基于EEMD与ANN混合方法的水库月径流预测

为了解决径流序列复杂的非稳态特征并提高径流的预报精度,采用EEMD-ANN组合方法构建径流预报模型,其中EEMD方法通过将非线性非稳态的水文序列分解为多组固有模态分量及趋势项,实现径流序列的稳态化,然后使用ANN方法分别进行预测,进而完成径流序列重构。以黄河龙羊峡水库为例,基于EEMD-ANN预报模型对入库径流量进行了预测,结果表明该方法可较精准地预测径流量。同时,通过对比分析发现,采用EEMD-ANN连续滚动预测月径流量在汛期的预报效果较好,而非汛期可采用同期预报的手段提高径流预报精度。     

渭河干流月径流的时历相依性研究

目前的径流预测方法大都要求数据序列具有时历相依性,因此在应用相应的方法进行时间序列的预报时,应先判别时间序列的时历相依性。以渭河干流林家村水文站和咸阳水文站为研究对象,采用线性自回归模型对相邻两个月的径流量进行了相关性分析,研究了其月径流序列的时历相依性,并采用BP神经网络模型进行了月径流预报。结果表明:当相邻两个月径流量的相关度≥0.7时,数据序列时历相依性较好,可以进行月径流量预报建模;当BP神经网络模型的预报合格率≥80%时,可用于月径流量预报。     

青铜峡站天然年径流量枯水段周期变化分析

介绍了轮次分析法的概念和负轮长的计算方法,并对黄河青铜峡水文站1922—1933年的12 a枯水段进行了分析,对其重现期进行了预测。结果表明:青铜峡站1723—2000年天然径流量的多年平均负轮长为1.976 a;连续12 a枯水段在整个天然年径流量系列中的重现期约为419 a。     

人工神经网络结合SWAT模型在河道径流量预测中的应用

径流量预测的常用方法具有不确定性大、未考虑大气变化及人类活动等因素影响的缺点,因此提出人工神经网络结合SWAT模型的预测方法来对其进行优化。应用该方法对辽宁省哈巴气水文站的降雨量及径流量进行模拟,预测结果与实测值吻合度较高,证明了该方法的合理性。此外,应用该方法对该站未来15年的径流量变化情况进行了预测,为该地区的水资源规划提供基础资料。     

基于月年混合径流量的预测控制模型

提出了一种用于长期水电调度的模型，该模型是在预测控制的框架下利用了月年混合径流的预报法，径流量的预报数据长达3 a，包括了在接近现实的较小的范围内波动的月径流量，以及在优化范围内的年径流量。该模型的仿真测试是以一个具有历史径流量的单一的热水库系统作为仿真环境。仿真结果与现有的基于月径流预测的随机动态规划方法相比后，显示出混合模型在长期水电调度的决策过程中是一种很有效的方法。图3幅，表2个。     

ARIMA与ANN组合预测模型在中长期径流预报中的应用

基于时间序列预测模型及BP神经网络,提出了新的组合预测方法.该方法采用三层结构的BP神经网络来构造组合预测模型,运用时间序列模型预测方法得出的预测结果,采用历史滚动法将前5年的预测结果数据作为BP网络的输入,以当前年份的预测结果为网络期望输入,建立了ARIMA-ANN组合预报模型.利用Matlab7神经网络工具箱对塔里木河上游源流卡群水文站的年径流量进行了预报及验证.结果表明:组合模型的预报结果精度高,容错能力强,是中长期径流预报的有效方法.     

加权马尔可夫链在开都河径流预测中的应用

基于径流过程不确定性、不精确性的特点,可利用资料系列的均方差方法把径流序列分为不同的状态,在此基础上用加权马尔可夫模型预测径流状态,并根据级别特征值预测径流量.在开都河的实例应用表明:将加权马尔可夫链方法应用于径流量预测是可行的,预测精度较高.     

灰色系统模型在黄河径流量分析预测中的应用

灰色系统分析是系统论中的一个分支，其应用范围非常广泛。本文在分析了黄河流域年径流量变化特点的基础上，对原始资料进行了处理，并利用灰色系统模型中的ＧＭ（１，１）模型对唐乃亥和花园口两站的天然年径流量作拟合并进行了预测，其拟合和试预报的效果较好，说明可以用该方法对黄河流域的径流量进行预测。     

基于人工电场算法优化的大型灌区径流预测模型研究

针对水文预报中径流预测数据序列具有非线性和非平稳性等特点,将一种新型智能优化算法——人工电场算法AEFA与LSTM神经网络结合进行参数优化,建立AEFA-LSTM预测模型,并以赵口大型灌区涡河玄武水文站实测年径流量作为样本数据进行网络优化训练和预测分析,同时与传统优化算法（遗传算法GA和粒子群算法PSO）建立的GA-LSTM和PSO-LSTM预测模型进行对比。结果表明：AEFA-LSTM模型预测值的平均相对误差相较于GA-LSTM模型和PSO-LSTM模型分别降低了7.59%和5.22%,且平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为3种模型中最小,说明所建立的AEFA-LSTM模型可以更高精度地预测径流量,为水文预报提供一种新型高精度径流预测方法。     

基于不同核函数的SVM用于径流预报的比较

为提高径流预报的预测精度,分别采用基于RBF、ERBF的核函数对碧流河水库的年径流量建立了SVM回归模型。径流预报结果表明:基于ERBF核函数的SVM回归方法的预报误差、均方误差均比基于RBF核函数的SVM回归方法的结果小,径流预测精度也高于基于RBF核函数的SVM方法的结果。     

