书名：水文序列多尺度解析与智能预报：ESMD方法及应用
定价：256.0
ISBN：9787030844033
作者：李继清,龙健,李荣波
版次：1
出版时间：2026-01

内容提要：
本书系统阐述ESMD方法的基本原理和步骤，将ESMD方法应用于年、月、旬、日等不同尺度下流域水文时间序列的径流时空演变规律分析、径流预报和预报效果评价，重点介绍其在水文时间序列的趋势分离、异常诊断和时频分析的应用以及“分解→预测→重构”模式的不同组合与集合预报模型，并以我国长江、黄河、珠江流域干流或支流等不同实例阐明其各种应用。



目录：
目录
前言
第一部分 理论基础
第1章 绪论 3
1.1 概述 3
1.2 国内外研究现状 4
1.2.1 水文时间序列演变分析研究 4
1.2.2 径流预报研究 8
1.3 内容框架 14
第2章 ESMD方法 16
2.1 ESMD方法的发展历程 16
2.1.1 EMD方法 16
2.1.2 EEMD方法 17
2.1.3 ESMD方法 18
2.2 ESMD方法的基本原理 18
2.2.1 ESMD的模态分解 18
2.2.2 ESMD的时频分析 20
2.3 ESMD方法特点及应用 21
2.4 本章小结 22
第3章 水文序列分析对比方法 23
3.1 概述 23
3.2 周期性分析对比方法 23
3.2.1 周期图法 23
3.2.2 方差谱密度图法 24
3.2.3 累计解释方差图法 24
3.2.4 小波分析法 25
3.3 突变性分析对比方法 26
3.3.1 时序累计值相关…线法 26
3.3.2 有序聚类分析法 26
3.3.3 M-K检验法 27
3.3.4 滑动T检验法 28
3.3.5 Pettitt法 28
3.3.6 Mann-Whitney U检验 28
3.4 趋势性分析对比方法 29
3.4.1 滑动平均法 29
3.4.2 Kendall秩次相关检验 30
3.4.3 R/S分析法(重标极差分析法) 30
3.4.4 累积距平法 31
3.5 本章小结 31
第4章 水文预报对比分析方法 32
4.1 概述 32
4.2 神经网络方法 32
4.2.1 BP神经网络方法 32
4.2.2 Elman神经网络方法 34
4.2.3 长短期记忆神经网络 35
4.3 最小二乘支持向量机算法 37
4.4 粒子群优化算法 38
4.5 随机森林算法 39
4.6 基本分类和回归算法 39
4.7 混合灰狼算法 40
4.8 支持向量回归算法 41
4.9 梯度提升决策树算法 42
4.10 极限学习机 43
4.11 集合卡尔曼滤波算法 45
4.12 本章小结 46
参考文献 48
第二部分 ESMD方法在降水序列分析中的应用
第5章 基于ESMD的北京市降水特征分析 57
5.1 研究方法 57
5.2 研究区概况及数据资料 58
5.3 不同时间尺度周期变化特征分析 59
5.4 不同时间尺度突变特征分析 62
5.5 降水序列趋势变化特征分析 64
5.6 本章小结 65
第6章 基于ESMD的西江流域降水特征分析 66
6.1 研究方法 66
6.2 研究区概况及数据资料 68
6.2.1 西江流域概况 68
6.2.2 数据资料 68
6.3 气温序列变化特征分析 70
6.3.1 周期性分析 70
6.3.2 趋势性分析 72
6.3.3 突变性分析 78
6.3.4 其他方法对比验证 80
6.4 降水序列变化特征分析 91
6.4.1 周期性分析 91
6.4.2 突变性分析 93
6.4.3 趋势性分析 96
6.5 本章小结 98
参考文献 99
第三部分 ESMD方法在径流序列分析中的应用
第7章 三峡工程调蓄前后径流变化的多尺度分析 103
7.1 研究方法 103
7.2 研究区概况及数据资料 104
7.2.1 宜昌水文站概况 104
7.2.2 数据资料来源 104
7.3 径流序列趋势性分析 106
7.3.1 年径流序列趋势性分析 106
7.3.2 月径流序列趋势性分析 108
7.3.3 日径流序列趋势性分析 110
7.4 径流序列周期性分析 113
7.5 径流序列突变性分析 116
7.6 本章小结 123
第8章 龙羊峡水库入库径流演变特征分析 124
8.1 研究方法 124
8.2 研究区概况及数据资料 126
8.3 年径流序列变化特征分析 126
8.3.1 周期性分析 126
8.3.2 突变性分析 128
8.3.3 趋势性分析 129
8.4 月径流序列变化特征分析 130
8.4.1 周期性分析 130
8.4.2 突变性分析 132
8.4.3 趋势性分析 133
8.5 旬径流序列变化特征分析 134
