改进小波-ARMA分频模型在径流预测中的应用

在简要分析径流影响因素的基础上,将改进的小波-ARMA分频模型应用到年径流预测中.讨论不同小波分解方式和拓延方式下沱沱河站年径流量预测,并将预测效果与其它3种模型预测进行比较.经过实证研究结果表明:整体分解方式下模型预测精度高,分步分解方式下模型实用性强.该方法拓宽了小波分析理论在影响因素不稳定条件下年径流量研究的应用范围,为径流量的短期科学预测提供了一种新方法.     

差分进化优化参数的LSSVM中长期径流预测

针对LSSVM预测模型参数难以确定的问题,利用差分进化(DE)算法的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性。将优化后的LSSVM模型应用于中长期径流预测问题。选取黄河三门峡站1919年至1992年径流量实测数据进行分析和训练,对1993年至2002年的年径流量进行预测,并与BP神经网络和SVM模型进行比较。研究结果表明,该模型具有较高的预测精度。     

基于TVF-EMD-PSO-GRU的月径流模型与应用研究

准确的径流预测在水资源规划和管理中发挥着重要作用．然而，受气候变化和人类活动等因素的影响，径流形成过程十分复杂，具有高度的非线性和非平稳性，更增加了径流预报的难度．为提高月径流预测精度，提出了基于时变滤波器的经验模态分解(TVF-EMD)和结合粒子群优化算法(PSO)的门限循环单元(GRU)的混合模型(TEPG)．首先利用TVF-EMD将原始月径流序列分解为若干个固有模态函数(IMF)，然后再利用PSO-GRU模型分别对每一个IMF进行预测，最后将每个IMF的预测结果相加得到原始月径流序列最终的预测结果．以黄河干流4个代表性水文站(包括唐乃亥站、头道拐站、花园口站、利津站)为研究对象，应用该模型对这4个测站的月径流进行单步预测研究，并与PSO-GRU(PG)模型、基于互补经验模态分解(CEEMD)的PSO-GRU(CPG)模型和基于经验模态分解(EMD)的PSO-GRU模型(EPG)进行对比分析．选用纳什效率系数NSE、相关系数R、均方根误差RMSE、预报合格率QR及预报精度等级等评价指标对模型预测精度进行评价．结果表明，与PG模型、CPG模型、EPG模型相比，TEPG模型具有更高的预...     

有限记忆静态灰色冰雪融水径流预报模型及其应用

根据塔什库尔干河流域的径流资料及喀什探空站的气温资料,采用有限记忆静态灰色模型建立了该流域的冰雪融水径流预测模型。通过灰色关联度分析对各预报因子进行筛选、建模预测,将该模型与GM(1,1)模型进行了比较。结果表明,该模型能够较好地模拟预测塔什库尔干河流域的冰雪融水径流过程,具有实际的应用价值。     

广义翁氏旋回模型及其在河川径流预测中的应用

将广义翁氏旋回模型（GWCM）应用于河川径流的中长期预测中,采用变维分形法求解模型;以黄河上游贵德站的径流预测为实例计算,将GWCM与WCM、BP神经网络模型的预测结果进行对比,结果表明,采用GWCM预测的径流过程与天然径流过程具有良好的同一性,且精度有较大的提高,为河川的年径流量预测提供了有效途径。     

基于CMIP5 RCP情景的清江流域径流对气候变化的响应研究

气候变化的径流响应在近些年逐渐成为研究热点.在建立清江渔峡口以上流域SWAT模型的基础上采用CMIP5模式组3种模式下各RCP情景2016年～2100年的月降水数据集,经降尺度后对研究流域的月径流进行预测,并与历史时期(1990年～1999年)径流情况进行对比以评估径流变化.结果表明：以恩施站为代表的未来年内最大月降水出现时间提前1～2个月,流域年内最大月径流出现时间也提前1～2个月,降水和径流均在2016年～2100年间呈整体增强趋势.短期(2016年～2035年)内,大部分模式预测的降水和径流将低于历史时期(1990年～1999年),但中期(2046年～2065年)大部分模式预测的年降水量和径流量呈增加趋势,在2081年后该趋势更为明显.CMIP5模式组中不同预测模式的不确定性大于不同典型浓度路径,且降水的输入为径流预测误差的主要来源.     

