参与者相关的动态工作流模型研究

为了实现工作流中任务的动态分配,分析了参与者普通模型、竞争模型、优先模型和委托模型的动态特性,提出了一种基于Petri网的参与者模型及其工作流的建模方法,使工作流中过程的定义独立于参与者状态,并在工作流执行过程中,过程实例能够根据参与者模型及其具体情况动态选择实际参与者,政务系统中公文流转的简单实例说明了该模型的实用性。     

具有弹性约束的梯级水电站工作深度优选模型

提出具有弹性约束的梯级水电站工作深度优选的一般模型。它可考虑水电站最大、最小工作库容所允许的弹性约束，按梯级总保证出力最大的优化准则，求解梯级水电站的最优工作深度。常规动态规划是本文模型的特例，本模型可容易地扩展为多阶段、多模糊约束、多模糊目标的水资源系统决策模型。     

混沌时间序列局域预测方法

在深入研究混沌时间序列局域预测方法的基础上,提出了一种加权局域基函数预测方法。该方法综合考虑了广义自由度和邻近点权重,提出了加权动态确定最邻近点数的判定条件,并利用基函数拟合确定出的最邻近点进行预测。算例分析表明,加权局域基函数法具有较高的预测精度,是比较理想的用于混沌时间序列的预测方法。     

基于小波分解的月径流预测校正模型研究

根据小波分析理论,建立了月径流序列的小波分解预测校正模型。该模型通过小波分解方法将月径流非平稳时间序列分解为多个细节信号序列和一个逼近信号序列,然后运用平稳时间序列的ARMA模型对各信号序列分别进行预测,最后再对各序列预测结果的和进行校正。以长江的宜昌站和寸滩站的月径流资料为例,分别采用ARMA模型、季节性ARIMA模型、BP神经网络模型以及所建立的小波分解预测校正模型进行模拟预测,并讨论了小波分解尺度数对小波分解预测校正模型的影响。结果表明,所建立的小波分解预测校正模型较其它模型具有更高的预测精度,并且尺度数对月径流序列模拟预测的效果没有显著的影响。     

碧流河水库下游河道的现状防洪能力

针对缺乏实测流量资料的水库下游河道,利用一维河网模型系统MIKE11,采用多种工况组合,模拟计算并分析了碧流河水库下游河道主要断面的现状防洪能力。建模过程考虑水库调度与潮位等因素的影响:使用水库下游河道最新实测断面数据与网上遥感数据,参考设计资料,并结合计算经验综合确定计算模型参数。研究成果可为碧流河水库及其下游河道组成的联合调度系统提供决策支持。     

大连市水基系统健康多目标模糊评价

阐述了城市水基系统的内涵.系统的健康应包括整体稳定、与依附其上的社会经济系统和生态系统和谐、保持健康的演进状态三方面内容,用稳定态、和谐度、演进率共同来表征.采用基于相对隶属度的模糊识别模型对大连市水基系统2001～2004年的健康状况进行了评价,结果表明:系统2001年和2003年处于健康状态,2002年处于不健康状态,2004年处于很健康状态,年际间有一定波动,其原因主要是在水文周期的影响下本地地表水和地下水的开发利用率过高.     

水库群预报调度系统业务层重构研究

为解决业务漉程逻辑与业务单元相耦合影响基于图论的水库群预报系统的通用性问题,引入重构技术隔离业务漉程逻辑与业务单元,提高流程逻辑的重用与重组能力;利用有向图中并行拓扑排序算法重组流程逻辑,改善系统的计算速度;形成通用的水库群业务组件,屏蔽图的操作,让应用开发人员更关注于水库预报调度模型的研究.最后探讨了与已有系统的集成问题.实例证明,重构业务层可显著提高水库群预报调度系统的通用性.     

基于遥感数据的小水库塘坝拦洪计算方法研究与应用

本文以美国陆地资源卫星“LandsatTM／ETM＋”数据为基础,以流域地形分类为手段,以降雨蒸发为控制条件,提出了基于遥感数据的小水库塘坝拦洪计算方法．该方法旨在利用遥感技术研究解决小型水利工程影响流域洪水预报精度的问题,主要针对上游有众多小型水利工程的流域,也可用于无径流资料的小型水库径流估算．以20060826洪水为例,对19个有资料小水库进行拦洪模拟发现,拦洪总量绝对误差为-0．2万m^3,相对误差为-0．12％,模拟精度较好．使用此方法对全流域的小水库塘坝进行拦洪计算,并校正原洪水预报方案,校正后的相对误差由校正前的31．8％降低到10．1％,精度明显提高．     

水库群联合防洪预报调度方式及汛限水位研究

根据太子河流域库群特点,进行了观音阁、汤河水库仍按原调度方式．葠窝水库采用预报调度方式的库群联合预报调度及葠窝水库汛限水位研究．结合葠窝水库的具体情况,以实际入库流量作为主要判别指标,并以观-葠区间累积净雨作为辅助指标,运用预报调度理论,将葠窝水库的汛限水位抬高了1．40m．效益、风险分析结果表明：太子河流域实施库群联合预报调度,在不增加上下游防洪风险的前提下,能显著提高发电和供水效益．     

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.