the trend of annual runoff series in Jinghe River basin with moving average and Kendall rank correlation methods, the annual runoff has a significant downward trend and the average decrease has per decade 113 million stere. Meanwhile, analyzing meteorological series which are the factors causing the changes of runoff, it found that the changes of interannual precipitation affect runoff clearly, and the change tendency of runoff is similar to that of precipitation, but the overall consistency of the runoff variation and temperature variation is not obvious.
(3) Using EMD, multiple-time-scale analysis of annual runoff and precipitation of 4 typical hydrologic stations, including Pingliang, Huanxian, Xifengzhen and Changwu stations in Jinghe River basin, The results of investigation showed that the runoff time series has periods that about 2~3, 6~8, 10~12 and 21 years. The precipitation series has periods that about 2~3, 5~7, 10~13 and 18~22 years, the change tendency of runoff is similar to that of precipitation by analyzing the correlation of precipitation EMD components and runoff EMD components.
(4) After using complex Morlet wavelet transform of annual runoff and annual precipitation series in Jinghe River basin, and analyzing periodic variation and multi-time scales of hydrological and meteorological time series. The result shows that the series in time-frequency domain have multiple time scales structures, the major periods of runoff time series are about 13 years and 32 years, the minor periods are about 3 years and 21 years, and the annual runoff within the next few years is still in the dry period after 2000. The precipitation series has periods that about 3 years, 6years, 11 years and 18 years.
(5) EMD-BP neural network model uses EMD method on the precipitation series in the smooth processing, and gets a set of intrinsic mode component(IMF) and a residual amount(RES), through components as the input, the corresponding annual runoff series for the output, with BP neural network to forecast annual runoff series. WANN prediction model is a neural network model based on wavelet analysis, the model integrates the wavelet transform and neural network organically and fully plays the advantages of them. The two models forecasted annual runoff of Jinghe River basin, the rate of relative error less than 10% is 66.7% and 80%,the rate of relative error less than 20% is 83.3% and 93.3%. The result shows that the two models predict higher accuracy and can be used to forecast annual runoff in Jinghe River basin.
(1)泾河流域径流年内分配极不均匀,差异较大,年内分配表现为单峰型,径流集中程度较高,年最大径流量出现在8月份;径流年际变化呈现丰枯交替的年际关系。
(2)采用滑动平均法和Kendall秩次相关检验法对泾河流域的年径流序列进行了趋势分析,得出泾河流域年径流量呈现显著的下降趋势,平均下降幅度达1.13亿m3/10a;同时对引起径流量变化的因素—气象序列进行分析,年际之间流域降水量的变化影响着河流径流量的变化,径流量与降水量有一致的变化趋势,与气温的年际变化整体一致性不是很明显。
(3)采用EMD方法对泾河流域的径流量及平凉、环县、西峰镇和长武四个水文站的历年实测降水序列进行了多时间尺度分析,泾河流域年径流量变化的多时间尺度表现在:具有准2~3a,6~8a,10~12a和21a的波动周期;泾河流域近45年年降水变化可能存在准2~3a,5~7a,10~13a和18~22a的波动周期。通过对降水EMD分量与径流EMD分量的相关性分析表明降水与径流的整体变化趋势基本一致。
(4)采用Morlet复小波变化法来展现泾河流域年径流、年降水序列在时域、频域中具有的多层次时间结构,以便分析水文气象序列的多时间尺度变化和周期变化。对泾河流域68年年径流量变化进行多尺度小波分析,得出存在13a及32a左右的主要周期变化和3a及21a左右的次要周期变化决定着泾河流域年径流量的丰枯变化特征,2000年以后几年内泾河流域年径流量仍处于偏枯期。通过小波变换得到泾河流域年降水序列可能存在3a,6a,11a和18a左右的周期变化。
(5)基于EMD的BP神经网络模型是利用EMD对年降水序列进行平稳化处理,得到一组本征模态分量IMF和一个剩余量RES,通过以分量为输入,以相应年径流序列为输出,用BP神经网络对年径流序列进行预测。小波人工神经网络预测模型是基于小波分析而构成的具有BP神经网络思想的模型,将小波分解与BP神经网络有机地结合起来,充分发挥了小波分析的多分辨率功能和人工神经网络的非线性逼近功能。将两种模型分别对泾河流域年径流量进行预测分析,预测相对误差<10%的合格率为66.7%和80%,相对误差<20%的合格率为83.3%和93.3%,结果表明这两种模型对年径流预测精度较高,可用于泾河流域年径流预测。
Water Resources is one of the basic elements of supporting human life and economic growth and sustainable development, among them, the change of runoff dominates the whole system changes, due to climate, social development and human activities combined effects, the variation of runoff is complex and shows the unpredictable, random, multi-time scale and nonlinear characteristic. The paper depended on National Key Technology R&D Program(2006BAD11B04) and National Natural Science Foundation of China(50879072), studied the variation characteristics of the hydrological and meteorological series systematically in Jinghe River basin with traditional methods, empirical mode decomposition and wavelet analysis theory and method, in this basis, the forecast model was established to predict the runoff series with empirical mode decomposition, wavelet decomposition and BP artificial neural network. The main research results are as follows:
(1) In Jinghe River basin, the annual runoff distribution is extremely uneven and variant, the annual runoff distribution shows a single peak type. The centralized degree of runoff is high, and the annual maximum runoff appears in August. The interannual variations of runoff present the relationship of alternating between wet and dry.
