相应涨差模型在水库实时洪水预报调度中应用

降雨发生时由于通信故障或遥测系统出错等原因,不能获得流域上游水雨情信息,只有中心站水雨情信息可得.为解决此问题,将改进的相应涨差模型应用到水库实时洪水预报调度中.模型采用衰减记忆递推最小二乘算法进行参数在缦识别,用预报流量修正公式对预报结果进行修正.通过模型及修正公式检验,该模型可应用于水库或河道的实时洪水预报中.在水库实时洪水预报时,只需中心站的流量信患,计算方法简单.将模型应用于辽宁省大伙房水库,其预报结果令人满意.该模型可为水库实时调度方案制定提供依据,也可为其他无资料或资料短缺地区的实时洪水预报调度提供参考.     

五强溪水库近坝区洪水预报方法研究

针对五强溪水库近坝区洪水预报难度大、预报精度难以满足实际需求的现状,基于历史暴雨中心分布与流域产汇流特征划分单元流域,采用三水源新安江模型构建入库洪水预报新方案进行参数率定和历史洪水模拟,并综合剖析了洪水预报误差的主要原因。研究结果表明,构建的洪水预报新方案能够取得较高的洪水预报精度,在2021年实时洪水预报作业中取得了良好的应用效果。流域内水利工程泄洪资料的缺失是目前造成洪量及洪峰模拟误差的主要原因。     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

AR模型参数的抗差估计研究

实时校正一般以实测洪水流量为校正依据.研究实测洪水流量过程出现异常值时,采用抗差递推最小二乘法代替传统递推最小二乘法估计AR模型参数,能获得更稳健的参数结果.将闽江七里街流域的洪水资料人工生成异常值,对采用抗差递推最小二乘法和传统递推最小二乘法所得的校正结果进行比较,结果表明抗差递推最小二乘法具有更强的容差能力,是一种稳健的参数估计方法.     

小流域洪水预报新安江模型参数优选方法及应用研究

针对小流域洪水降雨强度大、历时短、汇流速度快的特点,提出了一种应用新安江模型进行小流域洪水预报及模型参数优化率定的方法.该方法以最小二乘法作为模型参数优选的准则,并采用逐次渐进网格寻优法优选模型参数.由于该方法同时优选所有模型参数,不需要对实测径流进行分割,从而可避免人工分割径流而出现的参数率定误差.最后,按照该方法,应用二水源、三水源新安江模型对广东省黄京塘流域进行了研究计算,优选出了模型参数.模型验证结果表明,二水源新安江模型效果比三水源新安江模型好.     

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.     

无资料小水库影响下的中型水库入库洪水模拟

为研究小水库蓄泄作用对中型水库入库洪水过程的影响,以分布式新安江模型为基础,将子流域单元内的小水库聚合为一个虚拟水库对模型汇流结构进行改造。以安徽省重点中型水库——东方红水库为例,采用不考虑小水库影响的分布式新安江模型对2014—2017年共14场发生在汛初、汛中和汛末的洪水进行模拟,结果显示,模型能够较好地模拟汛中比较大的场次洪水,对于汛末洪水的模拟效果稍差。选择发生在汛末的2015090420号和2017070101号洪水,采用考虑小水库影响的分布式新安江模型模拟上游五里源和高堨水库蓄泄对东方红入库洪水的影响,对比分析模拟结果可知,子单元流域面积内加入虚拟水库的新安江模型,在径流深、洪峰和纳什效率系数方面模拟结果均优于新安江模型,径流深相对误差分别降低了23.2%、18.4%,洪峰相对误差分别降低了52.2%、53.5%,纳什效率系数提高了0.92、0.42。     

新安江模型与垂向混合产流模型的比较

从实时洪水预报模型通用性角度出发，对新安江模型与垂向混合产流模型进行比较研究．选用青峰岭水库流域、危水水库流域资料分别采用这两个模型进行模拟计算．计算结果表明，在湿润地区，新安江模型和垂向混合产流模型都能取得好的成果；在半干旱地区，新安江模型应用效果不太理想，垂向混合产流模型能取得比较令人满意的结果．     

考虑水库泄水影响的逐网格汇流演算方法

为将网格新安江(Grid-XAJ)模型更好地应用于受水库泄水影响地区的洪水模拟及预报,以横排头流域为研究区域,基于水库真实地理位置,利用分段马斯京根(MK)法、逐网格MK法、逐网格Muskingum-Cunge-Todini(MCT)法对比分析水库泄水对模型汇流计算的影响。结果表明:3种方法对洪峰的模拟情况均较好,率定期与验证期全部洪水的平均合格率均为100%;逐网格MK法与分段MK法全部洪水的平均径流深合格率均为76.9%,小于逐网格MCT法(84.6%);与分段MK法相比,逐网格MCT法与逐网格MK法可以反映上游水库泄水对汇流过程中流量在流域中时空分布的影响;逐网格MCT法在逐网格MK法的基础上进一步考虑了下垫面河道的真实情况;总体而言,逐网格MCT法对于受水库泄水影响流域的洪水预报具有较强的适应性和可靠性。     

