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。     

分布式格林-安普特降雨径流模型研究

构建了一种基于网格计算流域蒸散发及产汇流的分布式格林-安普特降雨径流模型,并选择陕北黄土高原地区两个半干旱流域为研究区域,研究该模型在半干旱地区的应用效果。结果表明：在两个半干旱流域,分布式格林-安普特降雨径流模型的应用效果好于GA-PIC模型和格林-安普特模型,尤其对于洪峰的模拟精度更高;分布式格林-安普特降雨径流模型中基于网格的坡面汇流与河道汇流模块能够更准确地计算出径流汇集到流域出口断面的时间;分布式格林-安普特降雨径流模型能更精确地计算出流域不同位置的产流过程,并准确地模拟流域产流面积分布情况;半干旱地区降雨时空分布不均,超渗产流主要受降雨强度的影响,降雨观测精度对径流预报精度影响较大。     

中长期径流预报中PCA-IBP模型的改进算法研究

径流预报的信息有很大的相关性,这是必须在预报工作中避免的,同时,这些信息的维度较高,且以往处理这些信息的数学模型计算复杂度较高.针对以上问题提出了一种混合主成分分析方法(PCA,Principal Component Analysis)和改进BP(Improved Back Propagation)神经网络模型的中长期径流预报模型(PCA-IBP),此种方法可以很好地避免以上不足,可以进一步提高模型计算效率.实际数据验证表明,提出模型预报的精准程度以及效率都较传统的BP神经网络预报模型有所改善.     

紫荆关流域降雨径流变化趋势的分析

为了探讨紫荆关流域降雨与径流变化的规律,采用Mann-Kendall秩次相关检验法对紫荆关流域1956~2005年长系列降雨、径流资料进行了分析,并给出了降雨变化对径流变化贡献程度的定量描述方法。结果表明:紫荆关流域年径流量有明显的下降趋势,年降雨量有下降的趋势,但不显著;年降雨量与年径流量有一致的变化趋势,且二者变化过程关系密切,降雨是影响径流变化的主要因素,其贡献程度达到了39.68%;由于受到非降雨因素的影响,二者的相关性随着年代的推移呈减弱的趋势变化。     

基于BP神经网络的泉州市山美水库降雨径流模拟研究

考虑到降雨-径流的非线性关系的复杂性,同时保证较高的计算时间效率,本研究采用率定—验证同步进行的BP神经网络模型,以降水量、时间、气温、风速、辐射量等5个因子作为输入层变量,以实测流量为训练数据,对泉州市山美水库来水量进行月时间尺度的模拟.并与SWAT分布式水文模型的模拟结果进行比较,以此评价BP神经网络模型模拟降雨径流过程的精确度与可行性.研究结果表明,BP模型模拟结果的误差均在允许范围内且精确度较高,适用于山美水库来水量预测研究.     

基于网格的精细化降雨径流水文模型及其在洪水预报中的应用

以正交网格降雨径流模型研究为基础,提出了用于洪水预报的精细化基于网格蓄满与超渗空间组合的降雨径流模型(Grid-XAJ-SATIN)。从模型的原理与结构、地理信息空间处理、参数空间分布估算、模型的驱动场分析、模型流域状态同化几个方面对该模型进行讨论,分析模型在湿润、半湿润流域的实际应用情况。结果表明,无论是湿润流域还是半湿润流域,所提出的精细化模型均能取得良好的模拟预报精度,且模型在输出流域出口断面流量过程的同时,可实现对流域内任意网格单元流量过程的精细预报。     

唐乃亥流域近期降雨径流特性变化分析

根据降水对径流的影响，以统计假设检验和小波分析方法对唐乃亥流域近30年来的降雨径流变化趋势进行了分析与检验，并考察了总径流量的变化趋势，分析了唐乃亥的枯季径流、汛期径流、年径流及相应时段的降水以及降水和径流的变化趋势，得出了唐乃亥流域的蓄水特征和产汇流特征的变化。初步认为造成这种变化的原因是气候的改变，但对其与人类活动、生态环境效应的关系的密切程度尚需进一步研究。     