(2) After analyzing the trend of annual runoff series in Jinghe River basin with moving average and Kendall rank correlation methods, the annual runoff has a significant downward trend and the average decrease has per decade 113 million stere. Meanwhile, analyzing meteorological series which are the factors causing the changes of runoff, it found that the changes of interannual precipitation affect runoff clearly, and the change tendency of runoff is similar to that of precipitation, but the overall consistency of the runoff variation and temperature variation is not obvious.
(3) Using EMD, multiple-time-scale analysis of annual runoff and precipitation of 4 typical hydrologic stations, including Pingliang, Huanxian, Xifengzhen and Changwu stations in Jinghe River basin, The results of investigation showed that the runoff time series has periods that about 2~3, 6~8, 10~12 and 21 years. The precipitation series has periods that about 2~3, 5~7, 10~13 and 18~22 years, the change tendency of runoff is similar to that of precipitation by analyzing the correlation of precipitation EMD components and runoff EMD components.
(4) After using complex Morlet wavelet transform of annual runoff and annual precipitation series in Jinghe River basin, and analyzing periodic variation and multi-time scales of hydrological and meteorological time series. The result shows that the series in time-frequency domain have multiple time scales structures, the major periods of runoff time series are about 13 years and 32 years, the minor periods are about 3 years and 21 years, and the annual runoff within the next few years is still in the dry period after 2000. The precipitation series has periods that about 3 years, 6years, 11 years and 18 years.
(5) EMD-BP neural network model uses EMD method on the precipitation series in the smooth processing, and gets a set of intrinsic mode component(IMF) and a residual amount(RES), through components as the input, the corresponding annual runoff series for the output, with BP neural network to forecast annual runoff series. WANN prediction model is a neural network model based on wavelet analysis, the model integrates the wavelet transform and neural network organically and fully plays the advantages of them. The two models forecasted annual runoff of Jinghe River basin, the rate of relative error less than 10% is 66.7% and 80%,the rate of relative error less than 20% is 83.3% and 93.3%. The result shows that the two models predict higher accuracy and can be used to forecast annual runoff in Jinghe River basin.
引文
艾学山,董前进,王先甲,张艳敏.2009.小波分维估计法在三峡水库汛期洪水分期中的应用.系统工程理论与实践,29(1):145～151
