基于孔穴效应的时空变差函数在水文数据插补延长中的应用

水文数据在时间上一般呈现平稳性和拟周期性、在空间上呈现非平稳性;单变量具有相依性,多变量之间又有相关性。它的变差函数一般表现有孔穴效应,即水文数据变差函数非单调递增、显示出有一定周期的波动。用一维孔穴效应指数函数模型拟合水文数据的时空直接-交叉变差函数,用协同克立格最优估计方法插补延长缺测水文数据,经验证插补延长结果可信。

人工神经网络在水文资料插补延长中的应用

水文资料的插补延长一直是水文计算中的一个难题。本文针对水文资料的插补和水文资料的延长问题进行系统的研究。插补水文资料时,采用人工神经网络双向时间序列插补模型,打破了传统的单向时间序列识别模式,应用缺测时段前后已知时段水文资料,插补出缺测水文资料;展延长系列水文资料则应用人工神经网络参证站模型,并应用流量较大年份的径流资料预测未知年份的径流资料,来进一步提高预测精度,并结合紫坪铺流量资料插补延长实例,检验模型的可行性。结果表明该模型对水文资料的插补或对未知年份的径流量都能够进行较好的预测。

月尺度的协克立格模型在水文数据插补延长中的应用

月尺度的协同克立格模型能够对水文变量进行线性、无偏和最佳估计[2]。针对水文数据在时间上富足而空间上缺乏以及单变量具有相依性、多变量之间又有相关性的特点,以滦河流域内蒙古段的大河口、多伦和花塘沟三个雨量站的实测月降水量资料为基础,用月尺度的协克立格模型对缺测数据进行了插补延长。经验证明估值精度较高,结果可信。同时还对影响估值精度的数据结构进行了讨论。结果表明,数据结构对估值精度的影响主要取决于观测数据间存在的相关性。

复相关在水文资料插补中的应用

在水文分析计算中通常用相关法来插补延长资料系列。两个因素之间的相关称为一元相关。三个及其以上因素的相关,称为复相关。而本文主要介绍三个变量之间的复相关在水文资料插补中的应用。

余弦相似理论在水文序列校正插补中的应用

大多数水文模型都需要用到水文序列作为输入参数,水文序列的准确性决定了模型计算结果精度的上限。由于实际运用中,常会有各种因素导致水文序列中的某些数据项出现异常或缺失的情况,如何利用已知的资料对异常或缺失的数据进行校正和插补一直是水文计算中的一个难题。文章针对此问题进行了系统的研究,结合时间序列相似性理论和粒子群优化算法提出了一个可行的水文序列校正插补算法,并使用二滩水库的实测径流资料对算法进行了验证,结果表明该算法能较好地处理水文序列中存在的异常值或缺失值。

多时段泛克立格模型在降水量数据插补中的应用

多时段泛克立格模型是研究水文随机函数最优估计和空间预报的比较优越的方法。针对水文数据在时间上缺乏而空间上富足的特点,为了较好地解决小流域或局部区域内少站点情况下水文变量的最优估计问题,本文用多时段泛克立格模型对滦河内蒙古段闪电河流域各测站年降水量缺测资料进行了插补并在流域内进行了空间插值预报,结果表明插值预报精度较高,所得结论比较可信。

BP神经网络模型在流量资料插补中的应用

传统的水文数据插补方法多为线性方法,数据精度较低,本文采用已有数据对BP神经网络进行检验,并经实测数值验证估值精度较高,结果可信,进而对千山水文站的2016—2020年洪峰流量进行插补延长,并与传统的水文比拟法进行对比分析,差值百分比为1%~16%,证明采用BP神经网络算法得到的数据更具有安全性。该模型在当地具有一定的应用价值,可为以后工程计算与科学研究提供借鉴。