基于时序分析-马氏链方法的疏浚槽回淤量预报办法

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。

主权项

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⁽⁰⁾={x⁽⁰⁾(1)，x⁽⁰⁾(2)，…，x⁽⁰⁾(m)}，X⁽⁰⁾(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$X\left(\hat{0}\right)\left(t\right),t=\mathrm{1,2},...,m;$步骤三、计算原始序列与预测序列的相对残差序列计算原始序列与预测值序列的相对残差序列步骤四、将相对残差数列划分区间根据差值区间将相对残差数列划分成S种状态区间，根据状态s=(1，2，…，S)分布情况计算n步转移概率矩阵P⁽ⁿ⁾；采用K₀阶加权马氏链预测法进行区间预测：选取K₀个状态作为当前状态信息，记阶数k=(1，2，…，K₀)；根据状态s取得K₀值，并分别求出k阶相关系数和k阶权因子；步骤五、进行区间的马氏链预测根据当前状态s计算状态j预测概率，将利用时序分析模型ARMA(p，q)生成的预测值序列中对应时间段的预测值带入状态区间内，最终得到该时间段的水深值预测空间；步骤六、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。