基于拟合改进的径流灰色预测模型研究

经典灰色模型可用于水文径流预测,但其预测精度较差。为了提高模型精度,基于经典灰色理论,对累加后的数据进行精度更高的多项式拟合,建立基于拟合改进的径流灰色预测模型。该模型简单易行,且计算精度和效率较高。通过对三门峡水库的入库径流资料进行经典和拟合改进灰色预测,表明拟合改进灰色预测模型可有效地对径流进行预测,预测精度较经典灰色模型有较大提高。     

黄河源区白河流域径流预报研究

根据黄河源区河流自身的特点，将自回归滑动平均模型ARMA（p，q），概化为ARMA（p，1），并运用最小信息准则，确定模型的最佳阶数p，运用修正的可变遗忘因子递推最小二乘法，进行参数的动态修正，以达到最佳参数的跟踪效果，并在白河流域进行了应用检验。结果表明，该预报模型精度较高，其径流模拟的确定性系数均在0．8以上，径流总量相对误差控制在10％以下。     

VIC模型在流域径流模拟中的应用

为了进一步加深对流域径流形成机理的认识,将VIC模型的径流模拟理论与方法应用在栾川、王瑶和尚义3个半干旱半湿润区流域,研究和探讨了径流模拟结果。结果表明．①模型考虑了入渗、蒸发、土壤湿度、径流产生在计算区域内的变化;②从径流模拟的结果可以看出来,对于越靠近湿润地区的流域,并不是模型越复杂模拟精度越高,而是模型越简单往往有比较高的径流模拟精度;而对于半干旱地区的流域,考虑超渗机理的模型模拟精度要比不考虑超渗机理的模型模拟精度高,但混合机制的VIC模型计算过程比较复杂;③对考虑了两种产流机制的VIC模型以及兼容模型的研究,有助于进一步认识流域上的径流形成过程,尤其对于半干旱半湿润流域上的径流形成过程。     

基于SWMM模型的金川河降雨-径流预警预测平台研究

准确模拟降雨-径流动态变化规律是河流面源污染精准治理的先决条件。在收集分析金川河子流域、交汇处、排口、导管、闸门、泵站及运营制度等相关数据的基础上，概化金川河水系，采用SWMM构建金川河河网水动力模型，并基于模型开发不同降雨特征（少量多次降雨、短期暴雨）条件下水系径流预警预测平台，展示金川河流域的流量、径流变化趋势，以实现流域降水模型的快速推演和预警预测功能。     

潘家口水库枯水期月径流预报

在分析研究流域气候特征及枯季径流来水规律的基础上，用水文气象方法和水文方法分别建立了枯水期月径流预报模型。水文气象方法是先挑选出与预报对象关系最好的气象因子作为预报因子，据此建立预报模型和预报集成模型。水文方法是利用水文序列资料建立自回归模型和多元递推模型。用实测资料对预报模型进行了验证，结果表明：预报精度令人满意。     

降雨径流模型在年径流还原计算中的应用

通过降雨径流模型分析计算得出不同阶段人类活动对径流的影响，从中选择具有代表现状人类活动水平的径流系列资料，分析用水量及其组成、各项用水还原计算的精度，找出原因，寻求一种更合理而有效解决方法和途径。     

灰色微分动态自记忆模型在径流模拟及预测中的应用

在灰色微分动态模型的基础之上,采用季节/年际性指数对原始降水和实测径流进行预处理,并引入自记忆函数,构建灰色微分动态自记忆模型,将其应用于滦河流域径流过程的模拟和预测。结果表明：（1）采用预处理前的降水径流数据所构建的DHGM（2,2）模型和DHGM（2,2）自记忆模型在年尺度和月尺度上的径流模拟效果较差,难以反映径流的变化过程,对输入数据进行预处理后,构建的DHGM（2,2）自记忆模型模拟精度得到了很大的提高,三道河子站和滦县站年径流和月径流模拟序列的Nash-Sutcliffe系数和相关系数均达到了0.6以上;（2）模型在年尺度和月尺度的径流预测中具有一定的适用性,且结构简单、计算方便,但需要进一步考虑蒸发、土地利用和人类活动等因素,使模型更为完善。     

基于小波分析的月径流ARIMA预测方法

将一种基于小波分析的自回归滑动平均求和（ARIMA）模型用于月径流的预测。首先利用小波变换良好的局部化特性，将月径流序列分解成不同时间尺度上的子序列；然后对各个子序列利用ARIMA模型进行预测。将采用基于小波分析的ARIMA模型的预测结果与直接使用ARIMA模型的预测结果进行比较，结果表明引入小波变换提高了月径流预报精度。     

