石头河年径流分析与预测

本文首先分析了石头河径流趋势和持续性，再运用加权马尔可夫链对其年径流量进行预测，结果显示，未来短期内石头河径流量有增长的趋势，依据1999年～2003年实测数据预测2004年的径流状态为平水年。     

复权马尔可夫链及其在怒江水沙预测中的应用

针对传统马尔可夫链及其改进的预测方法只能进行状态预测的局限,根据相依随机变量的特点,在以传统马尔可夫链预测方法求得各状态预测概率的基础上,进一步以状态预测概率为权重与状态平均值加权求和,实现了马尔可夫链预测方法从状态预测到数值预测的关键性改进。利用我国西南国际大河怒江干流道街坝水文站1957-2010年径流和1964-2010年悬移质输沙序列为分析期,2011-2015年径流和悬移质输沙为验证期,对所建立的复权马尔可夫链预测方法步骤进行验证表明,复权马尔可夫链预测方法具有较高的数值预测精度,能够满足随机时间序列短期数值预测的需要。     

加权马尔可夫链模型在韩江流域年径流状态定性预测中的应用

在介绍加权马尔可夫链预测方法的基础上,建立韩江流域年径流丰枯状态定性预测模型,经实例验证,获得较为满意的结果。     

考虑不同状态划分方法的马尔科夫链入库径流预测

针对传统马尔科夫链方法状态划分单一的缺点,考虑入库径流的分布特性、丰枯状态划分的模糊性及径流年内分布的不均匀性,分别采用均值-标准差法、频率法、模糊法及模糊-集对法对入库径流进行状态划分,采用一步预测与多步加权预测相结合的方式对大渡河瀑布沟水库入库径流情势进行预测,探究不同状态划分方法及预测方法对马尔科夫链径流预测结果的影响。研究表明:考虑径流年内分布的状态划分结果更为合理,常规马尔科夫链方法对径流预测准确性的影响明显。研究结果可为今后应用马尔可夫模型开展径流预测提供科学依据。     

生命旋回——权马尔可夫链模型在径流预测中的应用

针对生命旋回模型无法反映径流序列随机性特点,将其与权马尔可夫链结合,提出了一种新的径流短期预报模型———生命旋回———权马尔可夫链预测模型。该模型用生命旋回模型模拟预测径流量序列的趋势项,用权马尔可夫链模型来对径流残差序列进行修正。将生命旋回———权马尔可夫链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92.46%,合格率为100%,表明该模型预测精度较高,模型实用可行。     

高关水库入库径流状态预测

依据高关水库1971-2010年入库径流量资料,应用均值标准差法建立5级分级标准.针对径流量为相依随机变量的特点,以各阶自相关系数为权重,运用马尔可夫链模型预测未来一年的入库径流量状态.结果表明:该方法直观、预测准确、计算简便,为区域径流量的中长期预测提供了新的分析途径.     

马尔可夫链在水库入库径流状态预测中的应用

依据漳河水库1963～2008年入库年径流量资料,应用均值标准差法建立5级分级标准.针对径流量为相依随机变量的特点,以各阶自相关系数为权重,运用马尔可夫链模型预测未来一年的入库径流量状态.结果表明:该方法直观、预测准确、计算简便,为区域径流量的中长期预测提供了新的分析途径.     

基于Bayes分类的Markov径流量预测模型

针对河川径流成因复杂性和水文过程随机性的特点,且用单一预测法存在一定局限性的现状,提出混合Bayes-Markov预测模型。先用Bayes公式对径流进行丰枯分类,然后采用加权Markov分析方法建立预测模型,该模型可综合利用Bayes和Markov方法的优点,提高径流预测精度。以兰州站河川径流量预测为例,进行模型验证。结果表明,2003～2009年径流量预测精度达到85.7%,能满足规范要求。     

R/S-GM(1,1)组合模型在径流预测中的应用

基于R/S分析法能提供有效的非线性科学预测,河川径流具有灰色禀性,为了提高河流径流预报精度,提出了R/S分析与灰色理论相结合的河川径流预测方法。该方法可以克服径流灰色预测存在的数据波动较大时预测精度降低的缺陷。将该方法应用到黑河莺落峡站和正义峡站的年径流量、汛期和非汛期径流量6个序列进行径流预测验证。结果表明:两站年径流量和汛期径流量序列的预测精度都在90%左右,非汛期径流量序列在80%以上,各径流序列预测结果与Mann-Kendall趋势检验一致,预测结果可靠,为河流径流量的科学预测提供了一种新方法。     

