基于BP神经网络的贝叶斯概率枯季径流预报研究

根据枯季径流的特点,采用多元线性回归模型模拟了先验分布和似然函数,建立了基于BP神经网络的贝叶斯概率枯季径流预报模型。与传统枯季径流预报方法相比,该方法预报精度高,能以概率分布形式定量描述预报的不确定性,为水量调度提供了科学的决策依据,实例应用表明,效果理想。

秩相关秩相似法在枯季径流预报中的应用

阐述了秩相关秩相似法的基本原理,并根据枯季径流的特点,将该方法应用于丹江口水库的枯季入库径流预报。计算结果表明,该方法的预报效果比较理想,可操作性强,可供水库在实际运行中制定调度方案时应用。

基于多项式回归模型的枯季径流预报与分析

冶河流域径流的补给来源主要是大气降水,径流和降水主要集中在5月-10月。由于受地质环境条件、流域下垫面因素作用,汛期径流与枯季径流存在良好的相关关系。枯季径流预报采用汛期径流量与枯季径流量建立多项式回归模型,通过对不同阶数的多项式进行对比分析,三阶多项式曲线拟合程度较好。采用符号检验和偏离数值检验法对该曲线进行检验,曲线拟合效果显著。并对枯季径流预报结果进行评价,按照枯季径流预报规范的要求,预报合格率达89.3%。该流域枯季径流,是沿河工业用水、灌溉用水的主要来源,分析和预报冶河枯季径流来水情况,为制定工农业用水方案提供科学依据。

退水曲线与融雪-降雨径流相结合的枯季径流预报方法研究

有积雪覆盖流域的枯季径流过程,不仅受控于前期的退水规律,还受春季融雪和降雨的影响,因此其中长期径流预报困难。基于经典退水曲线,在退水过程后期考虑春季融雪和降雨的作用,构建了退水-融雪-降雨径流的统计预报模型。以大渡河丹巴站以上流域为研究对象,基于2009~2014年的枯季气象水文资料对模型进行率定,2015~2016年进行模型预报检验,并与经典退水曲线、新安江模型的结果进行对比。结果表明,退水-融雪-降雨径流的统计预报模型具有更高精度,径流总量预报误差小,预报径流过程与实测径流过程拟合程度高,具有较好的适用性。

基于神经网络的洮河枯期径流预报模型研究

根据洮河50年(1957～2006年)的径流量、降雨和上游径流量数据,建立了基于反馈神经网络的Elman洮河枯季径流预报模型。利用matlab7提供的神经网络工具箱进行建模训练。仿真结果表明所采用的Elman网络预报模型精度高,为人工神经网络运用到水文预测方面提供了依据。

基于Elman网络的黄河源区枯期径流预报

采用反馈Elman网络，对黄河唐乃亥水文站及上游玛曲站近45年（1959—2003年）年降雨及径流流量进行分析，建立了基于反馈神经网络的黄河源区枯季径流预报模型．利用Matlab7神经网络工具箱对黄河源区唐乃亥水文站枯季径流量进行了预报．结果表明所建立的ANN（7，7，15，7）模型预报结果精度高，容错能力强，是枯季径流预报的有效手段．