一种改进的时间序列重建方法及其在地下水埋深估计中的应用

一种改进的时间序列重建方法及其在地下水埋深估计中的应用

带噪声传递函数(TFN)模型可通过相关性分析在输入输出序列时间上同步的情况下估计输出序列.基于TFN模型、Kalman滤波和复合型混合演化(SCE-UA)算法,发展一种新的时间序列重建方法,并将其用于地下水埋深估计.该方法将高阶TFN模型表述成状态空间,并用Kalman滤波进行状态估计,基于SCE-UA方法优化TFN模型参数,能够在输入输出序列异步的情况下率定TFN模型并用于时间序列重建.最后,利用已有降水和地下水观测资料验证该方法,并重建了中国东北部分地区40年地下水埋深序列,结果表明该方法有较好精度且能反映埋深变化对降水的响应,在各类时间序列重建中具有一定推广性.

作 者： 袁星 谢正辉 YUAN Xing XIE Zheng-Hui   作者单位： 袁星,YUAN Xing(中国科学院大气物理研究所,北京,100029;中国科学院研究生院,北京,100049)

谢正辉,XIE Zheng-Hui(中国科学院大气物理研究所,北京,100029) 

刊 名： 气候与环境研究  ISTIC PKU 英文刊名： CLIMATIC AND ENVIRONMENTAL RESEARCH  年，卷(期)： 2007 12(4)  分类号： P345  关键词： 时间序列重建   TFN模型   Kalman滤波   地下水埋深  

【一种改进的时间序列重建方法及其在地下水埋深估计中的应用】相关文章：

基于非线性约束的参数估计方法及其在轨道确定中的应用04-26

汾河灌区地下水埋深变化规律分析04-27

模拟退火法及其在抗差估计中的应用04-26

核密度的随机加权估计及其应用04-26

一种新的峰值提取方法及其在语音基频提取中的应用04-26

基于MATLAB实现的ANN方法在地下水评价中的应用04-27

改进的MacCormack有限体积格式及其应用04-27

1m深地温在滑坡地下水分布调查中的应用04-26

逆序配方法及其应用04-26

改进模糊聚类算法及其在人力资源管理中的应用04-26