第1章 绪论 1
1.1中长期径流预报的概念 1
1.2中长期径流预报的实践需求 1
1.3中长期径流预报研究的技术路线 2
1.4中长期径流预报的研究进展 4
1.4.1中长期径流演变规律 4
1.4.2中长期径流预报因子识别 6
1.4.3中长期径流预报模型 6
1.4.4中长期径流预报软件系统 10
1.5中长期径流预报面临的主要问题 11
1.6中长期径流预报的发展趋势 11
第2章 中长期径流时间序列的特性分析 13
2.1水循环过程及中长期径流的特点 13
2.2中长期径流时间序列的概念 14
2.3中长期径流的趋势性分析方法 15
2.3.1线性回归法 15
2.3.2 Kendall秩次相关检验法 15
2.3.3 Spearman秩次相关检验法 16
2.4中长期径流的周期性分析方法 17
2.4.1方差分析法 17
2.4.2功率谱方法 19
2.4.3小波分析方法 35
2.5中长期径流的随机性分析方法 43
2.5.1随机过程 43
2.5.2线性平稳随机模型 44
2.5.3马尔可夫过程 51
第3章 中长期径流的预报因子识别 55
3.1中长期天气过程及其预报的特点 55
3.1.1长期天气过程的特点 55
3.1.2中期天气过程的特点 56
3.1.3中长期天气预报的特点 57
3.2中长期径流过程的影响因素 58
3.2.1大气环流 58
3.2.2太阳活动 59
3.2.3海气相互作用 64
3.2.4人类活动 66
3.3中长期径流预报中常用的预报因子 66
3.3.1前期降水与径流 66
3.3.2环流特征量 67
3.3.3海表温度 75
3.4中长期径流预报因子的识别方法 84
3.4.1相关系数法 84
3.4.2秩相关分析法 85
3.4.3逐步回归法 87
第4章 中长期径流的确定性预报模型 93
4.1线性回归模型 93
4.1.1一元线性回归 93
4.1.2多元线性回归 98
4.2人工神经网络模型 100
4.2.1人工神经网络概述 100
4.2.2 BP神经网络 102
4.3时间序列分解模型 109
4.4秩相关秩相似模型 109
4.5模糊模式识别模型 110
4.6模糊模式识别神经网络模型 111
4.6.1模糊集理论与人工神经网络理论的关系 111
4.6.2模型结构 113
4.6.3模糊模式识别模型和模糊模式识别神经网络模型的等价性分析 114
4.6.4模糊模式识别神经网络模型权重调整BP模型 115
4.6.5遗传算法 116
4.6.6模糊模式识别神经网络模型的遗传学习和权重调整BP混合算法 116
4.7组合预报模型 117
4.8预报实例 118
4.8.1实例一 118
4.8.2实例二 120
4.8.3实例三 127
4.8.4实例四 128
第5章 中长期径流的概率预报方法 132
5.1贝叶斯概率分析简介 132
5.2贝叶斯概率水文预报方法研究进展 133
5.3中长期径流概率预报的基本思路 135
5.4基于线性正态假设的贝叶斯概率枯季径流预报模型 135
5.4.1传统枯季径流预报模型的选择 136
5.4.2模型构建原理 136
5.4.3实例分析 138
5.5基于贝叶斯定理离散变量形式的径流概率预报模型 140
5.5.1模型构建步骤 140
5.5.2实例分析 141
参考文献 143