加权马尔可夫链在降水状况预测中的应用

在介绍加权马尔可夫链预测方法的基础上,以郑州市1951~1994年降雨量资料为例,采用均值标准差分级法进行旱涝指标值分级,把这44年资料划分成雨涝、偏涝、正常、偏旱、干旱5种状态,应用加权马尔可夫链对该地区旱涝状态进行预测和分析,结果表明该方法预测结果与实际情况相吻合。     

基于加权马尔可夫链的降水预测应用研究

介绍了加权马尔可夫链的预测方法与模型，以川中丘陵区简阳市为例，根据1974～2003年的降水量资料，采用均值-方差法对年降水量进行了状态分级，应用加权马尔可夫链对该地区的早涝状态进行预测和分析。结果表明：该方法客观、准确、可靠、简便，为区域降水的中短期预测提供了新的解决途径。     

黄河河龙区间径流多年变化特征及动态预测

根据黄河中游河口镇-龙门区间龙门水文站的径流量资料,选取径流多种参数和统计方法分析其多年变化特征.结果表明:区间径流年际变化大,丰水时段历时较短,枯水时段历时很长;45年来,区间年径流存在一个15-16年的显著的周期性变化:区间年径流存在非常显著的减少趋势.同时建立了区间径流的预测模型,在进行拟合时.预测结果的相对误差大都±20%以下,并对区间2001-2030的年径流量做了分析预测.     

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。     

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m³和79 818.34万m³,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。     

基于核密度估计的AM-MCMC算法在径流模拟中的应用

无资料或资料稀缺地区的径流概率模拟, 是目前水文研究难点问题之一。 基于此, 利用Kernal核密度估计法估算出流量的月径流概率密度函数, 采用基于自适应采样算法(Adaptive Metropolis algorithm, AM)的马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)模拟方法求解, 最后给出月径流量的模拟预测。 实例表明基于Kernel核密度估计的AM-MCMC算法模型计算结果精度较高, 有良好的应用价值, 可在资料较少地区推广使用。     

基于加权马尔可夫链的杭州市年降水量预测

采用加权马尔可夫链模型和模糊及理论中的级别特征值原理,分析了1956—2008年杭州市的年降水量,预测了2009—2011年杭州市的年降水状态和年降水量,预测误差远小于20%的允许误差,说明加权马尔可夫链应用于杭州市年降水量的预测是可行的。最后计算了2012年杭州市年降水状态为4,即偏丰年,年降水量预计为1 621 mm。     

基于不同输入层的BP人工神经网络径流模拟研究

为定量研究BP人工神经网络不同输入层对径流模拟的影响,以滨江流域8个雨量监测站长系列逐日降水径流资料为基础,对比分析原始降水、算术平均降水、复合前期径流降水、流域面积加权降水和复合径流面积加权降水作为输入层时,BP人工神经网络月径流量模拟的结果差异。研究表明：采用流域面积加权降水模拟的径流量,具有最优相关系数和确定性系数,以原始降水作为输入层所得结果相对误差最小,由算术平均降水模拟出的结果分布最集中,网络模拟效果稳定。复合输入层的模拟精度相对较高,但输入层并非越复杂越好,基于面积加权降水得出的模拟径流量综合评价最高。     

基于加权马尔可夫模型的降水预测研究

运用加权马尔可夫模型对降水量的预测方法进行了研究,并以河南省渑池县为例进行了验证分析.结果表明,模型预测结果和实际相吻合,具有很高的精确性和可靠性,与普通的马尔可夫链预测方法相比,可以更充分、合理地利用信息,适宜于对降水量进行预测.     

旬降雨径流非线性模型及其应用研究

通过分析旬降雨、旬初土壤蓄水状态、旬径流信息之间的关系,借鉴短期降雨径流相关模型的思想,建立了一个旬降雨─旬土壤蓄水量─旬径流的非线性相关模型.将该模型应用大伙房水库流域,模拟预测结果令人满意,结果表明该模型简单,可操作性强.将为应用美国的GFS预报系统和中国气象局的213模式10～15 d降雨预报信息,预报旬径流量提供一个有效方法.     

基于隶属度修正的加权马尔可夫链的降水预测

应用Fisher最优分割法将榆林地区1951—2015年的年降水序列划分为9个状态,采用规范化的各阶自相关系数为权重,建立了加权马尔可夫链模型。以属于同一状态的所有降水量的均值作为聚类中心,应用模糊C均值聚类(Fuzzy C-Means,FCM)算法中的隶属函数计算隶属度,以隶属度向量作为预测时的初始状态向量。该模型逐年预测了榆林市2006—2015年的降水状态,结果全部与实际情况一致。基于马尔可夫链的预测结果,采用模糊集中的级别特征值理论分别预测了2006—2015年的降水量,所有预测结果的相对误差都在10%以内,初步表明基于隶属度修正的加权马尔可夫链模型是合理可行的。