基于短、中期径流预报信息套接的水库群发电优化调度模型研究

在水库发电调度决策中，考虑径流预报信息是提高水库群发电效益减少弃水的有效措施。目前通过数值气象预报信息已可获得流域未来10天预报降雨量，但降雨预报信息和径流预报模型随预见期延长不确定性增加，即直接采用10天径流预报信息将会给水库发电调度决策带来较大的不确定性，而只采用预报较准确的短期预报信息又会缩短调度的预见期。因此本文首先以美国全球预报系统（GFS）发布的浑江流域未来10天预报降雨信息来预测未来前5天和后5天径流量，并将前5天预报径流视为较准确的部分，而后5天预报径流视为不确定性较大部分，然后采用聚合分解贝叶斯随机动态规划模型为浑江梯级水库群制定前5天和10天的预报调度图，最后以5天为调度时段向后滚动决策未来5天发电和10天发电计划。模拟调度结果表明该模型充分利用了预报信息，并有效提高了发电效益。     

不确定性分析在汾河水库调度决策中的应用

根据汾河水库防洪效应结果,结合不确定性分析构建出洪水预报模型,对汾河水库洪水预报及调度决策进行分析。研究结果显示,利用不确定性分析构建的洪水预报模型,预测误差控制在2.36%-17.36%,预测效果明显,该模型能较为精准的进行汾河水库洪水的预报,有利于后期水库调度决策的进行。     

基于支持向量回归机的长期径流预报 及不确定性分析

根据汉江流域皇庄站1981-2008年逐月径流量与1980-2007年逐月74项环流指数、北太平洋海温场、500hPa高度场的相关关系,利用逐步回归挑选预报因子,构建基于遗传算法的支持向量回归机模型(GA-SVR),并对2009-2013年逐月径流量进行预报;结果表明,径流预报精度较高,汛期平均相对误差在30%以内,非汛期、年总量平均相对误差在20%以内,均优于随机森林和多元线性回归模型。将GA-SVR模型的预报结果作为概率预报的基础,采用贝叶斯理论中的水文不确定性处理器(HUP)对预报的可靠度进行分析;结果表明,HUP不仅可以提供精度更高的定值预报,还能以置信区间的方式量化预报的可靠度,提供更为丰富的预报信息。     

PSRM模型及其在大伙房水库中的应用研究

本文在分析径流物理成因的基础上建立一个旬降雨与旬径流非线性相关模型,并将该模型应用于大伙房水库流域。模拟预测结果表明,该模型模拟精度高,模型结构简单,可操作性强,为应用美国的GPS预报系统和中国气象局的213模式10-15d降雨预报信息,预报旬径流量提供一个有效方法。     

径流预测的生命旋回——拓扑模型

针对传统径流预测模型无法反映径流序列随机性,或模拟收敛速度慢、模型参数难以确定等缺点,提出了一种新的径流预报模型——生命旋回——拓扑预测模型。该模型用生命旋回模型模拟预测径流量序列的趋势项,用拓扑模型来对径流残差序列进行修正。将生命旋回——拓扑模型用于黄河唐乃亥水文站径流预测中,平均预测精度达到96.28%,合格率为100%。表明该模型预测精度较高,模型实用可行。     

混沌相空间相似模型在中长期水文预报中的应用

基于相空间重构技术，建立了局域单点相似模型、局域多点相似模型、局域线性相似模型和三参数模型4种相空间模型。白山水库月径流量和主汛期径流量的模拟预报应用实例表明，相空间局域模型对揭示水文动力系统复杂的非线性结构很有效，该模型对径流过程的中长期预测是可行的，并有较好的预测精度和应用价值，对提高现行洪水预测精度有一定意义。     

基于BP神经网络的金沟河灌区旬来水量预报

考虑到金沟河灌区径流量长期变化的因果关系较为复杂的特性,若采用常规中长期水文预报模型很难达到预测精度要求。结合实际水量数据,采用BP神经网络预测模型对金沟河灌区旬来水量进行预报,并进行模型预报精度验证。结果证明,BP神经网络预测模型完全可以用于中长期水文预报。     

丹江口水库中长期径流量的多模型预报结果分析及综合研究

水库中长期入库径流量的预报方法有多种模型,各有优缺点,预报结果也存在一定差异,应用过程中给实际决策造成了一定困难。本文以丹江口水库月径流量为研究对象,通过分析多种预报模型计算结果的变化规律,将精度和稳定性等作为性能指标,构建以加权平均和最小二乘法原理为基础的综合预报模型,并对丹江口水库月径流预报进行了建模计算。应用结果表明,该综合模型提高了预报精度,增强了预报稳定性,使其具有更高可信度,为入库径流量预报提供了一个有效的分析方法,为水库调度决策提供了便利。     

RBF神经网络在邯郸市东武仕水库流量预报中的应用

运用RBF神经网络模型对东武仕水库进行了径流预报,以上一时刻的降雨和径流作为神经网络模型的输入,以径流量作为神经网络模型的输出。结果表明,这样的预测方法是非常有效的并且有着更高的精确度。因此,RBF神经网络模型是一个有效的、高精确度的预测径流的方法,可为水资源管理提供可靠的数据支持。     

基于灰色系统与RBF神经网络的中长期水文预报

及时、准确的中长期水文预报能有效促进水库管理优化。以非汛期各月径流量为预报因子,通过计算所需预报年份与已有径流资料历史年份的预报因子之间的灰色关联度,遴选出与该年灰色关联度较大的年份作为代表年份。采用MATLAB数学软件构建RBF神经网络预报模型,利用选定的代表年份径流量对目标年份汛期径流量进行预报。以清河水库为例,用该模型预报汛期径流量。结果表明,模型简单可操作、运行速度快、预报效果好。