飞来峡水库入库洪水计算模型探讨

在分析北江流域暴雨洪水特性的基础上,针对飞来峡水库流域洪水的特点和复杂性,采用水文学和水力学相结合的方法,构建了飞来峡水库入库洪水计算的耦合模型,整个模型由区间洪水计算的流域水文模型和河网水力学数学模型组成,模型的计算结果表明,洪水模拟与实测过程拟合较好,精度较高.其成果可作为飞来峡水库入库洪水分析和水库动库调洪计算的基础,为水库防洪调度的设计提供依据.在流域洪水模拟的过程中,采用了移用邻近参证流域资料进行水文参数率定和降雨径流模拟,取得了满意的结果,对无资料区间的洪水计算进行了有益的尝试.     

DPFT模型与RLS模型结合的实时预报模型

本文介绍了一个由法国首先提出的降雨径流流域模型,该模型把以转移函数一阶差分(DPFT)为基础的降雨径流模型与以渐消记忆递推最小二乘法(RLS)实现参数实时估计的自回归滑动平均模型结合在一起,前者用于上游子流域或支流流域:后者用于子流域以下.本文在DPFT参数计算上与原模型有所不同,经试验效果是好的.文中还用国内资料作了一个DPFT模型的算例,模拟精度是较高的.     

北江洪水预报模型

将北江流域按区域下垫面特征进行分区,建立起各单元区产汇流模型,并与北江干流非恒定流水力学演算模型耦合,形成适合北北流域洪水特点的实时洪水预报模型,用北江“９４．６”洪水验证的结果表明,模型预报精度较高,最后,还指出了模型存在的问题和进一步研究的方向。     

增广最小二乘限定记忆参数估计算法与仿真

最小二乘法可用于动态系统、静态系统、线性系统和非线性系统的参数估计,可用于离线估计,也可用于在线估计;文章在增广最小二乘递推算法的基础上引入限定记忆方式,获得了增广最小二乘限定记忆参数估计递推算法(RFMELS),解决了增广最小二乘递推算法的数据饱和问题,仿真结果表明了RFMELS算法的有效性.     

基于NARX的SI发动机空燃比非线性模型预测控制

针对SI(Spark Ignition)发动机空燃比(AFR: Air-Fuel Ratio)控制精度低、无法自适应等问题, 提出了基于NARX(Nonlinear Auto Regressive model with eXogenous inputs) 模型的非线性模型预测控制(NMPC: Nonlinear Model Predict Control)方法。利用渐消记忆递推最小二乘(RLS: Recursive Least Squares)算法对NARX 模型进行辨识, 基于NARX 模型对SI 发动机的AFR 进行非线性模型预测控制。该方法辨识精度高, 可通过NARX 模型数学结构直接计算最优控制序列, 从而提高系统的控制精度。同时, 采用Matlab 对均值发动机模型(MVEM:Mean Value Engine Model)进行仿真实验, 并与采用Volterra 模型的PI(Proportional Integral)控制器算法进行对比。仿真结果证明, 该算法控制效果比基于Volterra 模型和传统的PI 控制器的控制效果超调量小, 调节时间短, 更加具有工程实际应用性。     

最优组合预测模型在中国天然气需求预测中的应用

发展天然气工业是目前国家的一项重要政策,已被写入中国的"十三五"规划,因而合理地预测中国天然气的需求对国家制定能源政策非常重要.提出了一种基于最小二乘法的组合预测模型,并给出了对应模型参数的计算方法,利用GM(1,1)模型和SIGM模型以及2002—2017年的数据建立了预测模型,同时利用2002—2017年的数据对模型的准确性进行了评估,最后利用组合预测模型对2018—2022年中国天然气需求量进行预测,预测结果发现本模型优于其他单项预测模型,为天然气需求预测提供了新的思路.     

基于雷达测雨的实时洪水预报模型

实时洪水预报系统通常会伴随系统误差,即模型误差和观测误差．为了减小系统误差,本次研究尝试将雷达测雨技术、BP神经网络技术引入流域洪水预报中,并建立基于分布式水文模型的洪水预报模型．将该实时预报模型应用于史灌河流域．从预报的结果来看,该实时预报模型很好地解决了雷达遥感数据与水文模型的耦合,为在流域洪水预报中采用雷达测雨提供了先行的研究基础．     

双重线性模型的参数估计

用推广的最小二乘法及极大似然估计法对双重线性模型 AR( 1) - MA( 0) 中的参数进行估计,从而提高模型的拟合度和预测精度.     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.