-
公开(公告)号：CN101697172A
公开(公告)日：2010-04-21
申请号：CN200910036265.6
申请日：2009-10-12
Applicant: 南京大学
Abstract: 本发明公开了一种水文频率线型参数估计方法，其将模拟退火遗传算法(SAGA)和极大似然法(ML)联合使用，建立了SAGA-ML法：即将似然函数相反数求解极小值的表达式作为目标函数，依据矩法估计参数取值范围作为约束条件，然后应用SAGA进行参数估计。与常规ML法思路有本质不同，SAGA-ML法通过遗传算法进行参数优化。通过蒙特卡罗试验，验证了SAGA-ML法在参数估计和不同频率设计值估计两个方面均具有很好的准确性；同时该方法不受线型类型、参数数目和约束条件的限制；可以避免应用常规ML法时出现似然方程无解等情况；且求解过程简便快捷，使ML法在理论上和实际应用中都成为有效的方法。
-
公开(公告)号：CN101592488A
公开(公告)日：2009-12-02
申请号：CN200910032581.6
申请日：2009-07-02
Applicant: 南京大学
IPC: G01C13/00
Abstract: 本发明公开了一种水文序列分析中基于信息熵理论的消噪方法，首先依据待分析的水文时间序列的基本特性选择小波函数和小波分解层数，然后对水文序列进行离散小波变换，得到不同时间尺度水平上的小波系数dj，k；应用小波系数阈值优选熵准则，确定各层的小波系数阈值；对各层高频小波系数进行硬或软阈值量化处理，之后再对处理后的小波系数进行重构，得到实测水文序列中的重构主序列；实测水文序列与重构主序列之差为噪声成分，即实现噪声成分的分离。本发明基于信息熵理论和小波消噪思路，建立了小波系数阈值优选熵准则，从而利用小波分析方法可有效地分离出水文序列中的噪声成分，提高了水文数据的真实性和准确性。
-
公开(公告)号：CN102033851B
公开(公告)日：2012-09-26
申请号：CN201010297456.0
申请日：2010-09-30
Applicant: 南京大学
IPC: G06F17/00
Abstract: 本发明公开了一种水文时间序列小波互相关分析方法，首先选择小波函数和时间尺度范围，然后对待分析的水文时间序列进行连续小波变换分析；计算水文时间序列在不同时间尺度上及不同时滞下的小波互协方差；求解两序列在不同时间尺度上及不同时滞下的小波互相关系数，计算小波互相关度以描述两序列在整体时间域上的互相关程度，绘制小波互相关系数等值线图，实现对时间序列之间互相关关系进行时频综合分析。实例分析结果显示了小波互相关分析方法的有效性和优越性，该方法能够分析和定量描述非平稳时间序列在特定时间尺度和指定时滞下的互相关关系，可克服传统互相关分析方法的局限，具有更好的灵活性和适用性。
-
Patent Agency Ranking
公开(公告)号：CN101592488B
公开(公告)日：2011-08-03
申请号：CN200910032581.6
申请日：2009-07-02
Applicant: 南京大学
IPC: G01C13/00
Abstract: 本发明公开了一种水文序列分析中基于信息熵理论的消噪方法，首先依据待分析的水文时间序列的基本特性选择小波函数和小波分解层数，然后对水文序列进行离散小波变换，得到不同时间尺度水平上的小波系数dj，k；应用小波系数阈值优选熵准则，确定各层的小波系数阈值；对各层高频小波系数进行硬或软阈值量化处理，之后再对处理后的小波系数进行重构，得到实测水文序列中的重构主序列；实测水文序列与重构主序列之差为噪声成分，即实现噪声成分的分离。本发明基于信息熵理论和小波消噪思路，建立了小波系数阈值优选熵准则，从而利用小波分析方法可有效地分离出水文序列中的噪声成分，提高了水文数据的真实性和准确性。
-
公开(公告)号：CN101604356A
公开(公告)日：2009-12-16
申请号：CN200910033616.8
申请日：2009-06-24
Applicant: 南京大学
Abstract: 本发明公开了一种不确定性中长期水文预报模型的建立方法，其将小波分析方法(WA)，人工神经网络(ANN)和水文频率分析法(HFA)联合使用，建立了不确定性中长期水文预报模型：即在应用WA揭示水文序列多时间尺度变化特性的基础上，将原序列分为主序列和随机序列两部分，然后利用ANN对主序列进行模拟预测，对随机序列进行水文频率分析，最后将两部分结果叠加作为最终预测值。该模型用于黄河河口地区作中长期水文预报，并与传统方法作对比，结果显示：该模型能同时揭示序列的时、频结构和变化特性；预报值结果精度高；且合格率高；能定量分析和描述水文不确定性因素对预报结果的影响，可得到不同频率对应水文序列的模拟预测值。
-
公开(公告)号：CN101697172B
公开(公告)日：2011-06-01
申请号：CN200910036265.6
申请日：2009-10-12
Applicant: 南京大学
Abstract: 本发明公开了一种水文频率线型参数估计方法，其将模拟退火遗传算法(SAGA)和极大似然法(ML)联合使用，建立了SAGA-ML法：即将似然函数相反数求解极小值的表达式作为目标函数，依据矩法估计参数取值范围作为约束条件，然后应用SAGA进行参数估计。与常规ML法思路有本质不同，SAGA-ML法通过遗传算法进行参数优化。通过蒙特卡罗试验，验证了SAGA-ML法在参数估计和不同频率设计值估计两个方面均具有很好的准确性；同时该方法不受线型类型、参数数目和约束条件的限制；可以避免应用常规ML法时出现似然方程无解等情况；且求解过程简便快捷，使ML法在理论上和实际应用中都成为有效的方法。
-
公开(公告)号：CN102033851A
公开(公告)日：2011-04-27
申请号：CN201010297456.0
申请日：2010-09-30
Applicant: 南京大学
IPC: G06F17/00
Abstract: 本发明公开了一种水文时间序列小波互相关分析方法，首先选择小波函数和时间尺度范围，然后对待分析的水文时间序列进行连续小波变换分析；计算水文时间序列在不同时间尺度上及不同时滞下的小波互协方差；求解两序列在不同时间尺度上及不同时滞下的小波互相关系数，计算小波互相关度以描述两序列在整体时间域上的互相关程度，绘制小波互相关系数等值线图，实现对时间序列之间互相关关系进行时频综合分析。实例分析结果显示了小波互相关分析方法的有效性和优越性，该方法能够分析和定量描述非平稳时间序列在特定时间尺度和指定时滞下的互相关关系，可克服传统互相关分析方法的局限，具有更好的灵活性和适用性。
-
公开(公告)号：CN101604356B
公开(公告)日：2011-01-12
申请号：CN200910033616.8
申请日：2009-06-24
Applicant: 南京大学
Abstract: 本发明公开了一种不确定性中长期水文预报模型的建立方法，其将小波分析方法(WA)，人工神经网络(ANN)和水文频率分析法(HFA)联合使用，建立了不确定性中长期水文预报模型：即在应用WA揭示水文序列多时间尺度变化特性的基础上，将原序列分为主序列和随机序列两部分，然后利用ANN对主序列进行模拟预测，对随机序列进行水文频率分析，最后将两部分结果叠加作为最终预测值。该模型用于黄河河口地区作中长期水文预报，并与传统方法作对比，结果显示：该模型能同时揭示序列的时、频结构和变化特性；预报值结果精度高；且合格率高；能定量分析和描述水文不确定性因素对预报结果的影响，可得到不同频率对应水文序列的模拟预测值。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
