基于PSO-BP神经网络的西洞庭湖南咀站径流预测

为建立因子少、预报周期短、预报精度高的西洞庭湖控制性水文站南咀站的月平均径流量预报模型,通过对松滋-太平水系控制性水文站安乡、澧水控制性水文站石龟山站月平均水位、流量以及沙湾站月平均水位进行相关性、因子贡献率分析,确定输入因子,借助PSO-BP神经网络对南咀站1956年1月至2005年12月各月平均径流量进行训练,获取网络结构及参数进而预测2006年1月至 2008年12月各月径流量。结果表明：① 石龟山、安乡站水位对南咀站月平均径流量影响最显著;② 汛期、非汛期的划分一定程度上可提高南咀站月平均径流量预报精度;③ 以安乡、石龟山站月平均水位、流量以及沙湾站月平均水位作为输入因子,PSO-BP神经网络预报效果最好,合格率77.8 %,预报等级为乙级;④ 基于相关性、因子贡献率分析,将安乡、石龟山站作为输入因子,预报合格率降为61.1 %,预报等级降为丙级,但仍满足预报要求。     

天然河道水位流量预测模型分析

本文提出BP神经网络河道流量水位预测模型,以榆树沟站流量水位预测为例进行分析。采用循环算法确定最佳BP神经网络结构,并在相同网络结构及期望误差等条件下,构建BP神经网络河道流量水位预测模型。结果表明:BP神经网络用于河道流量水位预测是合理可行和有效的,预测准确度可达到92.3%,可为水文预测预报提供新的途径和方法。且BP神经网络模型具有计算简便逼近能力强收敛速度快,能有效避免局部极值等特点,有着广阔的应用前景。     

小波神经网络模型在河道流量水位预测中的应用

鉴于BP神经网络学习收敛速度慢、参数选择困难、易陷入局部极值等缺点,提出小波神经网络河道流量水位预测模型,以盘龙河天保站流量水位预测为例进行分析。采用循环算法确定最佳BP神经网络结构,并在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建传统BP、GA-BP神经网络河道流量水位预测模型作为对比预测模型。结果表明:小波神经网络结合了神经网络与小波分解在函数逼近上的优点,其预测精度高于传统BP和GA-BP网络模型,表明小波神经网络用于河道流量水位预测是合理可行和有效的,可为水文预测预报提供新的途径和方法。且小波神经网络模型具有计算简便、逼近能力强、收敛速度快,能有效避免局部极值等特点,有着广阔的应用前景。     

RBF与GRNN神经网络模型在城市需水预测中的应用

针对需水量预测具有受诸多因素影响的复杂、高维和非线性等特性,本文基于RBF与GRNN神经网络算法原理,构建RBF与GRNN神经网络需水预测模型,将模型应用于城市需水预测中,并与基本BP神经网络模型以及灰色GM(1,1)需水预测模型的拟合、预测结果进行了对比分析.结果表明:①RBF与GRNN神经网络模型有着较高的拟合、预测精度,平均相对误差均在5％以内,表明研究建立的RBF与GRNN神经网络模型应用于需水预测是合理可行的,模型泛化能力强,预测精度高,算法稳定,与基本BP网络算法相比,RBF与GRNN网络模型还具有收敛速度快、调整参数少和不易陷入局部极小值等优点,可以更快地预测网络,有着良好的应用前景.②相对而言,RBF与GRNN神经网络模型预测精度要优于基本BP网络和灰色GM(1,1)模型.     

近期南京潮水位站高流量级下水位流量特性研究

三峡工程运行已有十余年,大通水文站流量、径流量资料统计表明,三峡水库蓄水以来汛期平均最大流量减小8.4%,年径流量减小5.0%;南京潮水位站资料表明,三峡水库蓄水以来年最高平均水位降低了12cm,水位相对降低幅度明显小于流量降低幅度,南京潮水位站高流量下水位与流量关系出现倒挂。通过对1950年以来南京潮水位站的日平均最高水位、日平均最大流量及年径流量的变化进行统计分析,发现平滩流量以上南京潮水位站水位发生趋势性壅高,幅度为2.65 cm。南京潮水位站流量及径流量数据为同步大通水文站数据考虑区间支流入汇及积水面积增加所得,分析结果可为南京市防洪安全、水资源开发利用提供依据。     

