首页> 中文学位 >时间序列分析技术在水文数据分析中的应用研究
【6h】

时间序列分析技术在水文数据分析中的应用研究

代理获取

目录

文摘

英文文摘

声明

第1章绪论

1.1研究的背景以及意义

1.2国内外研究现状

1.3本文的主要研究内容

1.4本论文的结构

第2章时间序列分析技术

2.1数据挖掘概述

2.2时间序列的含义

2.3时间序列分析技术

2.4时间序列分析的主要内容

2.5典型的时间序列数据挖掘

2.6本章小结

第3章水文数据分析系统的系统分析

3.1系统目标

3.2可行性分析

3.3需求分析

3.3.1功能需求

3.3.2数据描述

3.3.3性能需求

3.3.4系统实现和运行需求

3.4本章小结

第4章水文数据分析系统的设计与实现

4.1总体设计

4.2详细设计

4.2.1表结构设计

4.2.2数据挖掘模型的建立

4.3开发工具选择

4.4系统实现

4.5模型检验

4.6本章小结

第5章水文时间序列实例分析

5.1数据的选择依据及来源

5.2实例分析

5.3本章小结

结论

参考文献

致谢

展开▼

摘要

水文数据对于防洪抗旱、水资源的分配与调度、水利工程建设、工农业生产以及国民经济建设的其它方面都具有重要的指导意义和参考价值。本文主要采用时间序列分析技术对水文时间序列进行分析并建立相应的数学模型,然后使用该模型对水文时间序列的未来值进行预测和分析。 本文根据时间序列分析所涉及的主要内容,将水文时间序列分解为趋势项、周期项、突发项、随机项,然后分别按照各个组成项的变化规律对这些项进行分析和研究,找出其变化规律,并分别建立各个组成项的数学模型。本文采用指数平滑法对水文时间序列的趋势项进行分析;采用方差分析方法检验水文时间序列中是否存在显著周期,如果存在显著周期则将其从水文时间序列中分离出去,再把剩余序列重复上述步聚,直至无显著周期为止,最后将提取出的各个谐波叠加即可求出周期项;对随机项进行分析时,首先建立回归方程,再根据AIC准则来确定模型阶数,最后根据所确定的模型阶数求出水文时间序列的随机项。 完成水文时间序列的趋势项、周期项、突发项、随机项的分析并分别建立各个组成项的数学模型以后,即可将这些分解模型合成为水文时间序列的预测模型,并使用此模型对水文时间序列的未来值进行预测和分析。本文已使用所建立的模型对广西柳州的年降水量、年降水日数、月降水量、一年内的一日最大降水量等水文数据进行了分析和预测,此模型对普通数据的预测具有较高的预测精度,这些预测和分析结果可以为相关职能部门的决策提供参考和服务。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号