基于VMD-CNN-LSTM模型的渭河流域月径流预测

为了提高月径流预测的精度,解决月径流的非线性和不稳定性对于预测结果的影响,提出了变分模态分解(VMD)、卷积-长短期记忆神经网络(CNN-LSTM)组合的VMD-CNN-LSTM模型.通过选取渭河流域张家山站和魏家堡站1960—2005年的实测月径流数据进行训练和测试,并与EMD-LSTM、EMD-CNN-LSTM、V...     

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.     

模糊神经网络模型在中长期径流预报中的应用

本文采用减法聚类初始化模糊推理系统,建立了模糊神经网络中长期径流预测模型,采用改进BP算法对神经网络进行训练,使传统的模糊推理具有了较好的自学习和联想能力。以新疆伊犁河雅马渡站23年实测数据资料为样本进行训练并预测水文站的年径流量。结果表明,该模型预报结果精度高,模型可靠,证实了该方法应用于中长期径流预报的合理性和有效性。     

极大熵谱在径流时间序列周期分析中的应用

针对年径流序列存在多年变化周期,但径流时间序列变化受诸多因素影响,存在着多种不确定性的情况,笔者采用极大熵谱分析来提取径流时间序列的周期成分,对黄河上游贵德站年径流时间序列进行周期分析,得出贵德站具有12.5,5.9,4和3年的主周期。结果证明该方法可行,同时其结论为研究径流预测提供了科学的依据。     

大规模参数优化算法及其在R-R模型中的应用

研究并建立一种参数优选的改进遗传算法．该方法是一种隐并行非数值算法,它能较好地处理非线性、多峰、非凸的寻优问题．利用该算法对流域降雨－径流模型的九个参数进行优化,能克服传统优化方法把降雨径流物理过程割裂开来的缺陷;同时可求出产汇流过程参数群的值,实现整体优化．计算结果表明,该算法效果令人满意．     

大规模参数优化算法及其在R—R模型中的应用

研究并建立一种参数优选的改进遗传算法,该方法是一种隐并行非数值算法,它能较好地处理非线性,多峰,非凸的寻优问题,利用该算法对流域降雨－径流模型的九个参数进行优化,能克服传统优化方法把降雨径流物理过程割裂开来的缺限;同时可求出产汇流过程参数群的值,实现整体优化,计算结果表明,该算法效果令人满意。     

基于SWAT模型的柴河水库流域径流模拟研究

SwAT模型能与GIS结合模拟复杂流域不同土地利用条件下的水文和非点源污染过程.采用ArcSWAT对柴河水库流域进行径流模拟,利用2002-2003年的实测水量、降水数据进行参数率定,应用2004-2005年的实测数据进行模型验证.模拟结果表明,SWAT模型在柴河水库流域径流模拟中的适用性和可靠性良好,可为流域水文过程的预测提供可靠的模型基础.     

基于SWAT模型和SUFI-2算法的渭河流域月径流分布式模拟

在渭河流域构建分布式水文模型SWAT,并采用SUFI-2算法进行参数敏感性分析以及参数率定、模型验证与不确定性分析,对渭河流域1961—2008年的月径流过程进行模拟.研究结果表明28个跟水文相关的参数对径流均有不同程度的相关性,如CN2、ALPHA_BF、SLSUBBSN、SOL_BD、HRU_SLP、SOL_K、SOL_AWC以及SMFMX等最为敏感.林家村、魏家堡、咸阳、临潼和华县水文站的月径流模拟与实测过程线总体拟合程度较好,率定期和验证期多数站的Φ和效率系数ENS值均高于0.6(0.7),所有站的确定性系数R2值均高于0.7(0.8).R-factor均较小,但林家村和魏家堡站在率定期的P-factor也很小,表明在这2个站的实际不确定性较大.可能的原因是水库运行以及农业用水考虑的不足.总体上,渭河流域SWAT模型月径流模拟效果较好.     