九龙江流域降雨径流污染特征研究

选取福建省九龙江流域内5个典型小流域作为研究区．在GIS技术支持下．采用现场调查与资料收集,野外监测与室内分析相结合的方法．利用2003年5～6月两场降雨事件全过程实测的水文数据、营养盐氮、磷负荷进行对比分析．得到不同土地利用类型小流域降雨径流污染特征与规律：降雨径流中污染物浓度高于非降雨期,且总氮、总磷的流失负荷主要受降雨强度、径流量大小影响,浓度变化过程与流量变化呈大致相同的趋势．溶解性污染物如氨氮．在降雨径流过程中浓度变化幅度较小．表明其溶解性所受到的水环境条件的限制可能大于流量变化对它的影响．施肥水平对污染负荷也有较大的影响．径流流失的氮素以可溶态氮为主．磷素主要以颗粒态磷为主．但以林地为主的小流域．因植被覆盖好．几乎不发生土壤侵蚀．磷素的径流流失以可溶态磷为主．     

格林-安普特降雨径流模型改进及初步应用

将基于土壤及降雨资料计算得出的具有物理基础的下渗能力分布曲线引入格林-安普特降雨径流模型,选择中国和美国2个半干旱流域作为研究区域,将改进后的格林-安普特模型与原模型及新安江模型进行模拟对比,研究改进后模型的应用效果及其在半干旱地区的适用性。结果表明:在2个半干旱流域,改进格林-安普特模型模拟结果均好于原始格林-安普特模型及新安江模型;增加的具有物理基础的下渗能力分布曲线能够更好地反映流域内各位置下渗能力随降雨和时间变化的特点,更加精确地计算出流域内下渗量及产流量;半干旱地区洪水多由短时强降雨引起,产流主要以超渗地面径流为主,降雨观测精度和降雨强度对模型模拟精度影响较大;改进格林-安普特降雨径流模型能够在半干旱地区洪水预报中发挥作用。     

基于SWAT模型的缺资料流域径流模拟研究

为实现流域水功能区水质目标管理,需要知道河道各控制断面的径流情况,然而中小河流常因水文站点缺乏而难以满足要求,为此,本文以赣江袁河流域为例,利用袁河上游芦溪、茅洲两站的实测资料构建了分布式SWAT水文模型,以月径流模拟的相对误差、相关系数和Nash-Suttcliffe效率系数3个指标为标准,对模型的敏感参数进行率定和验证.然后,利用已建立的袁河流域分布式SWAT模型模拟分析了下游无资料地区的径流数据.结果表明:以流域内有资料的区域为基础构建分布式SWAT分布式水文模型推求中下游无资料地区径流过程的方法具有物理成因、能够充分考虑流域的水循环特征,是一种缺资料流域推求径流比较实用的方法.     

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.     

甘肃葫芦河流域径流变化的SWAT模型模拟

利用SWAT模型模拟研究了甘肃葫芦河流域过去9年的径流变化.结果表明:20世纪80-90年代流域径流减少的主要原因是气候变化.在此基础上,根据未来不同气候情景的变化趋势,模拟了葫芦河1985年的径流变化.得出气温影响相对较小,降水变化对葫芦河流域径流量的影响较大,径流量随降水的增加而增大,随气温的升高而减小.在气温降低配合降水增加的情况下,径流响应最剧烈,且呈明显增加趋势;相反,气温升高且降水减少不利于径流的产生,减少了实测值的61%.     

基于LMBP算法的Drazin矩阵逆的求解

研究利用神经网络求解Drazin矩阵逆的一种新的算法,根据Drazin矩阵所具有的性质和已经研究的成果,对Drazin矩阵逆的求解的预处理过程及求解分别设计了循环神经网络和LMBP神经网络结构.据算法求解的实例结果,与传统算法进行了比较,表明新的算法具有优越性.     

基于相空间重构的支持向量机方法在径流中长期预报中应用

水文中长期预报对于水资源规划管理、水库及水电站调度具有十分重要的意义.针对常规混沌预测方法的局限性,提出基于相空间重构的支持向量机(SVM)预报方法.该方法首先对径流时间序列进行混沌辨识,然后对其进行相空阃重构,采用基于结构风险最小化的SVM进行径流预报.对于SVM的参数优选问题.以径向基核函数作为核函数,采用混沌交尺度优化方法进行参数寻优.实例表明.该方法优于SVM和人工神经网络(ANN)预报方法.且具有良好的泛化推广能力.     