安全,梁川,刘政.2008.雅砻江中上游径流变化特性的小波分析.武汉大学学报(工学版),41(3):20～28
蔡煜东,姚林声.1995.径流长期预报的人工神经网络方法.水科学进展,6(1):61～65
曹广学,张世泉.2005.BP模型在降雨径流预报中的应用研究.太原理工大学学报,36(3):350～353
陈南祥,曹连海,徐建新.2005.偏最小二乘回归神经网络在径流预报中的应用.灌溉排水学报,24(1):54～56
陈箐,水谷正一.2001.泾惠渠管理体制研究.人民黄河,23(9):40～41
陈仁升,康尔泗,张济世.2002.应用GRNN神经网络模型计算西北干旱区内陆河流域出山径流.水科学进展,13(1):87～92
陈妍.渭河下游径流预报模型及实时校正方法研究.[硕士学位论文].南京:河海大学
陈志恺.2000.中国水资源的可持续利用.中国水利,(8):38～40
陈志恺.2003.中国水资源的可持续利用问题.水文,23(1):1～5
程乾生,武连文.2006.时间序列的经验模态频率分解EMFD.数学的实践与认识,36(5):151～153
从爽.1998.面向MATLAB工具箱的神经网络理论与应用.北京:中国科学技术出版社:46～47
戴葵.1998.神经网络实现技术.长沙:国防科技大学出版社:28～42
丁晶,邓育仁.1996.水文水资源中不确定性分析与计算的耦合途径.水文,(1):19～21
董长虹.2005.Matlab神经网络与应用.北京:国防工业出版社:64～91
杜修力,何立志,侯伟.2007.基于经验模态分解(EMD)的小波阈值除噪方法.北京工业大学学报,33(3):265～272
杜修力,何立志.2009.经验模态分解(EMD)中边界处理的新方法.北京工业大学学报.35(5):626～636
冯国章,李瑛,李佩成.2000.河川径流年内分配不均匀性的量化研究.西北农业大学学报,28(2):50～53
冯平,丁志宏,韩瑞光,张建伟.2009.基于EMD的降雨径流神经网络预测模型.系统工程理论与实践, 29(1):152～158
盖广洪.2004.经验模态分解的一种改进算法.西安交通大学学报,38(11):1199～1202
高文强.2009.新疆奎屯河流域径流变化规律及预测模型研究.[硕士学位论文].杨凌:西北农林科技大学
龚志强,邹明伟,高新全,董文杰.2005.基于非线性时间序列分析经验模态分解和小波分解异同性的研究.物理学报,54(8):3947～3957
郭慧芳.2007.基于小波分析的径流中长期预报模型研究.[硕士学位论文].郑州:郑州大学
衡彤,王文圣,丁晶.2002.降水量时间序列变化的小波特征.长江流域资源与环境,11(5):466～470
胡彩虹,王纪军.2009.汾河水库上游流域径流年内分配时程变化规律研究.干旱区资源与环境,23(6):85～90
胡铁松,郭元裕,丁晶.1996.水文时间序列预测的径向基函数网络方法.武汉水利电力大学学报,29(6):1～5
黄玉霞,王宝鉴,张强,王劲松,杨选雄.2008.气候变化和人类活动对石羊河流域水资源影响评价.高原气象,27(4):866～872
霍再林,冯绍元,王凤新,康绍忠.2009.干旱内陆河流域月径流的神经网络模拟.武汉大学学报(工学版),42(5):622～625
季学武,王俊.2008.水文分析计算与水资源评价.北京:中国水利水电出版社:61～65
蒋海明,魏娜.2008.贵州省近47a来降水的小波变换分析.贵州气象,32(1):18～20
蒋艳,周成虎,程维明.2005.新疆阿克苏河流域年径流时序特征分析.地理科学进展,24(1):87～96
孔兰,梁虹,黄法苏,贺中华.2008.基于喀斯特流域径流量多时间尺度小波分析.人民长江,39(5):17～26
雷红刚.2008.泾河干流水资源变化趋势分析.甘肃水利水电技术,44(5):319～351
雷晓云,张丽霞,梁新平.2008.基于MATLAB工具箱的BP神经网络年径流量预测模型研究-以塔城地区乌拉斯台河为例.水文,28(1):43～46
李存军,邓红霞,朱兵,王文圣.2007.BP神经网络预测日径流序列的数据适应性分析.四川大学学报(工程科学版),39(2):25～29
李辉,练继建,王秀杰.2008.基于小波分解的日径流逐步回归预测模型.水利学报,39(12):1334～1339
李玲萍,杨永龙,钱莉.2008.石羊河流域近45年气温和降水特征分析.干旱区研究,25(5):705～710
李雯.2008.泾河流域气候变化对径流量的影响研究.[硕士学位论文].西安:长安大学
李贤彬,丁晶,李后强.1997.子波分析及其在水文水资源中的潜在应用.四川联合大学学报(工程科学版),1(4):49～52
李贤彬,丁晶,李后强.1999.水文时间序列的子波分析法.水科学进展,10(2):144～149
李永杰,马孝义,康绍忠.1999.泾惠渠灌区地表与地下水优化调度研究.农业工程学报,15(1):124～128
李振朝,韦志刚,文军,符睿.2008.近50年黄土高原气候变化特征分析.干旱区资源与环境,22(3):57～62
梁四海,万力,胡伏生,张建锋.2007.基于小波方法的黄河源头径流量的周期变化规律.南京大学学报(自然科学):43(3):300～308
刘会玉,林振山,张明阳.2005.基于EMD的我国粮食常量波动及其成因多尺度分析.自然资源学报,20(5):745～750
刘俊萍,田峰巍,黄强.2003.黄河上游河川径流变化多时间尺度分析.应用科学学报,21(2):117～121
刘奎建,丁志宏.2008.基于EMD的北洛河天然年径流量变化特征分析.中国农村水利水电,(10):36～38
刘素一,权先璋,张勇传.2003.不同小波函数对径流分析结果的影响.水电能源科学,21(1):29～31
刘艳丽,袁晶瑄,周惠成.2008.径流中长期预报模糊优选神经网络模型应用研究.大连理工大学学报,48(3):411～416
卢晓亭,孙勇,笪良龙,徐国军.2009.基于EMD的BP神经网络海水温度时间序列预测研究.海洋技术, 28(3):79～82