近60 a河南省河川径流演变特征研究

河南省地跨海河、黄河、长江、淮河四大流域,水资源问题突出,深入分析河川径流演变规律对河南省水资源管理具有重要意义。选取河南省主要流域的6个代表水文站实测流量数据,利用Mann-Kendall秩次相关检验分析了各代表站年平均流量、月平均流量演变规律。结果表明：近60 a河南省实测流量呈下降趋势,2000年后流量略有回升。自西向东,流量下降速率越来越大。全省径流突变后年平均流量减小,各站减小幅度均大于15%,北部流域突变年份较早,南部流域变化幅度较大。月平均流量总体呈减小态势,海河流域河南段、黄河流域河南段下降显著,达到5%显著性水平。除长江流域河南段外,全省月平均流量年内分配变化不大,从全省范围来看,月径流量占年径流量比例呈枯增丰减态势。     

秦淮河流域东山站水位预报研究

为提高秦淮河流域东山站水位预报的精度,基于BP神经网络算法建立经验预报模型,分别根据降雨历时、起涨水位两种模式对水位涨幅进行预报。分析了两种模式预报结果,选出最优的预报模式,并用混合线性回归模型作为预报精度的参考验证。结果显示,BP神经网络模型的预报精度高于混合线性回归模型,而且BP神经网络模型两种预报模式的结果都达到了乙级标准以上,根据起涨水位的预报模式效果更好。     

花授粉算法-BP神经网络模型及其在月径流预报中的应用

通过5个典型高维函数对一种新型群智能优化算法——花授粉算法(FPA)进行仿真验证,并与粒子群优化(PSO)算法进行对比分析。针对BP神经网络初始权值、阈值参数难以确定的不足,利用FPA算法优化BP神经网络初始权值和阈值,提出FPA-BP预报模型,以清水江水文站12月月平均流量预报为例进行实例研究。结果表明:1FPA算法收敛精度优于PSO算法,具有较好的收敛速度和全局寻优能力;2FPA-BP模型对实例2001—2005年月平均流量预报的平均相对误差绝对值为2.38%(5次平均),预报精度优于PSO-BP、BP模型。利用FPA算法优化BP神经网络的初始权值和阈值,有效提高了BP神经网络的预报精度和泛化能力,且拓展了BP神经网络初始权值、阈值的优化方法,为相关预报研究提供了参考。     

基于改进LSTM模型的三峡水库蓄水对洞庭湖水位影响的空间异质性分析

针对传统的LSTM模型存在网络训练受阻、泛化能力减弱、预测精度和效率较低的问题,从模型结构和参数优选两方面进行改进。结构方面,在LSTM模型前加入具有多层结构的神经网络层;参数优选方面,采用多层网格搜索法选取模型参数。以长江中游典型通江湖泊——洞庭湖不同湖区的水位预测为例,与传统的LSTM模型、BP神经网络及水动力模型相比,改进型LSTM模型平均均方根误差分别减少58.80%、65.95%、44.14%;从预测计算时间来看,改进型LSTM模型所消耗的时间比传统的LSTM模型缩短62.12%,且明显少于水动力模型,总体来看改进型LSTM模型的整体性能优于其他三种模型。将改进型LSTM模型应用到三峡水库蓄水对洞庭湖水位的影响分析上,结果表明：三峡水库运行对洞庭湖不同湖区水位的影响具有明显的空间异质性,城陵矶站受其影响最为显著,其次为东洞庭湖鹿角站和西洞庭湖南咀站,南洞庭湖受影响最小。蓄水期间东洞庭湖城陵矶站水位平均下降0.44 m,最大降幅为1.55 m;鹿角站水位平均下降0.22 m,最大降幅为1.02 m;西洞庭湖南咀站水位平均下降0.27 m,最大降幅为1.28 m;南洞庭湖杨柳潭站...     

基于PCA-SHO-SVM和PCA-SHO-BP模型的径流预测

为提高径流预测精度,研究主成分分析(PCA)、斑鬣狗优化(SHO)算法与支持向量机(SVM)、BP神经网络相融合的预测方法。在样本数据筛选上选取PCA方法进行数据降维,使数据样本简洁且更具代表性。利用SHO算法优化SVM关键参数及BP神经网络权阈值,分别提出PCA-SHO-SVM、PCA-SHO-BP径流量预测模型,并与SHO-SVM、PCA-SVM、SVM和SHO-BP、PCA-BP、BP模型的预测结果作对比,通过云南省龙潭水文站年径流量及枯水期月径流量预测为例进行验证。结果表明,PCA-SHO-SVM、PCA-SHO-BP模型对实例年径流量预测的平均相对误差分别为2.34%、2.50%,对月径流量预测的平均相对误差分别为6.15%、6.08%,预测精度均优于其他6种模型,具有较高的预测精度和更强的泛化能力。     

