LASSO回归和支持向量回归耦合的中长期径流预报

同样预报精度情况下,中长期径流预报提前期越长,对水库调度方案与发电计划的制定辅助决策作用效果更强.中长期径流预报的难点在于径流序列的随机性以及相应预见期的气象难以可靠预报.当前的预报模型大都是基于数据分析的数据驱动模型,其输入因子多为前期径流和大尺度气候因子.而预报因子的选择对于数据驱动模型的精度非常关键.因此,需要有效的因子筛选方法以辅助建模.本文引入lasso回归方法以筛选径流预报因子,其选择结果作为支持向量回归(SVR)模型中的预报因子,形成LASSO回归和支持向量回归耦合(LSVR)模型,并将LSVR模型应用到龙羊峡水库进行预见期为一个月的入库径流预报,并与传统SVR模型预报结果进行对比.结果表明,径流因子的选择对两种模型的预报效果都有较大的影响,过多引入前期径流因子时预报效果较差.两种模型的预报结果对比表明,LSVR模型能够增强有益预报因子的作用,减弱干扰因子的影响,在验证期和测试期的预报结果都好于SVR模型的.在2010年1月到2016年10月的82个月的测试期中,LSVR模型的4项评价指标相比SVR模型都有所提升,其中均方误差(MSE)比SVR模型减小了13.09%.     

基于ESMD-BP神经网络组合模型的中长期径流预报

径流预报的精度直接关系到流域水资源优化配置与综合利用的效益最大化.针对径流序列非线性、非平稳、直接预测精度低的特点,首次利用具有自适应性特点的极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法对径流序列平稳化处理,结合可逼近任何非线性映射的误差反向传播网络(Back Propagation Neural Network,BP神经网络),建立ESMD-BP神经网络组合预报模型,并将其应用于黄河上游龙羊峡水库入库站唐乃亥站月径流和旬径流预报.首先,利用ESMD方法将径流序列中不同尺度的分量和趋势分量逐级提取出来,甄别了大尺度循环和非线性趋势;进而,分析径流周期和趋势变化规律;然后,利用BP神经网络将非平稳径流序列的直接预测转化为平稳的模态分量和趋势余项的预测,加和重构得到最终预测结果.并与单一BP神经网络、经验模态分解(Empirical Mode Decomposition,EMD)与BP神经网络组合模型作对比,结果表明:ESMD-BP神经网络组合模型的预报误差最小、预报精度最高.组合模型为"分解→预测→重构"模式,结合了EMD数据自适应分析和BP神经网络非线性映射的优点,提高了径流预报的准确率,为水文预报精度的提高开辟了新思路.     

水库防洪预报预泄调度的风险分析

水库预报预泄调度是水库防洪调度的重要方式之一,它可以提高水库防洪能力．通过分析水库预报预泄调度可能产生的后果,给出了水库预报预泄调度风险率的定义．建立了考虑洪水预报误差情况下入库径流的随机模拟方法．通过大清河流域王快水库和龙门水库实际应用表明,在目前的洪水预报精度情况下,对于10年一遇以下的洪水,对这两座水库进行防洪预报预泄调度要冒汛限水位不能及时恢复的风险,进而可能影响水库的供水需求;而对于20年一遇洪水以上的洪水,对其进行预报预泄调度是非常必要的,所发挥的防洪效益也比较明显．     

基于模糊聚类和BP神经网络的流域洪水分类预报研究

传统的流域洪水预报大都通过率定一组水文模型参数来寻求一个流域径流形成的一般性或平均化规律,其预报精度需要进一步提高.用模糊聚类ISODATA迭代模型将历史洪水分为若干类型,进行水文预报模型参数的分类调试;并建立BP神经网络分类模型判断实时洪水所属类别,选择其相应类别的模型参数实现流域洪水的分类预报.在辽宁省大伙房水库流域的实际应用表明:此方法不但可以实现洪水实时在线分类而且提高了流域整体洪水预报精度,是一种为水库实时调度提供可靠依据的有效洪水预报方法.     