马炼,王银堂,张闻胜.2002.神经网络技术在水文系列中长期预报中的应用.水利水电技术,33(2):5～7
马振梅.2007.气候变化及人类活动对石羊河流域出山径流影响的研究.[硕士学位论文].北京:中国农业大学
齐清,王天明,寇晓军,葛剑平.2009.泾河流域植被覆盖时空演变及其与降水的关系.植物生态学报, 33(2):246～253
冉大川,刘斌,罗全华,张志萍,郭永乐.2001.泾河流域人为活动对水沙变化的影响分析-兼议泾河流域治理方略.水土保持学报,15(6):32～35
任世芳,牛俊杰.2006.关于全球性水资源危机若干问题的探讨.世界地理研究,15(2):31～35
桑燕芳,王栋.2008.水文序列小波分析中小波函数选择方法.水利学报,39(3):295～306
尚金成,刘鑫卿,张勇传,刘育琪,杜江.1995.基于多层神经元网络的随机自适应径流预报模型.水电能源科学,13(1):52～56
邵晓梅,许月卿,严昌荣.2006.黄河流域降水序列变化的小波分析.北京大学学报(自然科学版),42(4):503～509
沈花玉,王兆霞,高成耀,秦娟,姚福彬,徐巍.2008.BP神经网络隐含层单元数的确定.天津理工大学学报,24(5):13～15
水利部水利信息中心.2000.水文情报预报规范.北京:中国水利水电出版社
粟晓玲,康绍忠,魏晓妹,邢大韦,曹红霞.2007.气候变化和人类活动对渭河流域入黄径流的影响.西北农林科技大学学报(自然科学版),35(2):153～159
孙晖.2005.经验模态分解理论与应用研究.[博士学位论文].杭州:浙江大学
孙新新,莫淑红,沈冰,刘敏,李亚娟.2006.基于改进马尔可夫链的径流预测模型.沈阳农业大学学报, 37(6):872～877
汤成友,缈韧.2007.基于小波变换的水文时间序列分解.水资源研究,28(1):16～17
汤奇成,曲耀光,周聿超.1992.中国干旱区水文及水资源利用.北京:科学出版社:57～69
王红瑞,叶乐天,刘昌明,刘来福.2006.水文序列小波周期分析中存在的问题及改进方式.自然科学进展,16(8):1002～1008
王金花,康玲玲,赵广福.2010.基于Mann-Kendall法的水沙系列突变点研究.人民黄河,32(1):43～45
王文圣,丁晶,金菊良.2008.随机水文学:第二版.北京:中国水利水电出版社:33～35
王文圣,丁晶,李跃清.2005.水文小波分析.北京:化学工业出版社
王文圣,丁晶,向红莲.2002a.小波分析在水文学中的应用研究及展望.水科学进展,13(4):515～520
王文圣,丁晶,向红莲.2002b.水文时间序列多时间尺度分析的小波变换法.四川大学学报(工程科学版),34(6):14～17
王文圣,袁鹏,丁晶.2000.小波分析及其在日流量过程随机模拟中的应用.水利学报,(11):43～48
王秀杰,练继建,费守明.2008.基于小波消噪的混沌神经网络径流预报模型.水力发电学报,27(5):37～40
韦中兴,蔺生睿.1996.泾河流域水文特性分析.水文,(2):52～59
吴东杰,王金生,腾彦国.2004.小波分解与变换法预测地下水位动态.水利学报,(5):39～45
徐中民,蓝永超,程国栋.2000.人工神经网络方法在径流预报中的应用.冰川冻土,22(4):372～375
玄兆燕,杨公训.2008.经验模态分解法在大气时间序列预测中的应用.自动化学报,34(1):97～101
杨世锡,胡劲松,吴昭同,严拱标.2004.基于高次样条插值的经验模态分解方法研究.浙江大学学报(工学版),38(3):267～270
张勃,王海青,张华.2009.基于人工神经网络的莺落峡月径流模拟预测.自然资源学报,24(12):2169～2177
张德峰.2008.Matlab小波分析与工程应用.北京:国防工业出版社
张建兴.2008.黄土高原重点流域径流变化规律及预测研究-以昕水河流域为例.[硕士学位论文].杨凌:西北农林科技大学
张利平,夏军,胡志芳.2009.中国水资源状况与水资源安全问题分析.长江流域资源与环境,18(2):116～120
张强,赵映东,张存杰,李耀辉,孙国武,高前兆.2008.西北干旱区水循环与水资源问题.干旱气象, 26(2):1～8
张瑞,汪亚平,潘少明.2006.长江大通水文站径流量的时间系列分析.南京大学学报(自然科学),42(4):423～434
张少文,丁晶,廖杰,张学成,王玲.2004.基于小波的黄河上游天然年径流变化特性分析.四川大学学报(工程科学版),36(3):32～37
张少文,何伟,王文圣,丁晶,王玲.2004.黄河天然年径流超长期变化特性研究.人民黄河,26(8):10～12
张伟.2008.基于人工神经网络的径流预测研究.[硕士学位论文].石河子:石河子大学
张翔,丁晶.1998.提高多层前馈网络推广能力的权值控制算法.水科学进展,9(4):373～377
张学真,刘燕.2006.灞河出山径流序列变化的小波分析.水资源保护,22(3):12～15
赵雪花,黄强,吴建华.2008.基于灰色马尔可夫链的径流序列模式挖掘.武汉大学学报(工学版), 41(1):1～4
郑红星,刘昌明.2003.黄河源区径流年内分配变化规律分析.地理科学进展,22(6):585～590
郑昱,朱元甡.2000.水文序列周期的小波变换检测方法探讨.河海大学学报,28(1):96～99
郑泽权,谢平,蔡伟.2001.小波变换在非平稳水文时间序列分析中的初步应用.水电能源科学,19(3):49～51
周惠成,彭勇.2007.基于小波分解的月径流预测校正模型研究.系统仿真学报,19(5):1104～1108
Hosoda Kohtaro, Kawamura Hiroshi.2004. Examination of the Merged Sea Surface Temperature Using Wavelet Analysis.Journal of Oceanography, 60(5):843~852
Huang N E, Shen Z, Long S R,Wu M C, Shih H H, Zheng Q, Yen N C, Tung C C, Liu H H.1998.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proceedings of the Royal Society of Land A, (454):903~955
