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。     

枯季径流预报探讨

在分析研究流域气候特征及枯季径流来水规律的基础上,用水文方法分别建立了枯水期月径流预报模型。水文方法是利用水文序列资料建立自回归模型,用实测资料对预报模型进行了验证。     

Hubbard模型中的线性流响应

本文讨论了Ｈｕｂｂａｒｄ模型中的线性流响应．指出在不同条件下．Ｈｕｂｂａｒｄ模型具有绝缘体、金属和理想导体的特性     

动态线性预报模型的研究

分析了镗孔尺寸误差规律,提出了动态线性预报模型,研究了动态线性模型中参数的自修正算法。     

广东省西江北江流域热带气旋的长期预报

通过对广东省内西、北江洪水长期预报，发现某些预报的洪峰出现时间，恰好与影响该省的各场热带气旋吻合。影响西、北江形成洪水的热带气旋不会遗漏，而不影响西、北江流域的热带气旋在预报图中不反映出来，从而探索出在做洪水长期预报的同时，又可作出对热带气旋的登陆时间、地点、风力等级和大致灾害程度的预报。     

北江下游流域洪水预报模型

北江下游流域洪水预报模型干支流采用圣维南方程组的动力模型 ,差分基于Preissmann隐格式 ,用双扫描法求解。该模型考虑下游洪泛区分洪和崩堤两种特殊情况 ,能自然适合水流计算的边界条件 ,处理内边界条件简单 ,无须建立稀疏矩阵求解 ,存储量小 ,预报结果合理     

基于气象水文水动力耦合模型的流域尺度洪水预报方法： 以北江流域为例

针对中小流域目前径流和淹没预报难度较大且精度偏低的问题,本文以北江流域为研究对象,构建降雨径流-洪水淹没模型。在非耦合情况下,基于WRF-Hydro模式构建北江流域水文模型,通过对主要参数率定,优化了WRF-Hydro水文模型,模拟了流域的产流、汇流等水循环关键要素。在耦合情况下,将WRF-Hydro模式模拟的径流过程作为CaMa-Flood模型的边界条件,从而实现对整个流域的洪水淹没模拟。研究结果表明：在经过参数率定的WRF-Hydro水文模型中,针对验证期的5场典型洪水事件,皮尔逊相关系数均高于0.8,纳什效率系数在0.52至0.71之间,在预报期的三个洪水事件中,洪峰的平均误差为22.2％。在水文水动力模型耦合后,能够准确地捕捉洪水淹没与降雨强度、洪水流量变化之间的关系,进而提供洪水发生后洪泛区的淹没深度和范围等关键信息。本文构建的降雨径流-洪水淹没模型能够适用于地形复杂、降雨时空分布不均匀的北江流域,为类似半湿润流域的洪水预报提供了有益参考,同时也为水文水动力模型耦合的研究奠定了基础。     

均方误差准则下多响应线性模型的最优设计

WilliamJ.Welch(1983)给出了单响应线性模型均方误差准则下的最优试验设计.基于此结论,通过对多响应模型进行合理线性组合的方法将其转化为易于处理的单响应模型,由此给出均方误差准则下多响应模型最优设计的构造方法.解决了多响应线性模型预测的试验设计问题.     

水文预报的人工神经网络方法

本文在水文学文献上首次应用人工神经网络模型（ＡＮＮ）对广东省目前最大的飞来峡水电枢纽工程控制水文站北江横石站的日均及逐时流量进行了预报，资料包括５年洪水季节的逐时流量和全年的日均流量。研究表明能有效的模拟非线性的实际水文系统。本文提出的模型与现有的ＣＡＲ，ＡＲ和ＲＷＴＬ等线性模型进行了比较，为此鉴别了１４９个模型，ＡＮＮ模型在明显的增加了预报长度同时提高了预报精度。     

多方程线性模型系统的贝叶斯预报分析

多方程线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分.作者利用模型系统的统计结构,证明了矩阵正态Wishart分布为模型参数的共轭先验分布. 利用贝叶斯定理,作者根据模型的样本似然函数和参数的先验分布推得了参数的后验分布,然后从数学上严格推断了模型的预报分布密度函数,证明了模型预报分布为矩阵t分布. 研究表明由于参数先验分布的作用,样本的预报分布与其原统计分布有着本质性差异,前者服从矩阵正态分布,而后者服从矩阵t分布.     