径流对气候变化和人类活动的响应——以渭河流域为例

定量区分气候变化和人类活动对径流的影响,对区域水资源管理具有重要的现实意义.本文基于实测径流数 据和前人重构的自然径流数据,借助趋势分析、突变检验、多元线性回归等方法,定量分析渭河流域气候变化和人类活动 对径流的影响,并通过与水文敏感性系数方法的分析结果相比较,进一步验证结果.结果表明:1965-2012年华县站、张 家山站和状头站的实测径流分别以7.99×108、2.86×108 和0.787×108 m3·(10a)-1的趋势减小(α<0.05).气象要素 中,渭河干流的风速和相对湿度呈显著减小的趋势,气温呈显著增加的趋势(α<0.05);泾河流域的相对湿度呈显著减小 的趋势,潜在蒸散发和气温呈显著增加的趋势(α<0.05);北洛河流域各气象要素的变化趋势同泾河流域相似.突变检验 表明华县站、张家山站和状头站的年实测径流分别在1993、1996 和1994 年前后发生了突变,其径流分别下降了 38.81%、47.67%和42.22%.多元回归分析表明气候变化对华县站、张家山站和状头站径流变化的贡献率分别为 49.30%、38.05%和69.86%.水文敏感性分析方法的结果同多元回归方法相似,气候变化对3个水文站径流变化的贡献 率分别为48.61%、39.21%和64.86%.      

基于相关向量机的中长期径流预报模型研究

鉴于其优越的预报性能,将相关向量机（RVM）应用到中长期径流预报中,并在相空间重构的基础上,建立了基于相关向量机的径流预报模型.该模型首先对径流时间序列进行相空间重构,并以重构后的径流序列作为模型输入;其次,采用粒子群优化（PSO）算法识别模型参数,利用优化所得重构参数验证时间序列具有混沌特性,在模型内循环过程中采用EM算法迭代估计超参数,并将RVM与应用较为广泛的最小二乘支持向量机（LSSVM）和自动回归滑动平均模型（ARMA）进行了比较分析,结果表明该模型具有较好的泛化能力;最后,基于水文过程变化的不确定性、RVM描述输出值的不确定度以及相应概率下的预报区间,使得调度人员在决策中能考虑预报的不确定性,定量估计各种决策的风险和效益.     

基于EWT-PSO-Elman耦合模型在径流预测中的应用

由于径流序列的非线性和非平稳性,单一预测模型能力有限,难以做出准确预测。因此,论文基于澄碧河流域坝首站1979-2019年共41a的实测月径流序列,引入经验小波变换分解(EWT)、粒子群算法(PSO),建立一种基于Elman神经网络的组合月径流预测模型(EWT-PSO-Elman),并采用纳什效率系数(NSE)、平均相对误差绝对值(MAPE)和均方根误差(RMSE)对测试集的预测结果进行评价与分析,并将预测结果与EWT-PSO-BP、PSO-Elman、PSO-BP、Elman、BP模型进行比较。结果表明：EWT-PSO-Elman模型的纳什效率系数为0.9135,均方根误差为19.4511,预报等级为甲级,具有较好的预测精度和泛化能力;EWT-PSO-Elman模型的预测精度优于EWT-PSO-BP、PSO-Elman、PSO-BP、Elman、BP模型。可见,EWT-PSO-Elman模型具有更好的预测精度,可应用于径流预测研究中。     

1960-2005年湄公河流域径流量演变趋势

根据湄公河流域6个代表性水文站1960—2005年的实测资料,利用滑动平均法和Mann-Kendall非参数检验法对径流量变化趋势进行了分析.结果表明:湄公河流域径流量年际变化较平缓,趋势不显著;年代变化中,上游3个站点的变化趋势较小,而下游3个站点呈现先减小后显著上升的趋势;径流量年内分配极不均匀,下游地区来水比上游地区更加向汛期集中,月径流量有显著变化趋势的主要发生在非汛期月份,大部分站点汛期呈下降趋势,非汛期呈上升趋势.     

基于人工免疫算法的电网负荷预测模型的研究

为了克服传统神经网络预测方法在网络结构设计和收敛效果等方面存在的缺陷。提出了一种进行电力系统负荷预测的新算法———人工免疫算法。该算法是根据高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行选择,通过抗体之间的相互激励作用提高了最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用该模型于阜新地区负荷预测的实例中,结果表明,该模型与传统的神经网络预测方法相比具有较强的自适应能力和较好的效果。     

基于LM-BP和SVR的倾倒变形体变形预测

为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM BP神经网络和SVR进行变形预测研究。基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM BP神经网络模型和SVR模型,对部分监测数据进行（先行学习）训练,对后续的监测数据进行验证预测,预测预报了研究测点的变形情况。分析结果表明,2个模型精度都比较高,LM BP神经网络模型的最大误差为2.53%,SVR模型的最大误差为4.35%,预测方法有效。