Huang N E.1999.A new view of nonlinear water waves-the Hilbert spectrum. Ann Rev Fluid Mech, 31(1):417~457
Huang Yongxiang, Schmitt Fran?ois G, Lu Zhiming, Liu Yulu.2009. Analysis of daily river flow fluctuations using empirical mode decomposition and arbitrary order Hilbert spectral analysis.Journal of Hydrology, 373(1-2):103~111
Jain Ashu, Kumar Avadhnam Madhav.2007.Hybrid neural network models for hydrologic time series forecasting.Applied Soft Computing, 7(2):585~592
Kang Shujiang, Lin Henry.2007.Wavelet analysis of hydrological and water quality signals in an agricultural watershed.Journal of Hydrology, 338(1-2):1~14
Kim Sangdan.2004.Wavelet analysis of precipitation variability in northern California, U.S.A.KSCE Journal of Civil Engineering, 8(4):471~477
Kottegoda N T.1980. Stochastic water resources technology.London: The Macmillan Press LTD:31~32
Kumar P, Foufoula-Georgiou E.1993.A Multicomponent Decomposition of Spatial Rainfall Fields: 1.Segregation of Large-and Small-Scale Features Using Wavelet Transforms. Water Resources Research, 29(8):2515~2532
Labat D, Ababou R, Mangin A.2000.Rainfall-runoff relations for karstic springs.Part II: continuous wavelet and discrete orthogonal multiresolution analyses.Journal of Hydrology, 238(3-4):149~178
Lallahem S, Mania J.2003.A nonlinear rainfall-runoff model using neural network technique: example in fractured porous media.Mathematical and Computer Modelling, 37(9-10):1047~1061
Mondal Debashis, Percival Donald B.2008.Wavelet variance analysis for gappy time series. Annals of the Institute of Statistical Mathematics
Nakken Margriet.1999.Wavelet analysis of rainfall-runoff variability isolating climatic from anthropogenic patterns.Environmental Modelling and Software, 14(4):283~295
Nourani Vahid, Komasi Mehdi, Mano Akira.2009.A Multivariate ANN-Wavelet Approach for Rainfall–Runoff Modeling. Water Resources Management, 23(14):2877~2894
Raman H, Sunilkumar N.1995.Multivariate Modeling of Water Resources Time Series Using Artificial Neural Networks. Hydrological Sciences Journal, 40(2):145~163
Riad S, Mania J, Bouchaou L, Najjar Y.2004.Rainfall-runoff model using an artificial neural network approach.Mathematical and Computer Modelling,40(7-8):839~846
Shi Chun-xiang, Luo Qi-feng.2003.Hilbert-huang transform and wavelet analysis of time history signal. Acta Seismologica Sinica, 16(4):422~429
Venugopal V, Foufoula-Georgiou E.1996.Energy Decomposition of Rainfall in the Time-Frequency-Scale Domain Using Wavelet Packets. Journal of Hydrology, 27(3):3~27
