形状约束下的流域汇流模型与实时预报方法研究

考虑到长江流域复杂的地形特征以及降雨时空分布变化对流域汇流的重要影响，通过引入形状约束条件，建立了以串并联相混合的水库模式为基础的流域分散入流非线性汇流模型，从而较合理反映了白莲河流域这种典型的双羽形水系的汇流特性。在此基础上，运用可变遗忘因子递推最小二乘算法对预报模型汇流结果进行实时校正。     

洪水扩散波实时水位预报模型及其算法

运用洪水扩散波理论建立了河道水水位实时预报模型，改进了Ｔ．Ｋ．Ｆｏｒｔｃａｃｎｅ时变遗忘因子最不二乘估计时变参数的递推算法，经淮河河段的洪水实时水模拟预报应用，表明所建立的模型和实时递推算法对于河道洪水水位短期预报是有效的。     

递推最小二乘与误差自回归联合实时校正方法

在实时洪水预报中采用速推最小二乘法和误差自回归实时校正方法，提高了模型计算精度，实例验证应用效果良好。     

基于GBDT的实时洪水预报误差校正方法

洪水预报实时校正是提高预报精度的有效途径。通过研究实时洪水预报误差系列构建方法,引入GBDT方法建立误差校正模型,并采用粒子群算法优选模型参数,选用洪峰段洪量相对误差、洪峰流量相对误差、确定性系数等指标评估实时校正效果。对淮河流域王家坝站点的实例应用结果表明,无论是率定期还是验证期,基于GBDT的实时预报误差校正方法精度均优于经典AR方法和KNN方法,各项指标精度均有不同程度提升,可有效提高实时洪水预报效果,且稳定性较高。     

基于集合卡尔曼滤波的实时校正技术在流域洪水预报中的应用

为提高金华江流域实时洪水预报精度，建立了耦合MIKE 11 NAM与MIKE 11 HD的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型，实现了金华江流域洪水预报实时校正。流域洪水预报模型对流域内主要站点的模拟效果较好，洪水流量和洪水水位模拟精度较高；实时校正模型在预见期10 h以内，校正效果随预见期增加而降低，在预见期前期可有效降低预报误差。整体上，建立的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型能够满足金华江流域洪水预报应用要求。     

神经网络预测模型的AVFFRPE算法

针对动态多层神经网络结构，运用自适应向量遗忘因子递推预报误差算法对充式水力机组进行了在线建模研究，研究结果证实了该算法的有效性。     

基于广义预测控制的风电场调频控制策略研究

为降低通信延迟对风电参与二次调频时频率稳定性的影响,提出一种基于系统辨识理论和广义预测控制算法控制风电机组参与电力系统二次调频的控制策略.首先,建立考虑通信延迟的单区域互联电力系统二次调频模型.其次,通过利用变遗忘因子递推最小二乘算法(FFRLS)进行在线辨识,建立单输入单输出被控系统的差分方程的受控自回归滑动平均模型...     

综合约束线性系统模型及其实时校正方法的研究

本文根据概念性模型与黑箱子模型各自的优缺点,将二者结合起来构成了一个综合约束线性系统模型,并建立相应的实时校正模型,自动跟踪修正模型的预报误差,组成联机实时洪水预报系统。通过长江三峡风滩以上流域作实时洪水预报验证,取得了较好的精度。     

神经网络在洪水实时预报中的应用研究

建立了一种基于神经网络的洪水实时预报模型。运用向后演算法，该模型的权重系数可以在每一时间步长上进行自动更新，较好地反映了实际水文过程和参数的时变性；由于该模型不再需要单独的误差序列实时校正模型，因而更加简洁。最后利用淮河鲇鱼山水库1975－1999年的小时降雨和入库洪水资料对模型参数进行了率定和校核。结果表明，洪水实时预报的效率系数超过96％，洪峰值合格率为92．5％，峰现时间误差都在1h以内。     