基于深度置信网络模型框架的长期径流预报

长期径流预报是保障水利水电工程科学运行管理的重要支撑.随着社会经济的发展，生产实践对长期径流预报精度和预见期长度的更高要求与当前预报的表现出现了矛盾.该研究提出了一种基于深度置信网络(DBN)模型的考虑气候系统指数的长期径流预报框架，并探索了其在预见期1～12个月时的预报表现.结果表明：(1)基于该框架进行预见期为1～12个月的径流预报时，在测试期的纳什效率系数(NSE)值均高于0.50,平均相对误差(MRE)值均低于35%,预报精度较高，且随着预见期的延长，径流预报能力并未呈现下降趋势；(2)在各预见期下，训练期和测试期的预报效果评估指标相差不大，说明采用的基于DBN模型的径流预报框架不存在过拟合的问题，具有优秀的泛化能力；(3)在各预见期下，汛期的径流预报效果在NSE和决定系数R²指标上优于非汛期，在MRE指标上劣于非汛期.     

考虑预见期加权的GFS降雨预报可利用性分析研究

在统计美国全球预报系统(GFS)桓仁流域的数值降雨预报与实际降雨结果的基础上,考虑不同预见期加权,分析了预见期为1~3d的降雨预报的可利用性.分析结果表明,考虑预见期加权的GFS降雨预报较不考虑预见期加权的预报可利用性明显提高.该方法对水库调度运行有重要的实际指导意义.     

基于Box-Cox变换与Lasso回归的支持向量回归模型在月径流预报中的应用

为进一步提高中长期径流预报的精度,从而为水库调度决策及水资源配置管理提供更可靠的信息支撑,针对径流序列的偏态性和非线性特点,将Box-Cox变换与Lasso回归引入支持向量回归(SVR)模型,构建基于Box-Cox变换与Lasso回归的支持向量回归月径流预报模型(BC-LSVR Model),在对原径流序列进行相空间重...     

水电站群随机优化调度方法的研究

本文应用大系统随机控制理论,提出了面临时段有径流预报且预报可信度高,和无径流预报或预报可信度差时,水电站群长期优化调度随机递阶控制方法。它不仅可同时考虑水电站群入库径流、水库蓄放水序列间的时空随机相关,避免了“维数灾”,而且给出了简单易行的水库群最优放水决策规则,以便对水电站水库群调度实现计算机控制。算例表明,该法是解决入库径流、水库蓄放水时空随机相关多目标多水库非线性优化调度问题的一条新途径。     

时间序列分析在龙羊峡水库流量预报中的应用

本文通过对龙羊峡水库入流量过程的数学分析,建立了灰色系统GM(1,1)型与时间序列模型AR(P)相叠合的长期径流预报模型。     

基于LMBP算法的崇阳溪流域降雨径流预报模型研究

采用泰森多边形法对流域进行划分,分别确定崇阳溪上游流域6个雨量站控制子流域的面积权重.选择1997至2014年的14场流域降雨径流过程为训练样本,以上游6个雨量站的时段雨量和武夷山水文站前期流量为输入,武夷山水文站相应流量为输出,采用3层网络,其中隐含层节点数采用试算法确定,建立崇阳溪上游流域LMBP神经网络降雨径流预报模型.利用余下的7场降雨径流过程对模型进行检验,结果表明,模型运算速度快、时效性好,预报精度符合要求,可以用于流域的降雨径流预报.     

基于人工神经网络的龙羊峡水库入库径流预报

阐述神经网络是一个大规模的非线性功能系统,具有很强的非线性处理能力。人工神经网络模型是高度的非线性模型,能够有效地模拟本质为非线性的实际水文系统。又介绍了人工神经网络的结构、原理,并结合龙羊峡水库入库径流资料,利用BP神经网络方法进行预报分析,预测值和实测值的相对误差均在10%以内,预测结果相对较好。     

三峡水库中期优化调度方法研究

以建成后的三峡水库为研究对象,开发了一个基于入库径流预报的水库中期优化调度模型.所开发的优化模型使用离散动态规划法作为优化算法,模型中包括长期优化模块(时间跨度为一年,优化时段为一个月),中期优化模块(时间跨度为3~7 d,优化时段为1 d),和长中期优化模块之间的耦合环节.长期优化模块所输出的是月平均库水位,它被设定为中期优化模型所使用的离散动态规划法的终止状态,以此实现长中期优化模型的耦合.应用此优化模型进行三峡水库调度模拟的结果显示,这种耦合机制的设计是成功的:长期优化的库水位轨迹能很好地指导中期优化调度.利用开发的优化模型,研究了具有不同预见期的入库径流预报对发电效益的影响效益.发现在7 d以内,入库径流预报的预见期越长,所获得的年发电量越大.在7 d的预见期下,年发电量最大可达理论年最大发电量(8.85×1010kW.h)的85%.     

