基于信息熵与改进极限学习机的中长期径流预测

为提高流域中长期径流预测精度,提出一种基于信息熵与改进极限学习机的中长期径流预测方法。首先,基于不同水文站点的流域控制面积构造径流综合指数,在较宏观层面表征流域水情丰枯变化;其次,采用偏互信息法计算影响对象与径流综合指数之间的相关性,获得径流过程变化的关键因子集,形成预测模型输入;最后,结合K折交叉验证与改进粒子群算法优化极限学习机(ELM)参数,构建IPSO-ELM模型,用于中长期径流预测。以雅砻江流域为例,将所建模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和PSO-ELM等预测模型进行对比分析。结果表明:所提模型的E_(mape)、E_(rmse)、E_(dc)、E_(qr)和E_(re)等性能评价指标明显优于上述4种模型;5种预测模型在D1数据集上的预测效果整体上胜于D2。

水文时空数据挖掘方法及其应用评述

随着对地观测技术的发展,遥感数据在水文研究中的应用越来越普及,其所蕴含的丰富时空信息能在很大程度上弥补传统水文台站数据无法代表区域的不足。从海量、多维、类型多样的遥感数据中提取有用的涉水信息,已成为当前遥感数据在水文应用研究中的重点。遥感数据中的时空信息在分析水文现象时空分布特征,构建真正的分布式流域水文模型或者精细流域水文模型等方面起着重要作用。在梳理时空数据挖掘概念和国外时空数据挖掘现状的基础上,提出面向具体水文应用的水文时空数据挖掘模型,应用大数据技术分析水文现象的演变规律,为相关决策提供关键的支撑信息。

基于SPI的黑龙江省干旱时空特征分析

利用黑龙江省10个气象站点1953—2015年逐日降水数据,计算不同尺度下的标准化降水指数(SPI),并结合游程理论分析黑龙江省干旱的时空演变特征。结果表明:降水仍是黑龙江省干旱的主要影响因素;黑龙江省干旱夏季和秋季呈增强趋势,SPI变化速率分别为每10 a下降0.029、0.135,春旱和冬旱呈缓解趋势,速率为每10 a上升0.061、0.074,年SPI变化速率为每10 a下降0.044;黑龙江省20世纪60年代中后期~70年代末,干旱较为频繁,且干旱的持续时间长、干旱程度大、干旱强度大,出现了1974—1980年的连续干旱期,80年代~90年代中期较为正常,90年代末及之后,干旱频率及其持续时间、程度、强度呈增加趋势;干旱事件的持续时间从西北向东南呈增加—减少趋势,黑龙江省中部的干旱事件持续时间最长。

雅砻江流域径流演变特征及成因

利用M-K检验、滑动t检验等方法系统地分析了雅砻江流域两河口、锦屏、官地和二滩4个水文站点径流情况,研究其年内分配、年际变化、趋势特征、突变点等径流过程变化特征,并探讨其成因。结果表明,雅砻江流域年内径流量主要集中在6~10月,约占年径流总量的75.46%;各站点年径流量整体呈下降趋势,从月径流量变化趋势来看,4站均在5、9月呈不显著上升趋势;雅砻江流域径流突变点为1987年,与流域内实际的水利工程建设时间基本一致,两种突变检验方法相结合提高了突变点识别的准确率。气象因素是1953~2011年径流变化的主要驱动因素,但大量水电站的开工与建成导致雅砻江流域径流在1987年发生变化。

基于改进深度信念网络模型的中长期径流预测

为提高流域中长期径流预测效果,提出径流综合指数构建、因子筛选和改进深度信念网络模型相结合的预测方法。首先研究不同水文站点(细粒度)月平均径流的一致性,构造流域径流综合指数(粗粒度),在较宏观层面研究流域水情丰枯变化;接着采用基于信息熵的因子筛选方法,获得影响流域水情丰枯变化的关键因子集,形成深度学习的输入;然后利用改进的深度信念网络(IDBN)模型进行预测。以雅砻江流域为例,将所建模型与多元线性回归、自回归移动平均、反向传播(BP)神经网络、支持向量机和传统深度信念网络等预测模型进行对比分析。结果表明:所提方法具有较好的实用性,且IDBN模型具有更好的预测速度和精度。研究结果可为流域中长期径流变化趋势预测提供参考。