基于WNN和FRM模型的流域水文中长期预报

选取4个前期预报因子,以模糊识别模型对中长期水文现象进行拟合与预测,用小波神经网络计算预测模型权重,以相关系数大于0.90的回归方程作为拟合方程,对流域水文现象进行中长期预测计算与检验。结果表明:该方法具有一定的合理性和简便性。

灰色系统的拓扑预测方法在水文中长期预报中的应用

本文应用灰色系统的拓扑预测方法对湖北省宜昌市沮漳河河容站的年度最高洪水位进行了预测．研究表明该能够较理想地解决水文单因素的中长期预报与分析．作为比较，本文也给出了ＡＲ（ｐ）回归模型预测结果．

水文中长期预报的模糊综合分析——门限回归耦合模型

根据成因及模糊集分析,考虑预报因子的权重,将影响预报对象的多个因子综合成一个指标,再依据门限回归原理建立了模糊综合指标与预报对象间的门限回归预测模型,实例表明效果较好,可用于生产实践中。

三峡库区中长期水文预报研究进展

高精度的中长期水文预报对三峡库区的防汛抗旱计划编制和发电调度安排具有重要指导意义。目前,国内外中长期水文预报的研究热点包括影响因素、预报方法和不确定性分析等方面。其中,中长期水文预报方法包括过程驱动模型、数据驱动模型和组合模型,本文分别对过程驱动模型和数据驱动模型的代表性模型基本原理及适用条件进行展开分析。并结合三峡库区水文气候条件和应用的预报方法,揭示三峡库区中长期水文预报的研究进展。同时展望下一阶段三峡库区中长期水文预报的研究应着重考虑的问题:(1)流域情势和径流变化成因;(2)预报方法可靠性;(3)预报过程不确定性。

基于互信息与神经网络的天山西部山区融雪径流中长期水文预报

为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:(1)互信息法优选出的预报因子作为模型输入可以提高预报精度;(2)采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;(3)以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。

多因子逐步回归周期分析在中长期水文预报中的应用

利用多因子逐步回归周期分析法建立长江宜昌站年平均流量的中长期水文预报模型．结果表明：所选优势因子主要是一组反映冷暖空气活动的指数，冷暖空气的活动和强度对宜昌的年平均流量影响很大；各优势因子的优势隐含周期4～9个不等，且普遍都具有25a和22a的变化周期；多因子逐步回归周期分析法对长江宜昌站年平均流量的拟合和试预报合格率都达到了100％，具有较高的可信度．

基于气象因子的中长期水文预报方法研究

气象因子与径流序列在物理成因上有着比较密切的关系。基于此,对气象因子与径流的关联性进行空间上的变异分析。先对气象因子进行R型主成分分析,然后选择出影响径流量的主因子,计算因子得分,通过聚类分析进行径流量的定性预报。实践证明,此种方法有很好的可靠性,值得应用和推广。

基于SpringBoot框架的中长期水文预报系统设计与开发

鉴于中长期水文预报能有效为宏观防洪形势分析和水资源管理提供科学依据,提出了Java环境下基于SpringBoot框架开发的中长期水文预报系统。该系统集成了包含随机森林、支持向量机、小波分析、贝叶斯模型平均等多种模型方法的Python模型库以提高开发效率;采用了基于RabbitMQ技术的异种语言调用与基于RESTful技术的轻量级接口设计以降低系统响应时间。并搭建了全国主要江河流域共10个断面的中长期水文预报系统作为示例进行分析,实现了中长期水文预报业务化运行,可为同类系统开发提供参考示范。

混沌相空间相似模型在中长期水文预报中的应用

基于相空间重构技术,建立了局域单点相似模型、局域多点相似模型、局域线性相似模型和三参数模型4种相空间模型。白山水库月径流量和主汛期径流量的模拟预报应用实例表明,相空间局域模型对揭示水文动力系统复杂的非线性结构很有效,该模型对径流过程的中长期预测是可行的,并有较好的预测精度和应用价值,对提高现行洪水预测精度有一定意义。

时间序列分解模型在水文要素中长期预报中的应用

基于时间序列分解法，建立了降雨、水库来水的中长期预报模型。引入灰色系统理论来分离趋势项，并应用反馈模拟校正技术对预报结果作出实时校正，从预报结果可以看出，所建模型具有较好的适应性和预报精度。

