三峡河道洪水演算模型

本文研究了非线性洪水运动特性,提出了广义示储流量和示储水位概念,得出了河段水位与流量转换关系.在此基础上,提出了一种河道洪水流量及水位模拟的统一模型,并研究了求解的有效算法.本模型除能反映洪水运动的非线性特性外,还能模拟出水位-流量绳套曲线.该模型成功地应用于长江三峡河道的洪水演算之中.     

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.     

基于栅格型新安江模型的中小河流精细化洪水预报

为提高中小河流洪水预报的精细化水平,以栅格型新安江模型(GXM)为基础,考虑沿程水流再分配、库塘坝蓄泄及河道特征对产汇流过程的影响,采用针对性的定量化模拟方法,并基于模型参数与下垫面特征的定量关系,对模型参数空间分布进行推衍。以安徽横江为例,对GXM的精细预报能力进行验证。结果表明:GXM不仅可以实现对屯溪出口断面洪水过程的高精度预报,也可以不经重新率定,实现对流域内部嵌套断面洪水过程的高精度预报;GXM能够预报流量、土壤含水量、流速等不同水文要素的时空分布,可为中小河流洪水防控提供丰富的预报产品。     

河道洪水演算的神经网络模型

提出了适用于河道洪水预防的神经网络模型，应用实测水文资料与河道洪水演算的马斯京干法进行了比较，得出：神经网络模型几乎没有进行河道洪水的连续模拟；对于线性河道系统的实时洪水预报，马法优于神经网络模型；对于非线性河道的实时洪水预报，两者相差不大，神经网络模型略优一些。     

洪水预报水文水力学模型研究

针对平原地区洪水预报特点，建立了以水动力学方法为主的河道一维洪水预报水文水动力学模型以及无资料地区以水文学方法为辅的洪水预报水文水力学模型。模型中河道洪水演算采用基于圣维南方程的差分解法，流域降雨径流预报采用新安江三水源模型。模型采用变动边界技术，将河网与两侧的地形联系起来，能准确计算出逐时段河网各断面的水位与流量。该模型在浙江省诸暨市城关至湄池河段洪水过程的模拟与预报结果表明，预报水位与实测水位吻合良好。     

基于改进自适应神经模糊推理模型的 回流焊参数设定方法

复杂制造过程中,系统参数往往呈现动态、非线性特征,以回流焊过程为例,针对现有参数设定方法效率和精度不足的问题,提出了一种基于改进自适应神经模糊推理模型的在线参数设定方法.引入了神经网络预测器来增强模糊神经网络的自适应能力和非线性逼近能力,通过最近邻聚类算法对模糊规则的参数和结构进行调整和在线更新,以提高模糊推理的精度,增强系统的容错性和鲁棒性.以回流焊过程参数设定过程为背景,建立仿真实验.结果表明,所提出方法可有效实现非线性输入输出系统参数的快速及准确的设定.     

流溪河模型在白盆珠水库入库洪水模拟中的应用与研究

 利用流溪河模型对广东省内白盆珠水库的入库洪水进行模拟计算与分析研究。采用200 m精度的DEM数据、1 km的土地利用类型和土壤类型数据构建了模型,并将流域水系分为5级不同的河道,通过在河道上设置结点将河道分为48条虚拟河段,对不同的虚拟河段赋予不同的河道参数。在给定模型参数初值的基础上,分别用3场和11场洪水对模型参数进行了调整和验证。结果表明,流溪河模型对白盆珠水库入库洪水的模拟效果较好,推求的参数具有物理基础,对于洪水模拟具有广泛的适用性,在洪水模拟及预报方面有巨大的潜力。     

Nash模型参数不确定性分析及概率洪水预报

针对通常水文预报过程参数的不确定性问题,利用贝叶斯理论,结合自适应采样的马尔可夫链蒙特卡罗方法来研究Nash模型参数的不确定性,并进行概率洪水预报。实例研究表明,该方法能充分利用已知的后验信息获取Nash模型参数的不确定性,得到其后验分布。根据获得的参数后验分布可实现概率洪水预报,同时给出各时刻洪水流量的均值和方差的预报值,为估计各种防洪决策的风险提供了依据。     

基于数据信息串行时间延迟处理的BP网络训练

通过实验对比的方法,验证了数据串行时间延迟处理对于提高BP神经网络对时间序列问题模拟精度的有效性,并将其应用于黄河下游夹河滩至高村段河道洪水预报中.预报检验结果表明,方法的预报精度优于马斯京根法.在洪水预报的实际应用中,采用N=2的延迟线不但使训练样本具有时序效应,而且能将洪水时段水位(流量)变幅的概念赋予网络,使训练样本蕴含了更多的信息,能有效提高模型的预报精度.     