1960-2015年洞庭湖水资源演变特征分析

洞庭湖是我国第二大淡水湖,也是长江流域重要的调蓄湖泊。由于受下垫面变化、人类活动和气候变化等的影响,洞庭湖流量、水位呈现新的变化趋势,研究洞庭湖水资源演变特征可为洞庭湖保护提供依据。采用Mann-Kendall突变检验方法对洞庭湖出口控制水文站城陵矶（七里山）及长江干流水文站枝城站、螺山站的1960-2015年流量、水位的年际和年内变化趋势进行分析。结果表明：洞庭湖上游长江枝城站在2000年以前径流量变化不大,但从2001年起呈现下降的趋势,水位呈现先上升后下降的趋势,洞庭湖出口城陵矶（七里山）站整体径流量呈现下降的趋势,而平均水位呈现上升的趋势,洞庭湖下游长江螺山站径流量整体上变化不显著,平均水位则呈现上升的趋势;三峡枢纽运行后,3个水文站汛期（4-10月）的径流量和水位均呈现下降趋势,枯水期（1-3月）则出现水位上升趋势;长江上水利工程尤其是三峡工程的修建,对洞庭湖水资源的调节影响明显。     

流域年径流时序分析的混沌网络模型研究

以混沌理论为基础,对三峡寸滩站月平均径流量时序曲线进行了相空间重构,确定了合理的饱和关联维数.与神经网络结合,用多维相空间建立了网络学习样本和教师值,构造了混沌神经网络分析模型.结果表明:流域年径流序列具有混沌性特征;混沌网络模型预测精度要高于标准BP网络模型,预测结果的绝对误差和相对误差均小于BP网络模型.     

基于CEEMD-GRNN组合模型的月径流预测方法

针对径流序列的噪声因素与非线性特性,采用互补集合经验模态分解法(Complete Ensemble Empirical Mode Decomposition, CEEMD)与广义回归神经网络(Generalized Regression Neural Networks, GRNN)的组合模型,对汾河上游上静游站、汾河水库站、寨上站、兰村站1958～2000年的月径流序列进行实例研究,探究3种不同建模方式下的组合模型对预测精度的影响,其中组合模型1使用加权平均集成法将各分量预测结果相加,组合模型2去除高频分量后再使用加权平均集成法将剩余分量预测结果相加,组合模型3去除高频分量后将剩余分量预测结果直接相加;再将组合模型与单一GRNN模型进行对比。结果表明:各模型的确定性系数(NS)均大于0.5,预测结果均具有可信度;不同的月径流资料适用不同的建模方法,对于极差较小的月径流序列,组合模型1预测效果最好,与另外两种组合模型及单一模型相比,平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)分别平均减少26%,17%,23%;对于极差较大的径流序列,组合模型2预测效果最好,与另外两种组合模型及单一模型相比,MAE,MAPE,RMSE分别平均减少30%,28%,33%。组合模型2预测误差总小于组合模型3,即加权平均集成法对提高预测精度有一定作用。三种建模过程的CEEMD-GRNN组合模型预测误差均比单一GRNN模型小,说明组合模型较单一模型更适用于月径流预测。     

怀洪新河新胡洼闸BP神经网络洪水预报模型

本模型基于BP神经网络仿真学原理,结合水文学理论研制.模型输入为:何巷闸下水位、区间流入量(包括何巷闸流入量和四方湖闸流入量)、新胡洼闸过去时段的出流量和闸上水位,输出即为预见期的新胡洼闸上水位.采用Sigmoid激活函数输出限幅改进算法,分别建立了胡洼闸上8h、16h、24h三种滞时BP神经网络洪水预报模型.经检验分析,三种滞时BP 神经网络洪水预报模型预报精度均达到洪水预报规范中甲级精度要求.     