基于CEEMD-BP模型的水文时间序列月径流预测

水文时间序列月径流预测在水资源的规划与管理方面具有重要的作用,由于径流序列的非线性和非平稳性,对其准确地进行预测较为困难. 本文基于1956—2013年青海湟水河流域月径流序列,将完备的集合经验模态分解方法（complete ensemble empirical mode decomposition, CEEMD）与BP神经网络组合进行月径流预测. 结果表明:组合模型CEEMD-BP和EEMD-BP相比于单一的BP神经网络,可以更好地保留原始数据的信息,预测效果更好,其中CEEMD-BP在组合模型中的预测精度更高,可用于水文时间序列月径流预测.      

城市轨道交通高峰时段站间起讫点矩阵预测模型

高峰小时单向最大断面客流量是城市轨道交通规划与设计阶段的重要参考依据.为了确定这一参数,需对高峰时段内出发的乘客选择的出发时刻与路径进行预测.高峰时段站间起讫点(OD)矩阵反映了城市轨道交通乘客的出行需求,是整个预测的基础.在全天站间OD矩阵已知的前提下,以中国重庆市为研究对象,首先分析传统的重力模型在预测城市轨道交通高峰时段站间OD矩阵时的优、缺点,并在此基础上进一步提出站间客流高峰时段系数模型.比较结果表明,在同一数据源下,站间客流高峰时段系数模型能有效改善传统的重力模型所存在的缺陷,预测结果明显更优.该模型预测结果的标准误差为12.90人次,相较于重力模型的29.33人次降低了56.02%.     

基于MIKE11的城市河网雨水径流污染模拟研究

随着我国社会经济的快速发展,城市雨水径流污染成为影响水环境的重要因素,预测雨水径流的影响对保证用水安全与城市水环境质量具有重大意义。基于MIKE11模型软件,构建城市河网水力水质模型,确定河网水量水质变化情况;模拟降雨径流对河网水环境的影响范围与时间,掌握河网水质自净及纳污规律。通过与实际监测数据对比分析,该模型能较好模拟河网在雨水径流影响下的水环境变化,预测结果可以为该区域水环境保护和水资源管理决策提供科学依据。     

基于MIKE11的城市河网雨水径流污染模拟的研究

随着我国社会经济的快速发展,城市雨水径流污染成为影响水环境的重要因素,预测雨水径流的影响对保证用水安全与城市水环境质量具有重大意义。基于MIKE11模型软件,构建城市河网水力水质模型,确定河网水量水质变化情况;模拟降雨径流对河网水环境的影响范围与时间,掌握河网水质自净及纳污规律。通过与实际监测数据对比分析,该模型能较好模拟河网在雨水径流影响下的水环境变化,预测结果可以为该区域水环境保护和水资源管理决策提供科学依据。     

基于信息扩散近似推理的年径流量预测模型

通过分析年径流时间序列的特性,利用信息扩散近似推理描述年径流量间的复杂非线性关系,建立起基于信息扩散近似推理的年径流预测模型。信息扩散近似推理将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可以将矛盾模式转换成兼容模式。通过与传统预测方法相比较,发现该模型能够很好地光滑样本数据以及能够较好地发掘知识,有较高的预测精度和推广应用价值。     

气候变化对挠力河径流量的影响

利用Mann Kendall突变检验法分别分析了1956—2005年50年来的宝清站和菜嘴子站年平均径流量演变的阶段性特征,并建立了径流 降雨的经验模型,利用该模型分析了气候变化和人类活动对径流的影响.研究结果表明：50年来宝清站和菜嘴子站的年平均径流量演变可分为两个阶段:1956—1967年的基准期和1968—2005年的变化期.变化期内径流量的年际和年内都发生了较大变化,体现在年平均径流量减少显著,两个站的年平均径流量减少量都在50%左右.径流变差系数有不同程度的增长,其中菜嘴子站增长了近30%.年内分配变化主要体现在径流峰值上,菜嘴子站的夏季径流峰值和最低值的出现时间都较第一阶段提前了一个月.变化期内年均径流量的变化主要是由人类活动引起的,气候变化引起的径流量变化占年均径流量总变化量的40%左右.