安全,梁川,刘政.2008.雅砻江中上游径流变化特性的小波分析.武汉大学学报(工学版),41(3):20～28
蔡煜东,姚林声.1995.径流长期预报的人工神经网络方法.水科学进展,6(1):61～65
曹广学,张世泉.2005.BP模型在降雨径流预报中的应用研究.太原理工大学学报,36(3):350～353
陈南祥,曹连海,徐建新.2005.偏最小二乘回归神经网络在径流预报中的应用.灌溉排水学报,24(1):54～56
陈箐,水谷正一.2001.泾惠渠管理体制研究.人民黄河,23(9):40～41
陈仁升,康尔泗,张济世.2002.应用GRNN神经网络模型计算西北干旱区内陆河流域出山径流.水科学进展,13(1):87～92
陈妍.渭河下游径流预报模型及实时校正方法研究.[硕士学位论文].南京:河海大学
陈志恺.2000.中国水资源的可持续利用.中国水利,(8):38～40
陈志恺.2003.中国水资源的可持续利用问题.水文,23(1):1～5
程乾生,武连文.2006.时间序列的经验模态频率分解EMFD.数学的实践与认识,36(5):151～153
从爽.1998.面向MATLAB工具箱的神经网络理论与应用.北京:中国科学技术出版社:46～47
戴葵.1998.神经网络实现技术.长沙:国防科技大学出版社:28～42
丁晶,邓育仁.1996.水文水资源中不确定性分析与计算的耦合途径.水文,(1):19～21
董长虹.2005.Matlab神经网络与应用.北京:国防工业出版社:64～91
杜修力,何立志,侯伟.2007.基于经验模态分解(EMD)的小波阈值除噪方法.北京工业大学学报,33(3):265～272
杜修力,何立志.2009.经验模态分解(EMD)中边界处理的新方法.北京工业大学学报.35(5):626～636
冯国章,李瑛,李佩成.2000.河川径流年内分配不均匀性的量化研究.西北农业大学学报,28(2):50～53
冯平,丁志宏,韩瑞光,张建伟.2009.基于EMD的降雨径流神经网络预测模型.系统工程理论与实践, 29(1):152～158
盖广洪.2004.经验模态分解的一种改进算法.西安交通大学学报,38(11):1199～1202
高文强.2009.新疆奎屯河流域径流变化规律及预测模型研究.[硕士学位论文].杨凌:西北农林科技大学
龚志强,邹明伟,高新全,董文杰.2005.基于非线性时间序列分析经验模态分解和小波分解异同性的研究.物理学报,54(8):3947～3957
郭慧芳.2007.基于小波分析的径流中长期预报模型研究.[硕士学位论文].郑州:郑州大学
衡彤,王文圣,丁晶.2002.降水量时间序列变化的小波特征.长江流域资源与环境,11(5):466～470
胡彩虹,王纪军.2009.汾河水库上游流域径流年内分配时程变化规律研究.干旱区资源与环境,23(6):85～90
胡铁松,郭元裕,丁晶.1996.水文时间序列预测的径向基函数网络方法.武汉水利电力大学学报,29(6):1～5
黄玉霞,王宝鉴,张强,王劲松,杨选雄.2008.气候变化和人类活动对石羊河流域水资源影响评价.高原气象,27(4):866～872
霍再林,冯绍元,王凤新,康绍忠.2009.干旱内陆河流域月径流的神经网络模拟.武汉大学学报(工学版),42(5):622～625
季学武,王俊.2008.水文分析计算与水资源评价.北京:中国水利水电出版社:61～65
蒋海明,魏娜.2008.贵州省近47a来降水的小波变换分析.贵州气象,32(1):18～20
蒋艳,周成虎,程维明.2005.新疆阿克苏河流域年径流时序特征分析.地理科学进展,24(1):87～96
孔兰,梁虹,黄法苏,贺中华.2008.基于喀斯特流域径流量多时间尺度小波分析.人民长江,39(5):17～26
雷红刚.2008.泾河干流水资源变化趋势分析.甘肃水利水电技术,44(5):319～351
雷晓云,张丽霞,梁新平.2008.基于MATLAB工具箱的BP神经网络年径流量预测模型研究-以塔城地区乌拉斯台河为例.水文,28(1):43～46
李存军,邓红霞,朱兵,王文圣.2007.BP神经网络预测日径流序列的数据适应性分析.四川大学学报(工程科学版),39(2):25～29
李辉,练继建,王秀杰.2008.基于小波分解的日径流逐步回归预测模型.水利学报,39(12):1334～1339
李玲萍,杨永龙,钱莉.2008.石羊河流域近45年气温和降水特征分析.干旱区研究,25(5):705～710
李雯.2008.泾河流域气候变化对径流量的影响研究.[硕士学位论文].西安:长安大学
李贤彬,丁晶,李后强.1997.子波分析及其在水文水资源中的潜在应用.四川联合大学学报(工程科学版),1(4):49～52
李贤彬,丁晶,李后强.1999.水文时间序列的子波分析法.水科学进展,10(2):144～149
李永杰,马孝义,康绍忠.1999.泾惠渠灌区地表与地下水优化调度研究.农业工程学报,15(1):124～128
李振朝,韦志刚,文军,符睿.2008.近50年黄土高原气候变化特征分析.干旱区资源与环境,22(3):57～62
梁四海,万力,胡伏生,张建锋.2007.基于小波方法的黄河源头径流量的周期变化规律.南京大学学报(自然科学):43(3):300～308
刘会玉,林振山,张明阳.2005.基于EMD的我国粮食常量波动及其成因多尺度分析.自然资源学报,20(5):745～750
刘俊萍,田峰巍,黄强.2003.黄河上游河川径流变化多时间尺度分析.应用科学学报,21(2):117～121
刘奎建,丁志宏.2008.基于EMD的北洛河天然年径流量变化特征分析.中国农村水利水电,(10):36～38
刘素一,权先璋,张勇传.2003.不同小波函数对径流分析结果的影响.水电能源科学,21(1):29～31
刘艳丽,袁晶瑄,周惠成.2008.径流中长期预报模糊优选神经网络模型应用研究.大连理工大学学报,48(3):411～416
卢晓亭,孙勇,笪良龙,徐国军.2009.基于EMD的BP神经网络海水温度时间序列预测研究.海洋技术, 28(3):79～82
马炼,王银堂,张闻胜.2002.神经网络技术在水文系列中长期预报中的应用.水利水电技术,33(2):5～7