柘溪水库月入库流量预报方案的建立与对比分析

利用相关分析方法,对柘溪水库月入库流量与全球海温及27类气象因子的关系进行了分析研究．通过逐步回归,建立了3种类型的月入库流量预报模型,并进行了对比分析．研究结果表明：影响柘溪水库月径流量的主要因子有青藏高原西部西风带系统、西太平洋副热带高压和西南季风;前期海温对柘溪入库流量有重要影响,关键海区在北部印度洋和北赤道中西段．建议不同月份的预报可采用不同的预报模型,以期达到最好的效果．     

径流中长期预报模糊优选神经网络模型应用研究

预报因子选择与模型训练精度确定,是模糊优选神经网络模型应用于径流中长期预报时有待研究解决的两个重要问题.应用预报因子集与预报量间的复合非线性相关分析方法选择预报因子(集),克服了通常单因子线性相关分析选择预报因子的不适用性;通过定义综合效应系数来综合评价模糊优选神经网络模型的拟合能力与外推预报能力,为研究模型的拟合精度高而外推预测精度低的问题提供了一种解决方法.     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

考虑预报误差的枫树坝水库实时调度

在计算枫树坝水库入库洪水预报误差的基础上,进行了预报洪水风险分析,建立了枫树坝水库预报误差风险函数,为合理使用预报成果提供了科学依据.根据调度规则,结合预报误差风险作出了枫树坝水库作业预报及预报调度,可供实际预报调度决策中应用和参考.     

考虑预报误差的枫树坝水库实时调度

在计算枫树坝水库入库洪水预报误差的基础上,进行了预报洪水风险分析,建立了枫树坝水库预报误差风险函数,为合理使用预报成果提供了科学依据.根据调度规则,结合预报误差风险作出了枫树坝水库作业预报及预报调度,可供实际预报调度决策中应用和参考.     

抗差修正在白水坑水库实时洪水预报中的应用

在水库洪水预报中,由实测库水位、出库流量、水位库容曲线反推后得到的水库入库流量曲线多呈现"锯齿"状,带有波动误差,这种是不服从正态分布的粗差,因此无法通过分析其分布情况对预报值进行修正,给水库预报系统造成了不良影响.为此,尝试将抗差理论引入水库入库洪水预报实时校正中.本文以浙江白水坑水库为例,选择三水源新安江模型、马斯京根河道汇流模型,对白水坑水库入库洪水进行模拟,对实测入库洪水抗差修正后再进行实时校正.结果表明,抗差能够有效阻止非正常信息进入预报系统,从而提高洪水预报精度.     

水电站调度的模糊控制模型

水库调度是水资源开发利用的重要环节。本文探讨了模糊数学在水电站调度中的应用,提出了水电站调度的模糊控制律法。这种方法继承和发展了以往的调度经验,便于在计算机上实现调度控制。 首先分析研究水电站的运行特点,选定调度因子,如时间、水库水位,入库径流等。由历史资料分析确定各因子的变化范围,在其上面定义数个模糊子集,给出隶属函数。各因子可能出现模糊子集的组合构成水电站的可能状态。水电站调度实践使调度人员积累了丰富的经验,由此归纳提炼出水电站调度规则。这些规则描述出水电站在不同状态下运行的经验性规律,如水电站在什么…     

基于LSTM网络鄱阳湖抚河流域径流模拟研究

水文预报及其径流变化趋势预测能够为防汛工作提供辅助决策,是水库调度兴利的重要手段.与传统分布式水文模型相比,利用长短期记忆网络(LSTM)建立降雨径流预报模型具有简单可行和精度较高的优点.该文以鄱阳湖抚河流域为研究对象,采用抚河流域的降雨和径流数据分别作为模型驱动数据和标签数据,通过LSTM网络实现抚河流域的径流模拟工作.结果表明：在使用气象站数据建立的日尺度径流模拟模型中,模拟结果与实测值相关性均达到0.9以上,偏差在±5%以内,模型表现非常好;在使用TRMM数据建立的月尺度模型中,整体模拟结果与实测值相关性在0.9以上,整体偏差在±5%以内,模型表现优秀.