作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
径流序列可以看成是各种不同成分线性叠加构成的时间序列.利用小波变换良好的局部化时频分析能力,将年最大径流序列进行分解,使其趋势项、周期项和随机项得以分离.各子序列分别代表不同的时间尺度,反映了各种物理因素对径流过程的影响.然后根据各子序列的特性分别建立幂函数、周期函数或ARMA模型并进行预测.最后将各子序列的预测值合成,得到年最大径流序列的预测值.对宜昌站1991~2002年最大径流量的预测结果表明,该方法是切实可行的.并指出小波包变换在分析中、高频信息方面优于小波变换,有助于进一步提高预测的精度.
推荐文章
基于小波分析和灰色预测的莺落峡年径流量特征分析
莺落峡
年径流量
小波分析
灰色预测
基于小波分析与神经网络的交通流短时预测方法
小波分析
小波神经元网络
交通流
短时预测
基于小波分析的ANN模型日径流预测研究
小波分析
人工神经网络(ANN)
日径流
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波分析的年最大径流预测方法
来源期刊 中国农村水利水电 学科 地球科学
关键词 小波分析 时间序列分析 年最大径流预报
年,卷(期) 2006,(7) 所属期刊栏目 水文水资源
研究方向 页码范围 10-11,14
页数 3页 分类号 P333.1
字数 2264字 语种 中文
DOI 10.3969/j.issn.1007-2284.2006.07.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘晓安 华中科技大学水电与数字化工程学院 3 47 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (51)
参考文献  (1)
节点文献
引证文献  (14)
同被引文献  (16)
二级引证文献  (67)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(4)
  • 引证文献(2)
  • 二级引证文献(2)
2010(3)
  • 引证文献(1)
  • 二级引证文献(2)
2011(7)
  • 引证文献(1)
  • 二级引证文献(6)
2012(9)
  • 引证文献(1)
  • 二级引证文献(8)
2013(10)
  • 引证文献(0)
  • 二级引证文献(10)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(7)
  • 引证文献(1)
  • 二级引证文献(6)
2016(8)
  • 引证文献(0)
  • 二级引证文献(8)
2017(5)
  • 引证文献(0)
  • 二级引证文献(5)
2018(10)
  • 引证文献(1)
  • 二级引证文献(9)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
小波分析
时间序列分析
年最大径流预报
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国农村水利水电
月刊
1007-2284
42-1419/TV
大16开
武汉大学二区
38-49
1959
chi
出版文献量(篇)
10420
总下载数(次)
11
总被引数(次)
59046
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导