基于Elman动态神经网络的降雨—径流模拟研究

采用Elman动态神经网络对沂沭河流域上游临沂子流域日径流量进行模拟。为了更好地检验该网络估测径流的精度,同时采用陆面水文过程模型TOPX进行对比分析。确定性线系数、相关系数、平均相对误差和平均相对均方根误差四个统计指数及流域径流过程。结果表明,Elman动态神经网络能够对日径流量进行较好的模拟,较好地捕捉洪峰流量和出现时间,为降雨径流模拟提供了一种有效可靠的方法。

基于改进BP网络的日径流预报模型研究

针对常规BP算法收敛速度慢和难以获得全局最优的不足,将网络误差函数的改变量引入权值和偏移值的调整,采用自适应学习速率和自适应动量因子调整策略,建立了基于多层感知器神经网络(MLP—ANN)的水文预报模型。采用自相关函数(ACF)和交叉相关函数(CCF)确定网络输入因子并使用试错法优化网络结构。以湖南省双牌水库日入库流量预测为应用实例,并将模拟结果与常规BP网络模型和新安江模型进行对比分析。结果表明,改进模型收敛速度快、预报精度高。

基于0-1测试方法的含噪声降雨-径流时间序列混沌特征分析

运用0-1测试方法识别降雨-径流时间序列混沌特性,并探讨噪声对该方法的影响.该方法直接应用于时间序列不需要相空间重构,通过量化渐进增长率K(c),以其中值是否接近于0或1来识别时间序列的混沌特性.以云南省红河流域大东勇水文站10年的日降雨量和日径流量观测时间序列为例,运用小波去噪法对原始时间序列进行去噪,然后利用0-1测试方法中回归方法和关联方法分别量化渐进增长率K(c),从而进行混沌特性的识别和判定,并分析噪声对混沌特性的影响.结果表明,0-1测试方法简单有效地验证了该降雨-径流时间序列去噪前后均存在混沌特性,且关联方法获得的混沌特性比回归方法显著;该方法具有较高的抗噪声干扰能力,且关联方法受噪声影响比回归方法小.

利用大型水库滞洪库容减轻下游洪水影响

越来越多变的气候条件引发的高频次极端事件,导致了极端降雨与洪水预估值的持续增大。许多已建大坝已无法应对修正计算的洪水量,而要增强大坝的泄洪能力,又需花费高昂的代价。研究了如何利用增加大型水库的滞洪库容达到梯级水库的最佳防洪效果,以及通过考量整体梯级水库的特性与调度确定最佳洪水调度方案的方法。