宜昌站洪峰流量过程神经网络预测模型研究

以长江上游寸滩-宜昌河段为研究对象,建立了考虑区间降雨的河道洪水预报BP神经网络模型,论证了应用人工神经网络模型进行洪水预报的可行性。以1982年至1986年的洪水预报作为仿真,表明该模型能较好地反映区间降雨的影响,对大中小各种洪水过程都能进行准确预报。     

应用多元模糊推理预测方法进行邮电业务总量预测

采用一种新的模糊预测方法--多元模糊推理预测方法进行邮电业务总量预测的研究.该方法利用邮电业务总量和三个产业的生产总值的历史数据建立模糊推理规则,从而进一步建立邮电业务量水平跟三个产业的生产总值之间的模糊蕴涵关系,通过模糊推理得到业务量预测结果.该方法对预测问题中存在的不确定因素进行了处理,克服了其它模型中知识的凝固性,能够象专家一样不断地总结新的经验并调整原有的经验,具有自学习功能.利用某地区的实际数据进行分析计算,并将结果跟模糊神经元网络预测法的结果进行比较,表明多元模糊推理预测方法是有效的.     

铸造铝硅合金液相线自适应神经-模糊建模

在合金熔炼和加工过程中,往往需要知道液相线温度,以便确定相关工艺参数.建立能从成分预测铝硅系工业铸造合金液相线温度的模型.收集工业合金实测数据,采用模糊推理方法,建立了合金液相线温度的自适应神经-模糊推理模型.它具有Takagi-Sugeno型网络结构,能直接从数据中提取推理规则,并可利用前馈神经网络的学习能力调整参数.与现有的其它统计回归模型相比,模糊推理模型能反映成分之间的交互作用,具有更高的预测精度.在铸造合金研究、热力学计算和凝固过程数值模拟时,所建立的模型可用于计算工业合金的液相线温度.     

基于自适应神经模糊推理的精馏分离序列综合

模糊推理能够反映自然语言要素信息传递特性,自适应神经技术能够实现优化建模,通过抽象有效重组判据参数提炼模糊if-then规则,通过构造样本数据进行自适应神经学习训练,根据模型优化参数创建Sugeno模糊推理模型,系统化提出基于自适应神经模糊推理的精馏分离序列优化综合方法。     

利用神经模糊系统从数据中挖掘模糊逻辑

提出一种利用神经模糊系统从实验记录的曲线或者数据中挖掘模糊逻辑规则的方法。首先根据生产控制系统的实验记录的曲线或者数据,初步确定一个“if…then”模糊逻辑规则模型;然后利用具有非线性特性的神经网络和模糊推理中的模糊逻辑运算,构造了一个神经模糊系统;通过有导师的误差反向传输学习,将训练后的神经模糊系统的网络联接权的变化结合为模糊逻辑规则的变化和修改,从而实现了从实验记录的曲线或者数据中推理、归纳的模糊逻辑控制规则。     

基于聚类和文化算法的补偿模糊神经网络建模方法

根据补偿模糊神经网络的建模特点,提出了基于聚类和文化算法的补偿模糊神经网络建模方法。该网络的学习分为两步:结构辨识和参数辨识。在结构辨识中,采用改进的聚类算法确定模糊规则数及初始参数,构造一个初始模糊模型;在参数辨识中,采用基于多层信念空间的文化算法对具有5层结构的补偿模糊神经网络参数进一步优化,使其具有更高的精度。通过对TE过程的故障诊断建模,结果表明该网络在建模精度和收敛速度上均优于常规补偿模糊神经网络和常规模糊神经网络。     

模糊推理在导线间串扰预测中的应用

提出应用模糊逻辑推理对互连导线间串扰问题进行预测的方法,从前期测量数据中选择有效的电磁干扰参数作为预测因子,并根据数据的统计特性对其分级,然后归并模糊蕴涵式语句确定模糊蕴涵关系集。该方法与人工神经网络预测方法相比,不仅可以充分利用原有的专家的经验和知识,而且能够从实际数据中自动总结和提取新的推理规则。实例分析表明该方法对导线间串扰问题的预测是可行的。     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

基于目标函数的矩阵分解非线性系统模糊建模

提出了基于新的目标函数的模糊聚类建模方法．改进的模糊聚类方法把模糊模型结构辨识和参数辨识融为一体．首先,通过新的目标函数的最小化确定模糊模型的输入空间,即确定模糊规则和规则数、参数．然后对经模糊聚类得到的模糊前件推理矩阵进行QR分解,通过分析秩亏损确定重要的聚类规则．为了证明这种建模方法的性能,对非线性系统进行了仿真建模研究,仿真结果证明所提出方法是一种有效的、精确的模糊建模方法.     

微观仿真车道变换模型研究

利用模糊逻辑方法刻划建立在驾驶员知识和经验基础上的主观判断过程，设计了模糊推断的语言规则和基于模糊逻辑的车道变换算法，构建了微观交通流仿真的车道变换模型．采用不同流量条件下车辆换道次数的观测值与模拟值进行比较，验证了模型的有效性．     

基于集成模式的多参数综合智能故障诊断

基于产生式规则,事例,模糊诊断,神经网络集成模式,提出了多参数综合智能故障诊断方法,分析了多种诊断方法集成的必要性,以及该方法的知识表示,智能推理诊断及知识学习,应用结果表明这一多参数综合智能故障诊断的方法在实际工程中是行之有效的。