多元响应线性回归模型的马氏Mallows模型平均方法改进

针对多元响应线性回归模型,提出了修改的马氏Mallows模型平均(MMMAc)方法。为了更充分地利用多元响应变量之间的相关性信息从而更好地提高预测精度,组合权重选择准则的构造同样考虑了马氏距离预测风险,并通过构造Wishart分布,推导出预测损失的无偏估计作为权重的选择准则,最终得到的MMMAc准则相比马氏Mallows模型平均(MMMA)准则增加了一个偏差矫正项,减小了对预测损失估计的偏差,因此通过最小化该准则得到的权重估计能更接近不可得的理论最优组合权重;最后,模拟对比实验验证了MMMAc方法的优势：MMMAc估计具有与MMMA估计同样的渐进最优性,因此两者的表现在大样本情形下没有太大差异,然而,由于修改后的权重选择准则为预测损失的无偏估计,因此在样本量不足的情形下,MMMAc方法的预测表现更佳。     

多重线性回归模型系统的贝叶斯预报分析

指出多重线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分．通过模型系统的统计结构,证明了矩阵正态-Wishart分布为模型参数的共轭先验分布;利用贝叶斯定理,根据模型的样本似然函数和参数的先验分布推导了参数的后验分布;然后,从数学上严格推断了模型的预报分布密度函数,证明了模型预报分布为矩阵t分布．研究结果表明：由于参数先验分布的作用,样本的预报分布与其原统计分布有着本质性的差异,前者为从矩阵正态分布,而后者为矩阵t分布．     

总径流非线性响应的Volterra模型初探

在总径流线性响应模型的基础上,提出了流域总径流非线性响应的Volterra模型,并给出了其建模和求解方法．Volterra模型的矩阵表达清晰,易于编程实现．千河流域的应用结果表明,考虑了雨强大小、雨量分布等非线性影响因素的Volterra模型,其效果优于总径流线性响应模型．     

均匀设计在多响应线性模型失拟检验中的最优性

运用Khuri（1985）组合响应的方法,将Wiens（1991）的结论推广至多响应情形．证明均匀设计在对多响应线性模型作显著性检验时,在模型失拟情况下使检验的功效函数最小值达到最大,在模型未失拟情况下使检验的功效函数最大值达到最小．     

基于MOS方法的环渤海地区大风中期预报

针对环渤海地区64个台站,应用MOS技术制作了平均风速、最大风速以及大风的96～240 h的中期预报.预报检验结果显示:平均风速和最大风速的中期预报在大多数情况下是可用的,对于大风的灾害性预报的效果较好,但仍有待于进一步提高,需要在预报因子的筛选和多种观测信息的运用方面加以改进.     

一般线性模型下的线性充分性

讨论一般线性模型＜ｙ，ｘβＤ＞下的线性充分性和最小线性充分性，得到相应的刻一理。     

基于神经网络与线性回归的轧制力预报

通过将SIMS轧制力计算公式进行相应简约化处理,避免了模型软件在该公式计算时的重复迭代求解,缩短了计算时间,因此更适合在线软件计算.利用现场实际生产数据反向回归出变形抗力模型中的系数,提高了模型中系数的准确性.用神经网络对变形抗力与应力状态系数的乘积加以修正,进一步提高了轧制力预报的精度.预测结果与实测数据比较表明,轧制力预报误差基本在±5％以内,满足了轧制力预报的精度要求.     

缺失数据下线性模型响应变量均值估计的渐近正态性

考虑响应变量随机缺失下线性模型响应变量均值的估计问题,分别获得了基于完全观测样本数据、线性回归插补后的“完全样本”和逆概率加权插补后的“完全样本”得到的响应变量均值估计,并证明了其渐近正态性．     

基于NEWS模型的北江流域营养盐输出模拟

以珠江三大支流之一北江流域为研究区域,应用国际上最新提出的流域营养盐输出模型Global NEWS,经调试后,用其估算北江流域溶解态营养盐的输出总量。通过收集文献统计资料并使用Arc GIS软件建立模拟所需数据库。经率定和验证,发现模型对DIN的模拟效率系数是0.61,具有一定的可靠性。模拟结果表明:1)2010年溶解态氮的输出总量为3.75万t/a,与2000年相比增加约9.27%,其中溶解态无机氮(DIN)占83.51%,溶解态有机氮(DON)占16.49%;2)2010年溶解态磷的输出总量为4.63万t/a,与2000年相比增加约30.05%,其中溶解态无机磷(DIP)占86.21%,溶解态有机磷(DOP)占13.79%;3)北江下游的绥江和中游的连江子流域营养盐输出总量最高,应重视这些地区的营养盐污染;4)北江流域DIN输出量的主要贡献源是大气氮沉降,其次是生物固氮和化肥施用,而DIP的主要贡献源是养殖废水,其次是化肥施用。研究结果也表明,模型对国内中小型流域具有一定的适用性。