基于水位与符号回归的灌区无干扰量水技术研究

为克服传统量水方法水头损失大、技术复杂、经济成本高等问题,提出了一种基于水位和符号回归的灌区无干扰量水方法,并依据高邮灌区典型斗渠2012～2013年实测水位流量数据,对方法应用效果进行了评估。结果表明:符号回归优选出来的5组模型均能较好地估算渠道流量,模拟值与实测值均方根误差RMSE和平均绝对误差MAE分别为71.81～73.43,52.15～56.38m~3/h,调整决定系数超过0.8,说明模型能够较好地反映渠道水位流量关系,模拟精度较高。该方法精度可靠、应用简便、经济可行,在灌区量水方面具有较广的应用前景。     

浅析水文测站上游水电站排沙对水位流量关系的影响

因最近几年两河口水文站测验断面上游右岸约150m处的鹅项颈水电站排沙时,水位流量关系异常,无法用水位在水位流量关系曲线上推求流量,目、月、年平均流量计算值和挑选的各种特征流量不具代表性。通过对该站近两年部分实测资料的分析以及演变过程的归纳总结,得出排沙过程中形成的规律特性和相适应的水位流量关系定线方法与思路,以提高流量推算精度。     

落差指数在线推流在小柳巷水文站的应用

小柳巷水文站测流断面受上游来水以及下游洪泽湖变动回水顶托的综合影响。由于该站断面水位流量关系呈逆时针绳套曲线,水文定线规律难以率定,因此不能采用单一的水位流量关系线,给测站日常流量测验、水文资料整编和水文情报预报工作带来一定难度,传统的人工流速仪测流耗时长,随着时代进步无法满足日常高效快捷的测验要求,无法准确、高效、快捷地为防洪调度提供数据决策支撑。本文以小柳巷水文站20210702、20210716两场洪水实测流量资料为基础,利用水位落差指数法(本文采用临淮关水位站水位),借用落差方程建立新型水位流量关系进行推流计算,与实测流量对比分析表明,该方法误差小、精度较高,可为水文站流量定线推流、水文资料整编、水文预警预报提供数据支撑。     

遗传门限自回归模型在感潮河段水位预测中的应用

应用门限自回归(TAR)模型建立了同时受潮汐和径流双重影响的长江下游感潮河段高桥水文站月水位TAR预测模型,建模过程中运用遗传算法来实现模型参数的优化.计算结果显示,门限自回归模型可以拟合感潮河段的非线性特性,拟合及预测精度均满足水文预报规范要求,遗传算法的引入简化了建模过程,提高了模型的预测精度并保证了其预测性能的稳定性.研究结果表明用遗传门限自回归模型预测感潮河段的水位是可行的,该模型在感潮河段其他水文要素的非线性时序预测中也具有广泛的实用价值.     

门限自回归模型及其在水文随机模拟中的应用

为了客观描述日流量变化的非线性特性,将一种非线性时序模型--门限自回归模型引入日流量随机模拟.根据我国金沙江流域屏山站观测资料建立了日流量随机模拟的门限自回归模型.实用性检验结果表明,该模型用于模拟日流量过程是可行的,成果实用.这种尝试为日流量随机模拟提供了一种考虑日流量非线性变化特性的新模型.     

门限自回归模型及其在水文随机模拟中的应用

为了客观描述日流量变化的非线性特性 ,将一种非线性时序模型——门限自回归模型引入日流量随机模拟。根据我国金沙江流域屏山站观测资料建立了日流量随机模拟的门限自回归模型。实用性检验结果表明 ,该模型用于模拟日流量过程是可行的 ,成果实用。这种尝试为日流量随机模拟提供了一种考虑日流量非线性变化特性的新模型。     

BP神经网络在洞庭湖氨氮浓度预测中的应用

采用BP网络的三种改进算法,对洞庭湖桂花园8年(1995年~2002年)的氨氮浓度和其影响因子实测资料进行分析,建立了基于BP神经网络的氨氮浓度预测模型,并对三种改进算法的训练结果进行了比较。结果表明:作为数据驱动型模型的BP网络,用来建模的学习样本质量至关重要,可以直接影响网络的预测精度。1995年~2002年的丰水期(9月份)数据分布比较均匀,能让网络对样本充分学习,与传统的统计建模方法相比,预测精度较高,能较好地反映洞庭湖氨氮浓度与其影响因子之间变化规律。     

落差指数在线推流在蚌埠(吴家渡)站的应用

蚌埠(吴家渡)水文站测流断面因受上游来水以及测流断面上游约9 km处有蚌埠节制闸的综合影响,水文站断面水位-流量关系呈绳套曲线,规律非常复杂,无法建立天然河道单一的水位流量关系线,从而给测站的流量测验、水文资料整编和水情情报预报工作增加了很大的难度,传统的人工测流方式测流耗时长,信息量少,已越来越不能满足当前防汛抗旱信息需求。文章结合吴家渡站的实测流量资料,利用蚌埠闸下和吴家渡站水位,采用落差指数法建立新型水位流量关系进行推流计算,经与实测流量对比分析,误差小,精度较高,为水文站流量在线推流以及资料整编提供精准的方法和手段,也为其他水文站的流量在线以及报汛工作等提供重要意义和参考价值。     

基于改进BP网络的轴流式水轮机调节特性仿真

为了获得水力机组在小开度、小流量工况点下非线性特性数据,利用改进BP网络与MATLAB神经网络工具箱相结合的方法,将已知的水轮机综合特性曲线数据与边界约束点相结合,经网络自动"学习"训练可获得低效区的流量延拓、力矩延拓仿真曲面。改进BP网络模型可以大大地提高水轮机综合特性曲线数据处理的效率与精度,是研究水轮机控制系统的一种新的非线性建模仿真模型。     

门限人工神经网络模型及其在洪水预报中的应用

结合门限自回归模型与人工神经网络模型的建模思想，首次提出这两种方法的耦合模型，即门限人工神经网络模型，新模型的实质是一种分段非线性化的处理方法，是对现有门限模型分段线性化的很好改进。实例计算结果说明，新模型在洪水的预报中是有效的，在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。