人工神经网络评价城市化对径流生成的影响

探讨使用人工神经网络（ANN）模型模拟城市化地区的降雨径流关系。建立城市化地区的降雨径流关系模型，并把反映城市化进程的不透水面积比（PIA）这一重要参数加入输入模式中，用人工智能手段研究城市化对降雨径流关系的影响。大量的数值实验证明，当神经网络被适当地配置以后，可以再现潜在的降雨径流关系，可以用来生成精确且符合实际的预测结果。而当城市化参数作为输入模式的一部分时，可以较准确模拟涨洪段，而退水段的性能不佳。     

二滩水电站中期径流序列预测研究

分别利用门限回归模型（TR模型）和人工神经网络模型对二滩水电站的月平均径流量序列进行了预测。通过计算可知，门限回归模型和人工神经网络模型都可以很好地解决月平均径流的预测问题，相对误差总体上都比较小。但门限回归模型计算繁琐，不能及时、快速得到计算结果，而人工神经网络模型计算快速，占用内存小，还有很好的容错性，即使在数据不完全的情况下，也能及时准确地得到径流预报值。考虑到模型自身的特点和优势，在实际运行中推荐使用人工神经网络模型进行月平均流量的计算和预测。     

基于改进SVR模型的新疆冰川河流年径流预测研究

文章结合人工蜂群算法的自适应度因子对传统SVR模型的循环求解进行改进和优化,提高传统模型收敛和求解精度,并将改进SVR模型用于新疆喀什某冰川河流的年径流预测中。研究结果表明:在AIC计算准则下,改进的SVR模型最小计算值最小,参数结果更为合理;相比于传统模型,改进模型在区域冰川河流年径流预测精度得到较为明显的改善和提高,其中预测的误差均值减少16.3%,年相关系数提高0.25;建立的自回归方程可对未来冰川径流的变化趋势进行预测。研究成果对于新疆冰川河流年径流的变化预测提供方法参考。     

神经网络在径流水量还原计算中的应用

将人工神经网络技术应用于径流水量还原计算．建立起径流水量还原计算的BP网络模型。利用山西省第二次水费源评价1980～1999年的单站费料,对所建立的BP网络模型进行训练和检验．所得结果精度完全满足要求,为水量还原计算提供一种新的思路。     

基于 PSO-SVR 的丹江口年径流预报

目前应用于丹江口水库年径流预报的方法主要为物理统计和人工神经网络(ANN)等方法,但这些方法普遍存在预报精度不高和稳定性不强等缺点。选择回归支持向量机(SVR)模型应用于丹江口水库年径流预报,针对惩罚系数C、核参数σ和不敏感损失系数ε三个参数在实际赋值过程中存在计算量大、难以得到最优值等问题,将粒子群优化算法(PSO)加入到SVR模型中,建立PSO-SVR模型,实现了参数的自动优选。结果表明,PSO-SVR模型较之SVR模型,提高了预报精度;较之ANN模型,稳定性更强,可信度更高。该模型具有较好的应用价值,可为南水北调中线工程调度方案制定提供一定的参考依据。     

基于集对分析的径流组合预测模型

采用人工智能BP模型、小波BP模型及GA-BP模型对径流进行预测,然后将径流的实测值系列A和上述3种模型的预测值Bi建立集对H(A,Bi),利用集对分析的同、异、反特性进行联系度计算,据此确定径流预测模型的相对隶属度,并对隶属度进行归一化处理,得到上述3种模型的权重,再依据此权重建立相应的径流组合预测模型。应用1950~1975年小浪底水库的资料,对径流组合预测模型进行模拟,结果显示其预测精度明显高于单个模型的预测精度。     

兰州新区SCS径流模型改进与应用研究

近年来全国气候异常,由强降雨引发的洪涝灾害已成为城市经济快速发展面临的严峻水问题之一。因此,以无水文资料地区——兰州新区为研究区,开展降雨径流过程模拟研究是十分必要的。首先根据黄河干支流区综合概化时程分配雨型表、《甘肃省暴雨洪水图集》,利用地方经验公式计算得到研究区不同频率的产流量;其次借鉴相关研究成果,考虑地形地貌特征、下垫面情况,结合SCS径流模型及DEM-GIS技术,划分流域片区,以流域片区中各典型水文断面为研究单元,构建适合兰州新区产流计算的模型参数,并运用LH-OAT方法对模型参数进行敏感度分析;最后通过对比地方经验公式法和SCS径流模型的产流成果,经科学分析后认为,模型模拟精度较为理想,符合兰州新区实际降雨-径流过程,推荐研究区采用SCS径流模型计算成果。     