异构多种群粒子群优化算法在水位流量关系拟合中的应用

通过8个复杂函数对一种异构多种群粒子群优化算法进行仿真验证,并与传统单种群粒子群优化算法进行对比。针对水位流量关系拟合中相关参数难以确定的不足,利用异构多种群粒子群优化算法优化水位流量关系相关参数,以云南省龙潭站、西洋站水位流量关系拟合为例进行实例研究,并与粒子群优化算法、最小二乘法拟合结果进行对比。结果表明:异构多种群粒子群优化算法收敛精度远远优于粒子群优化算法,具有较好的计算鲁棒性和全局寻优能力。该算法对龙潭站和西洋站水位流量关系拟合的平均相对误差绝对值分别仅为0.27%和0.50%,拟合精度优于粒子群优化算法和最小二乘法。利用异构多种群粒子群优化算法优化水位流量关系可以获得更好的拟合效果。     

1980-2018年曹娥江中上游径流变化特征及归因分析

水资源对人类社会发展至关重要,掌握河川径流变化规律是实现水资源可持续利用的基础。当前关于径流变化的研究涉及径流年际变化规律、径流年内分配特征、径流变化的归因分析3个方面。利用1980-2018年嵊州站、黄泽站和花山站3个水文站的月径流数据,结合多种研究方法对曹娥江中上游的径流量变化进行了研究。结果表明：曹娥江中上游年平均径流量呈减小趋势,其中黄泽站变动最大,其次为花山站,嵊州站年平均径流量变动最小;春季各站平均径流量均呈显著减小趋势,冬季黄泽站平均径流量呈显著增大趋势;嵊州站和花山站年平均径流量在2003年发生突变,黄泽站没有明显突变点;不同时期径流量年内分配过程线均呈“三峰”形态,峰值分别出现在3-4月、6月和8-9月,峰值表现为“低－高－低”的特征;对于嵊州站和花山站,人类活动为研究期径流量减少的主要原因,而降雨因素是造成黄泽站径流量减少的主要原因。     

长江武汉河段近期河床演变特性探讨

在统计分析三峡水库蓄水运用前后汉口和仙桃水文站近期水沙变化特性的基础上,初步探讨了长江中游武汉河段近期河道演变特性。研究成果表明,三峡水库蓄水后汉口站多年平均流量和径流量略有降低,蓄水后汉口站输沙量出现大幅度减小。1968年丹江口水库蓄水运用后,仙桃站水位年最大变幅明显减小,下泄沙量明显减少,含沙量减小;三峡水库建成后,近几年汉口站含沙量减小明显,2011~2016年武汉河段河床冲刷明显。武汉河段内多年来除局部滩槽冲刷变幅较大外,滩槽平面位置和形态总体而言相对较为稳定,预计武汉河段整体河势不会发生重大变化。从工程安全和防洪方面考虑,建议对武汉河段特别是工程密集局部区域,进行水下地形监测和跟踪分析研究工作。该成果可为武汉河段未来治理方案的研究提供一定的技术支撑。     

富春江电站与之江水文站径流量相关关系研究

建立富春江电站与之江水文站径流量的相关关系,延长之江水文站的径流资料,对于掌握钱塘江多年入海径流量具有重要意义。采用富春江电站与之江水文站2012年、2014年的月、旬、日平均流量进行回归分析。结果表明,2站之间月、旬平均流量的相关性较强,相关系数分别可达到0.9900、0.9800,日平均径流量的相关性略差,相关系数仅为0.9400;误差分析结果表明,汇总2 a资料建立的相关关系比仅用1 a建立的相关关系更为合理,推求之江水文站的径流量建议采用汇总2 a资料建立的回归公式计算。     

基于相关向量机的调水工程调蓄水位预测模型

调蓄水位与其影响因素之间存在着复杂的非线性关系,针对BP神经网络模型的局限性,选取泵站开启时间差、起调水位、入流量、出流量作为主要影响因素,建立一种基于相关向量机(relevance vector machine, RVM)的调水工程调蓄水位预测模型。通过实例应用表明在相同样本情况下与BP神经网络模型预测结果相比,RVM预测模型均方根误差和平均绝对误差均小于BP神经网络预测模型的预测结果,说明在调水工程调蓄水位的预测中,RVM预测模型具有精度高、离散性小等优点,为调水工程调蓄水位的预测提供了一条新途径。     

无资料河流水文巡测方法的初步探讨

对无水文资料地区的河流实施水文巡测,满足水文资料收集范围和增强水文资料的区域完整性需求,运用少量的、不规则的和不定期的实测流量,推算水文巡测辅助站的年总径流量存在诸多问题,至今没有较成熟的方法。本文以代表性河流月径流系列为研究对象,采用数理统计分析方法,在揭示出河流径流组成、径流的季节及年际变化特征的基础上,分析研究各时段各月径流量占年径流量的权重,找出其内在规律,初步探讨巡测辅助站在无任何水位测验基本设施、无水位自记传输的可能、无测流设备和巡测设备的条件下,选择最佳的测流时机,采用水文巡测规范规定的流速仪法实测流量,保证其测验精度,用以达到推算年总径流量的目的。