马振梅.2007.气候变化及人类活动对石羊河流域出山径流影响的研究.[硕士学位论文].北京:中国农业大学
齐清,王天明,寇晓军,葛剑平.2009.泾河流域植被覆盖时空演变及其与降水的关系.植物生态学报, 33(2):246～253
冉大川,刘斌,罗全华,张志萍,郭永乐.2001.泾河流域人为活动对水沙变化的影响分析-兼议泾河流域治理方略.水土保持学报,15(6):32～35
任世芳,牛俊杰.2006.关于全球性水资源危机若干问题的探讨.世界地理研究,15(2):31～35
桑燕芳,王栋.2008.水文序列小波分析中小波函数选择方法.水利学报,39(3):295～306
尚金成,刘鑫卿,张勇传,刘育琪,杜江.1995.基于多层神经元网络的随机自适应径流预报模型.水电能源科学,13(1):52～56
邵晓梅,许月卿,严昌荣.2006.黄河流域降水序列变化的小波分析.北京大学学报(自然科学版),42(4):503～509
沈花玉,王兆霞,高成耀,秦娟,姚福彬,徐巍.2008.BP神经网络隐含层单元数的确定.天津理工大学学报,24(5):13～15
水利部水利信息中心.2000.水文情报预报规范.北京:中国水利水电出版社
粟晓玲,康绍忠,魏晓妹,邢大韦,曹红霞.2007.气候变化和人类活动对渭河流域入黄径流的影响.西北农林科技大学学报(自然科学版),35(2):153～159
孙晖.2005.经验模态分解理论与应用研究.[博士学位论文].杭州:浙江大学
孙新新,莫淑红,沈冰,刘敏,李亚娟.2006.基于改进马尔可夫链的径流预测模型.沈阳农业大学学报, 37(6):872～877
汤成友,缈韧.2007.基于小波变换的水文时间序列分解.水资源研究,28(1):16～17
汤奇成,曲耀光,周聿超.1992.中国干旱区水文及水资源利用.北京:科学出版社:57～69
王红瑞,叶乐天,刘昌明,刘来福.2006.水文序列小波周期分析中存在的问题及改进方式.自然科学进展,16(8):1002～1008
王金花,康玲玲,赵广福.2010.基于Mann-Kendall法的水沙系列突变点研究.人民黄河,32(1):43～45
王文圣,丁晶,金菊良.2008.随机水文学:第二版.北京:中国水利水电出版社:33～35
王文圣,丁晶,李跃清.2005.水文小波分析.北京:化学工业出版社
王文圣,丁晶,向红莲.2002a.小波分析在水文学中的应用研究及展望.水科学进展,13(4):515～520
王文圣,丁晶,向红莲.2002b.水文时间序列多时间尺度分析的小波变换法.四川大学学报(工程科学版),34(6):14～17
王文圣,袁鹏,丁晶.2000.小波分析及其在日流量过程随机模拟中的应用.水利学报,(11):43～48
王秀杰,练继建,费守明.2008.基于小波消噪的混沌神经网络径流预报模型.水力发电学报,27(5):37～40
韦中兴,蔺生睿.1996.泾河流域水文特性分析.水文,(2):52～59
吴东杰,王金生,腾彦国.2004.小波分解与变换法预测地下水位动态.水利学报,(5):39～45
徐中民,蓝永超,程国栋.2000.人工神经网络方法在径流预报中的应用.冰川冻土,22(4):372～375
玄兆燕,杨公训.2008.经验模态分解法在大气时间序列预测中的应用.自动化学报,34(1):97～101
杨世锡,胡劲松,吴昭同,严拱标.2004.基于高次样条插值的经验模态分解方法研究.浙江大学学报(工学版),38(3):267～270
张勃,王海青,张华.2009.基于人工神经网络的莺落峡月径流模拟预测.自然资源学报,24(12):2169～2177
张德峰.2008.Matlab小波分析与工程应用.北京:国防工业出版社
张建兴.2008.黄土高原重点流域径流变化规律及预测研究-以昕水河流域为例.[硕士学位论文].杨凌:西北农林科技大学
张利平,夏军,胡志芳.2009.中国水资源状况与水资源安全问题分析.长江流域资源与环境,18(2):116～120
张强,赵映东,张存杰,李耀辉,孙国武,高前兆.2008.西北干旱区水循环与水资源问题.干旱气象, 26(2):1～8
张瑞,汪亚平,潘少明.2006.长江大通水文站径流量的时间系列分析.南京大学学报(自然科学),42(4):423～434
张少文,丁晶,廖杰,张学成,王玲.2004.基于小波的黄河上游天然年径流变化特性分析.四川大学学报(工程科学版),36(3):32～37
张少文,何伟,王文圣,丁晶,王玲.2004.黄河天然年径流超长期变化特性研究.人民黄河,26(8):10～12
张伟.2008.基于人工神经网络的径流预测研究.[硕士学位论文].石河子:石河子大学
张翔,丁晶.1998.提高多层前馈网络推广能力的权值控制算法.水科学进展,9(4):373～377
张学真,刘燕.2006.灞河出山径流序列变化的小波分析.水资源保护,22(3):12～15
赵雪花,黄强,吴建华.2008.基于灰色马尔可夫链的径流序列模式挖掘.武汉大学学报(工学版), 41(1):1～4
郑红星,刘昌明.2003.黄河源区径流年内分配变化规律分析.地理科学进展,22(6):585～590
郑昱,朱元甡.2000.水文序列周期的小波变换检测方法探讨.河海大学学报,28(1):96～99
郑泽权,谢平,蔡伟.2001.小波变换在非平稳水文时间序列分析中的初步应用.水电能源科学,19(3):49～51
周惠成,彭勇.2007.基于小波分解的月径流预测校正模型研究.系统仿真学报,19(5):1104～1108
Hosoda Kohtaro, Kawamura Hiroshi.2004. Examination of the Merged Sea Surface Temperature Using Wavelet Analysis.Journal of Oceanography, 60(5):843~852
Huang N E, Shen Z, Long S R,Wu M C, Shih H H, Zheng Q, Yen N C, Tung C C, Liu H H.1998.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proceedings of the Royal Society of Land A, (454):903~955
