系统非线性组合预测方法及在黄河凌汛预测中应用

为了提高预测的精度,尤其是冰凌中长期预测的精度,基于工程模糊集、人工神经网络、遗传算法与组合预测理论,提出了系统非线性组合预测方法,给出了黄河内蒙段冰凌三种单一预测模型的非线性组合预测值．结果表明,所建立的非线性组合预测方法物理意义明确,数学推导过程严谨,预测精度高于任意单一预测模型．     

ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据,设计基于数据复杂度的纠错输出编码(ECOC)多分类算法.该算法利用数据复杂度降低多类之间的分类难度,从而提高算法的预测准确度.实验结果表明,在不同高校的慕课数据集的测试中,所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性,实现了学生学习成绩...     

模拟信源标量量化的模糊c-均值算法

为改进模拟信源标量量化的收敛速度,将模糊逻辑中的模糊c-均值算法进行适当改造,应用到模拟信源的标量量化过程中,即形成了模拟信源标量量化的模糊c-均值算法。算法将迭代过程中的分区矩阵“元素化”放宽了限制条件。仿真结果表明,新的模糊c-均值算法在选择合适的精度E的条件下,随着分区数目增加和训练序列长度的增加,收敛速度要远优于传统的c-均值算法,同时通过控制参数E,可以在收敛速度和量化失真度量M SE之间进行权衡。     

UML在研究生成绩管理系统建模中的应用

以研究生成绩管理系统的开发为背景,探讨了UML在该系统建模中的应用问题。在对系统进行需求分析的基础上,采用ROSE对系统进行需求模型、静态模型、动态模型及实现模型的建模。     

基于DEM的河网缓冲区生成方法研究

在洪水灾害危险程度区划中,需建立河网缓冲区.但是,不考虑地形影响而只按河流等级给定缓冲区宽度,则不能很好地反映实际情况.为解决这一问题,利用长江中下游的DEM和河网分布图,提出了基于DEM的河网缓冲区生成方法:利用无填洼的DEM生成流水网,进而生成子流域;挑选出河流和湖泊经过的子流域并将其进行合并,以合并后的结果作为河流和湖泊的缓冲区.结果表明,基于DEM的河网缓冲区生成方法能够生成符合实际情况的河网缓冲区.     

三峡工程泄水建筑物水力优化设计

三峡大坝在运行期和施工导流期要求的泄水能力分别达10万m3/s和7万m3/s,大坝设有永久泄水深孔23个、表孔22个、导流底孔22个.大坝采用深孔、表孔、导流底孔3层孔口相间布置方式,缩短了溢流前缘长度,解决了枢纽泄洪难题.深孔的主要作用是宣泄千年一遇以下洪水,同时还担负着三期导流及围堰发电期间渡汛泄水任务.深孔具有数量多、尺寸大、水头高、水位变幅大、运用时间长和操作频繁等特点,其进口堰顶上游坝面及侧面采用1/4椭圆曲线,堰面下游接1∶0.7的斜坡段后再接R=30 m的反弧段.通过布置方案的论证和试验研究,深孔选用短有压管接明渠泄槽跌坎布置方案,底孔选用长有压管布置方案.     

基于栅格的新安江模型的构建和应用

根据分布式模型和新安江模型的最新理论,建立了基于栅格的分布式新安江水文模型,该模型能够考虑网格之间的水量交换.将建立的模型用于钱塘江支流密赛流域的洪水模拟计算,并与新安江模型的计算结果进行比较,可以看出,基于栅格的分布式新安江水文模型可以很好地应用于该流域进行洪水模拟,其模拟精度于原新安江模型的精度相当.     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

洪水预报误差分布的极大熵法

首先根据实际洪水预报误差出现在有限区域的特点,应用极大熵原理,建立了洪水总量预报误差分布的极大熵模型;通过几个不同流域的计算,得出随着降雨量的增大,产流预报误差趋于一个稳定值的结论. 同时将该模型计算的分布与正态分布进行了比较,结果表明用极大熵法求得的误差概率分布能更好地描述洪水总量预报误差的分布特性,可以根据实际降雨量的大小确定不同的最大不确定性的误差分布,为分析不同量级洪水预报的风险提供依据.     

潮州城市防洪和滨水景观的结合

结合韩江潮州市区段防洪工程的设计,分析和探讨城市防洪工程与营造滨水景观相结合,使人工建造的环境与当地的自然环境和人文景观融为一体,形成一个科学、合理、健康而完美的城市格局。