基于灰色系统与RBF神经网络的中长期水文预报

及时、准确的中长期水文预报能有效促进水库管理优化。以非汛期各月径流量为预报因子,通过计算所需预报年份与已有径流资料历史年份的预报因子之间的灰色关联度,遴选出与该年灰色关联度较大的年份作为代表年份。采用MATLAB数学软件构建RBF神经网络预报模型,利用选定的代表年份径流量对目标年份汛期径流量进行预报。以清河水库为例,用该模型预报汛期径流量。结果表明,模型简单可操作、运行速度快、预报效果好。

基于WA、ANN和水文频率分析法相结合的中长期水文预报模型的研究

针对传统中长期水文预报方法模拟预测结果精度低、未考虑水文不确定性因素的影响等问题,本文将小波分析(WA),人工神经网络(ANN)和水文频率分析法联合使用,建立了不确定性中长期水文预报模型:即在应用WA揭示水文序列变化特性的基础上,将原序列分为主序列和随机序列两部分,然后利用ANN对主序列进行模拟预测,对随机序列进行水文频率分析,最后将两部分结果叠加作为最终预测值。将该模型用于黄河河口地区作中长期水文预报,并与传统方法作对比,进行模型验证。结果显示:该模型能同时揭示序列的时、频结构和变化特性;预报值结果精度高;且合格率高;能定量分析和描述水文不确定性因素对预报结果的影响,可得到不同频率对应水文序列的模拟预测值。因此该模型的预报结果更加合理有效,对实际生产应用更具有指导意义。

智能预报模式与水文中长期智能预报方法

建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中长期水文智能预报时,首先选取训练样本的数量,根据预报因子与预报对象的相关关系得到相对隶属度矩阵;再将其作为BP神经网络输入值以训练连接权重;最后将得到的连接权重值用于预报检验。计算结果表明,智能预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。

基于改进灰色-周期外延模型的中长期水文预报

通过分析灰色系统理论和周期分析方法在水文预报中的各自特点,建立了灰色-周期外延组合预报模型。针对模型预报误差,采用AR(p)模型对误差序列进行拟合和预测,并据此对原模型预测值进行校正。将改进后的模型应用于中长期径流预报实例计算中,结果表明,改进后的模型更好地利用了实测系列的信息,具有更高的预报精度。

中长期水文预报综合分析理论模式与方法

为了探索提高中长期水文预报的精度，本文依据水文成因、统计与模糊集分析相结合的研究方法论。

中长期水文预报的模型辨识及预测研究

针对中长期水文预报的模型辨识进行研究,探讨了预处理、建模数据量和建模方式对于模型预测精度的影响。利用基于有限采样信息准则(FSIC)的组合信息准则(CIC)对模型进行定阶,结合Kalman滤波方法进行非线性预测研究。研究表明:①在进行模型辨识时,如果预处理导致识别的模型复杂度大幅度降低,应通过模型的预测结果对预处理方法的合理性进行检验;②建模数据量应足以反映时序的内在波动性,但并不是越多越好,过多的建模数据量会导致模型的复杂性大幅度增加,在增加计算耗时的同时,也降低了预测的稳健性;③滑动模型主要是改善了较高径流值和径流峰值的预测情况,相对牺牲了较低径流值的预测精度;④Kalman滤波方法全方位、大幅度的提高了径流在各个区段的预测效果,其峰值预测准确率更是高达63.64%。

福建省电网中长期水文预报系统设计与开发

利用Java技术平台,采用双机群集数据库系统(Oracle 10g)成功设计并开发了基于Web的福建省电网中长期水文预报系统。将长期预报和中期预报分离,前者采用多种数理统计模型,以月或旬为预报时段提供未来1 a的径流预报及相关的频率预报;后者采用考虑城市气象预报的人工神经网络模型,以日为预报时段提供未来7 d的自动、滚动式径流预报。重点阐述了系统架构设计、业务逻辑设计、功能模块设计和程序开发过程中的关键技术问题。

基于遗传算法优化的小波神经网络在中长期水文预报中的应用——以三门峡为例

造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。

基于单相关系数法的中长期水文预报研究

造成中长期水文气象要素变化的因素多而复杂,用单一的线性关系选择预报因子建立预报方程有可能把较好的预报因子漏掉。本文根据成因分析的方法,寻找预报对象与预报因子之间的物理联系,采用单相关系数的计算、比较,确定优化预报因子建立多元回归预报方程,这样选择到的预报因子更符各实际,建立的预报方程具有较好的拟合预报效果。

基于灰关联分析的多元线性回归模型在中长期水文预报中的应用

采用灰色系统理论中的关联分析方法,对影响径流的各个因素进行分析,挑选出影响径流的主要因子,建立径流与主要影响因子之间的多元线性回归预测模型。通过实例证明,该方法简单可行,预测精度较高。