Huang N E.1999.A new view of nonlinear water waves-the Hilbert spectrum. Ann Rev Fluid Mech, 31(1):417~457
Huang Yongxiang, Schmitt Fran?ois G, Lu Zhiming, Liu Yulu.2009. Analysis of daily river flow fluctuations using empirical mode decomposition and arbitrary order Hilbert spectral analysis.Journal of Hydrology, 373(1-2):103~111
Jain Ashu, Kumar Avadhnam Madhav.2007.Hybrid neural network models for hydrologic time series forecasting.Applied Soft Computing, 7(2):585~592
Kang Shujiang, Lin Henry.2007.Wavelet analysis of hydrological and water quality signals in an agricultural watershed.Journal of Hydrology, 338(1-2):1~14
Kim Sangdan.2004.Wavelet analysis of precipitation variability in northern California, U.S.A.KSCE Journal of Civil Engineering, 8(4):471~477
Kottegoda N T.1980. Stochastic water resources technology.London: The Macmillan Press LTD:31~32
Kumar P, Foufoula-Georgiou E.1993.A Multicomponent Decomposition of Spatial Rainfall Fields: 1.Segregation of Large-and Small-Scale Features Using Wavelet Transforms. Water Resources Research, 29(8):2515~2532
Labat D, Ababou R, Mangin A.2000.Rainfall-runoff relations for karstic springs.Part II: continuous wavelet and discrete orthogonal multiresolution analyses.Journal of Hydrology, 238(3-4):149~178
Lallahem S, Mania J.2003.A nonlinear rainfall-runoff model using neural network technique: example in fractured porous media.Mathematical and Computer Modelling, 37(9-10):1047~1061
Mondal Debashis, Percival Donald B.2008.Wavelet variance analysis for gappy time series. Annals of the Institute of Statistical Mathematics
Nakken Margriet.1999.Wavelet analysis of rainfall-runoff variability isolating climatic from anthropogenic patterns.Environmental Modelling and Software, 14(4):283~295
Nourani Vahid, Komasi Mehdi, Mano Akira.2009.A Multivariate ANN-Wavelet Approach for Rainfall–Runoff Modeling. Water Resources Management, 23(14):2877~2894
Raman H, Sunilkumar N.1995.Multivariate Modeling of Water Resources Time Series Using Artificial Neural Networks. Hydrological Sciences Journal, 40(2):145~163
Riad S, Mania J, Bouchaou L, Najjar Y.2004.Rainfall-runoff model using an artificial neural network approach.Mathematical and Computer Modelling,40(7-8):839~846
Shi Chun-xiang, Luo Qi-feng.2003.Hilbert-huang transform and wavelet analysis of time history signal. Acta Seismologica Sinica, 16(4):422~429
Venugopal V, Foufoula-Georgiou E.1996.Energy Decomposition of Rainfall in the Time-Frequency-Scale Domain Using Wavelet Packets. Journal of Hydrology, 27(3):3~27