基于自适应多层RLS的锂离子电池参数辨识

电池参数的准确辨识是电动汽车电池管理系统实现高精度状态估计的基础。针对遗忘因子递推最小二乘法（forgetting factor recursive least squares,FFRLS）辨识变化电池参数时精度不足的问题,本文提出以层数形式更新参数的自适应多层递推最小二乘（adaptive multi-layer recursive least squares,AMLRLS）电池在线参数辨识方法。AMLRLS算法以第L-1层辨识参数的电压误差作为第L层的目标值,递推分离出电压误差中的参数量,以所有层的参数量之和作为一个数据点的辨识结果,形成多层RLS结构更新参数。针对每一次辨识算法都计算至最大设置层的问题,设计层数选择器,将第一层FFRLS辨识结果的电压误差作为层数选择器的输入量,以电压误差大小自适应选择层数,减小计算量。搭建电池模型,仿真验证AMLRLS的参数跟踪能力。仿真结果表明,AMLRLS的参数误差比RLS最大降低了69%,比AFFRLS (adaptive forgetting factor recursive least squares)最大降低了46.5%。在实验验证中...     

INVERSE PROBLEM OF ESTIMATING INTERFACE CONDUCTANCE BETWEEN PERIODICALLY CONTACTING SURFACES USING THE WEIGHTING INPUT ESTIMATION METHOD

This work applied an on-line inverse solution methodology based on the weighting input estimation method to determine the interface contact conductance between periodically contacting surfaces. This method is based on the Kalman filtering technique and a recursive least-squares estimator. This recursive least-squares estimator is weighted by the forgetting factor n and proposed for extracting the unknowns. The weighting technique is essential, since the unknown input is time-varied and has an unpredictable changing status. The superior capabilities of this inverse method are demonstrated in several one-dimension timevarying estimate cases and the proposed algorithm is compared with the conjugate gradient method. Results show that this method has the advantages of stability, fast convergence, good accuracy, and demonstrates that only a few measurement sensors are needed.     

小花间洪水预报模型和经验方法在陆浑水库入库径流过程中的应用对比

为准确预测即将发生的洪水过程,最大限度地减少灾害损失,采用小花间洪水预报模型和经验方法分别对伊河流域的陆浑水库入库径流过程进行了模拟,并将模拟结果与实测流量过程进行了对比分析。结果表明,两种方法模拟结果精度相差不大,均能满足预报精度要求,但小花间洪水预报模型模拟结果整体效果较好,尤其是洪水过程与实测过程比较吻合;经验方法模拟结果稍差,但误差在可接受范围内。两种方法均具有一定实用性,建议两种方法联合运用,将小花间洪水预报模型的洪水预报结果作为指导水库防洪调度的主要依据,经验方法的预报结果作为参考。     

水文模型参数不确定性及对概率洪水预报的影响

为研究Nash模型参数的不确定性,提出了基于自适应采样算法的马尔可夫链蒙特卡罗模拟与贝叶斯理论及遗传算法耦合,构建了基于贝叶斯理论的自适应采样算法,并进行概率洪水预报,分析了参数不确定性对预报结果的影响。实例结果表明,该方法获取的Nash模型参数后验分布可用于概率洪水预报,获得的统计特征可全面考虑水文模型参数的不确定性,可提高概率洪水预报精度,降低洪水预报结果的不确定度。     

GFS降雨预报图数值化处理算法在洪水预报中的应用

鉴于大部分气象系统对外发布的降雨预报信息均为降雨预报图的形式而不能直接用于水库调度,设计了一种GFS降雨预报图数值化处理算法,可计算出降雨预报图中任意像素点的降雨数值预报信息,然后利用计算出的GFS降雨数值预报信息与洪水预报模型耦合来进行洪水预报,并以桓仁水库2010年的一场洪水为例进行了验证。结果表明,利用该算法计算出的降雨数值预报信息可应用于洪水预报,具有较好的应用前景。     

基于贝叶斯模型平均法的洪水集合概率预报

为提高洪水预报模型的精度和可靠性,基于贝叶斯模型平均方法(BMA),结合水动力学模型和统计相关模型,对秦淮河流域东山站水位进行多模型集合预报并进行模型率定与验证。结果表明,BMA的预报确定性系数CCE均高于水动力学模型和统计相关模型,且均方差RRSME最小;BMA法降低了单一水文预报结果的不确定性,保证洪水预报具备较高的精度,并提供了洪水水位的置信区间,为防洪规划提供了依据。     

短期洪水预报的变结构神经网络模型

针对神经网络洪水预报模型的结构难以确定的问题，应用一种在训练过程中可调整隐层神经元数的算法，建立了变结构神经网络洪水预报模型。该方法提供了设计面向问题的网络结构的途径，在网络结构设计，提高洪水预报精度等方面具有一定的实用性。