基于时序分析-马氏链方法的疏浚槽回淤量预报办法
【专利摘要】本发明属于水利工程领域，具体涉及基于时序分析-马氏链方法的疏浚槽回淤量预报办法。该办法包括以下步骤：选定空间离散的原始序列；生成预测值序列；计算原始序列与预测序列的相对残差序列；将相对残差数列划分区间；进行区间的马氏链预测；对水深预测区间取均值得出预测水深值，初始水深值与该水深值作差得出回淤值。本发明通过采用时序分析法与马氏链相结合得到时序分析-马氏链预测法，能够同时反映序列的变化趋势和随机波动性，更符合疏浚槽回淤量序列的实际变化情况。运用该预测法，相对误差率仅为1.04%，与单一时间序列法相比，时序分析—马氏链能提高预测精度97%，且较之灰色理论其预测更符合实测数据。
【专利说明】基于时序分析-马氏链方法的疏浚槽回淤量预报办法
【技术领域】
[0001]本发明涉及一种疏浚槽回淤量的预测的方法，属于水利工程领域，具体涉及一种采用时序分析-马氏链预测方法进行的疏浚槽回淤量预报的方法。
【背景技术】
[0002]疏浚槽的回淤预测是港口疏浚工程开展的重要依据，由于通航水域无法布置长期观测站、港池和航道疏浚槽水深测量费用高、数据少、实测数据序列短等问题，导致疏浚槽回淤预测可用的数据量小，需要在短序列基础上预测疏浚槽回淤量。
[0003]现有时间序列预测法、灰色理论模型回淤量预测法，但由于时间序列ARMA模型较为适合预测长序列，而疏浚槽内地形测量较为困难，故数据序列长度不够，所以模拟情况较差，结果整体偏小，导致疏浚槽整体呈现大尺度冲刷。而灰色理论适用于预测单调增长的序列，疏浚槽回淤量由泥沙沉积量决定，受水流、泥沙含量等一系列因素影响，具有一定的随机性，故模拟情况也不符实际情况。
【发明内容】
[0004]本发明要解决的技术问题是，克服现有技术中的不足，综合比较各种方法的优劣，保留其各自在序列预测中的优势项，采用时序分析-马氏链模型预测疏浚槽的回淤量，通过当前已知的回淤量来预测未来的回淤量，使其既能满足疏浚槽回淤的增长性预测又能考虑回淤的不确定性，使工程回淤预测更具合理性。
[0005]为解决技术问题，本发明提供了一种基于时序分析-马氏链方法的疏浚槽回淤量预报办法。
[0006]本发明中，需首先获取疏浚工程实测的至少6个月的水深系列值；回淤量以初始的第一个月份水深值与各月份的水深值的差值表示，正值表示淤积，负值表示冲刷。
[0007]本发明所述方法包括以下步骤:
[0008]步骤一、选定空间离散的原始序列
[0009]将疏浚工程实测的至少6个月的水深系列值作为原始序列:
[0010]X(0) = {x(0) (I)，x(0) (2)，-,x(0) (m)},X(0) (m)表示第 m 个月份的原始水深；
[0011]步骤二、生成预测值序列
[0012]因原始水深序列一般不会符合平稳性增长的要求趋势，故对原始数据序列进行二阶差分后采用时序分析ARMA (p，q)模型进行预测，调节P、q的值生成预测值序列
[0013]
【权利要求】
1.基于时序分析-马氏链方法的疏浚槽回淤量预报办法，其特征在于，包括以下步骤: 步骤一、选定空间离散的原始序列 将疏浚工程实测的至少6个月的水深系列值作为原始序列: X(°) = {x(°)⑴，x(°)⑵，…，x(0) (m)}，X(°) (m)表示第m个月份的原始水深； 步骤二、生成预测值序列 采用时序分析ARMA (p，q)模型进行预测，调节P、q的值生成预测值序列
【文档编号】G06F19/00GK103942409SQ201410074559
【公开日】2014年7月23日 申请日期:2014年3月3日 优先权日:2014年3月3日
【发明者】黄赛花, 孙志林, 卢雅倩, 祝丽丽, 吴彦坤 申请人:浙江大学