8.5.1 周期性分析 134
8.5.2 突变性分析 135
8.5.3 趋势性分析 137
8.6 径流变化特征分析对比 138
8.7 本章小结 139
第9章 黄河上游干流径流演变特征分析 140
9.1 研究方法 140
9.2 研究区概况及数据资料 141
9.3 径流周期变化特征 142
9.3.1 年径流周期性分析 143
9.3.2 季径流周期性分析 146
9.3.3 月径流周期性分析 148
9.4 径流趋势变化特征 160
9.4.1 年径流趋势性分析 160
9.4.2 季径流趋势性分析 161
9.4.3 月径流趋势性分析 162
9.5 径流突变特征 164
9.5.1 年径流突变性分析 164
9.5.2 季径流突变性分析 166
9.5.3 月径流突变性分析 167
9.6 径流年内变化特征 169
9.7 径流时空分布特征 171
9.8 本章小结 172
第10章 黄河上游干支流径流时空演变特征分析 173
10.1 研究方法 173
10.2 研究区概况及数据资料 173
10.3 径流演变特征分析 175
10.3.1 径流统计特征分析 175
10.3.2 径流周期特征分析 183
10.3.3 径流趋势特征分析 191
10.3.4 径流突变特征分析 193
10.4 黄河上游干支流径流时空演变特征分析 198
10.5 本章小结 199
第11章 基于ESMD的西江流域径流时空演变特征分析 200
11.1 研究区概况及数据资料 200
11.2 研究方法 201
11.3 计算结果及分析 203
11.3.1 径流年代变化特征 203
11.3.2 径流周期变化特征 205
11.3.3 径流趋势变化特征 211
11.3.4 径流突变特征分析 214
11.3.5 径流年内变化特征 217
11.3.6 径流时空演化规律 219
11.4 本章小结 221
第12章 基于ESMD的长江上游径流时空演变特征分析 222
12.1 研究方法 222
12.2 研究区概况及数据资料 224
12.3 计算结果及分析 224
12.3.1 径流周期变化规律 224
12.3.2 径流趋势变化规律 230
12.3.3 径流突变特征规律 233
12.3.4 径流时空演化规律 239
12.4 本章小结 240
参考文献 241
第四部分 ESMD方法在径流预报中的应用
第13章 ESMD-BP神经网络组合预报模型 245
13.1 研究区概况及数据资料 245
13.2 研究方法 245
13.2.1 基本方法 246
13.2.2 构建ESMD-BP神经网络组合预报模型 246
13.2.3 模型性能评价指标 248
13.3 计算结果及分析 249
13.3.1 月径流预测 249
13.3.2 旬径流预测 250
13.3.3 不同时间尺度径流预报对比分析 252
13.4 本章小结 252
第14章 ESMD-Elman神经网络组合预报模型 254
14.1 研究区概况及数据资料 254
14.2 研究方法 254
14.2.1 ESMD-Elman神经网络组合预报模型构建 254
14.2.2 模型性能评价指标 258
14.3 计算结果及分析 258
14.3.1 年径流预报 258
14.3.2 月径流预报 260
14.3.3 年径流与月径流预报精度对比 262
14.4 本章小结 263
第15章 ESMD-PSO-LSSVM-BP神经网络组合预报模型 265
15.1 研究区概况及数据资料 265
15.2 研究方法 266
15.2.1 构建组合预报模型 266
15.2.2 模型性能评价指标 268
15.2.3 预报方法选择 268
15.3 计算结果及分析 271
15.3.1 年径流预报 271
15.3.2 月径流预报 277
15.3.3 年和月尺度径流预报效果对比 282
15.4 本章小结 283
第16章 基于ESMD的月径流预测 284
16.1 研究方法 284
16.2 模型性能评价指标 285
16.3 计算结果及分析 286
16.4 本章小结 289
第17章 基于ESMD-EnKF集合预报模型的中长期径流预报 290
17.1 研究区概况及数据资料 290
17.2 研究方法 291
17.2.1 ESMD-EnKF集合预报模型 291
17.2.2 模型性能评价指标 293
17.3 计算结果及分析 294
17.3.1 基于EnKF的单一模型融合预报 294
17.3.2 基于ESMD方法的组合模型预报 299
17.3.3 基于ESMD-EnKF的集合模型预报 304
17.4 本章小结 308
参考文献 310