WPT-HPO-ELM径流多步预报模型研究

为提高径流时间序列多步预报精度,建立了小波包变换（WPT）-猎人猎物优化（HPO）算法-极限学习机（ELM）相融合的径流时间序列多步预报模型,并应用于云南省南康河水文站月径流和日径流时间序列多步预报。引入HPO算法原理,在不同维度条件下选取6个典型函数对HPO进行仿真验证;利用2层WPT将径流时序数据分解为4个子序列分量,达到降低径流序列数据复杂性和不平稳性的目的;采用HPO优化ELM输入层权值和隐含层偏值,建立WPT-HPO-ELM模型对实例月径流和日径流进行多步预报。结果表明：HPO算法具有较好的寻优精度和全局搜索能力;WPT-HPO-ELM模型对预见期为1～3个月的月径流具有理想的预报效果,预报的平均绝对百分比误差≤2.43%,合格率≥99.2%,确定性系数≥0.999;对预见期为4～6个月的月径流具有较好的预报效果,预报的平均绝对百分比误差≤15.0%,合格率≥73.3%,确定性系数≥0.991;当预见期≥7个月时,预报效果较差。对预见期为1~3 d的日径流具有理想的预报效果,预报的平均绝对百分比误差≤1.23%,合格率为100%,确定性系数≥0.999;对预见期为4~7 d的日径流具有较好的预报效果,预报的平均绝对百分比误差≤15.3%,合格率≥73.0%,确定性系数≥0.947;当预见期≥8 d时,预报效果较差。WPT-HPO-ELM模型能充分发挥WPT、HPO和ELM的优势,表现出较高的预报精度和稳定性能,预报误差随着预见期的增加而增大,该模型及方法可为径流时间序列多步预报提供新途径。     

径流式小水电站年发电量综合预测模型

针对径流式小水电站电力生产的特点，建立了一种新的多元线性回归（MLR）＆最小二乘支持向量机（LS—SVM）的年发电量综合预测模型。该模型充分利用径流式小水电站发电量与其影响因素（年来水量、来水离差系数和电网负荷率）之间的关系，并建立与之对应的由初步预测子模型和误差修正子模型两部分组成的综合预测模型。实际预测结果表明，本文所提的综合预测方法能适应径流式小水电站发电量的具体问题，其效果优于常用方法，易于实现。     

聚合分解随机动态规划模型在梯级水库群发电调度中的应用研究

本文首先采用聚合分解思想将梯级水库群来水量和库容聚合等效为单库，从而简化水库群径流过程的描述和降低高维计算空间，使随机动态规划模型（SDP）在梯级水库群的应用中可以考虑更多的信息来提高模型效率；然后在径流预报中考虑美国全球预报系统（GFS）发布的未来10天降雨预报信息，来提高中期径流预报精度；最后在考虑径流预报不确定性的基础上建立了聚合分解贝叶斯随机动态规划模型（AD-BSDP）。同时与传统调度图、聚合来水量的随机动态规划模型（AF-SDP）和聚合来水量、库容的聚合分解随机动态规划模型（AD-SDP）进行了对比分析来验证模型的有效性，分析结果表明考虑预报信息不确定性的AD-BSDP模型比其他模型具有更高的效率和稳定性。     

径流式电站水能计算程序

有关径流式电站水能计算的微机电算程序在目前应用较多的有《水利水电工程微机通用程序集》(1.0版)中的Ｃ-11.ＥＸＥ程序。该程序可用于无调节水电站常规水能计算,本人在工作中也常常使用Ｃ-11.ＥＸＥ程序。然而,该程序主要适用于一些装机容量较大(如大、中型)径流式电站的水能计算,其计算成果中采用的单位较大,如发电出力单位为万ｋＷ,电量单位为亿ｋＷ·ｈ。对于一些小型水电站,特别是装机容量在1000ｋＷ以下的小型径流电站的水能计算在采用Ｃ-11.ＥＸＥ程序计算时则常常由于计算单位太大而使得计算结果的精度不高,在确定保证出力、装机容…     

日径流的组合预测模型

根据最优加权组合预测原理，建立了径流响应线性模型和时间序列模型的优化加权组合模型，以预测日径流，依据最小二乘法原理确定其优化加权系数，预测结果表明，优化加权组合模型可提高预测精度。