随机森林算法在西江洪水预报中的应用研究

以西江迁江站、柳州站和武宣站1952—2005年实测洪水数据为基础，通过分析上下游站点洪水流量的相关关系选取洪水预报特征因子，采用随机森林算法建立了武宣站洪水预报模型。结果表明：模型率定期预测的武宣站12～48 h洪水过程确定性系数大于0.98、合格率大于98%,验证期预测的12～24 h洪水过程确定性系数大于0.72、合格率大于82%,预报精度较高，预报结果不确定性较小，可为洪水预报提供方法参考。     

基于API模型和SCE-UA算法的三湾水库产流预报模型研究

产流预报是水利工程设计和运行管理的重要内容。以辽宁丹东三湾水库为例,利用人机交互试错法与SCE-UA算法构建起基于API水文模型和SCE-UA算法的三湾水库产流预报模型。通过对2012～2016年23场洪水预报,合格率这87%,该模型对提高三湾水库的流域产流预报精度具有重要意义。     

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。     

人工神经网络在径流长期预报中的应用

介绍了人工神经网络（Artificial Neural Network-ANN）模型，并阐述了BP模型算法。通过Matlab6．5中的Neural Network Toolbox编写程序，根据塔里木河源流叶尔羌河卡群控制水文站历年的气象资料和水文资料，对径流量进行了预报，并对模型进行了验证和分析，结果表明：1968～1997年间预报合格的有25年，合格率为83％；1998～2002年的合格率为100％，从而说明神经网络在水文预报方面具有良好的适用性。     

对1996年大洪水预测的回顾

１９９６年对我国及邻近国家大洪水和灾害预报中，报对的有１９处，合格率为８６％；在对全国２３个主要江河水文站定性预报中，报对的合格率为９１％。由于对松花江上游白山电站６～９月来水量的成功预报，使白山丰满联调办公室同有关部门采取了相应措施，获取经济效益３．２亿元。对５种长期定性和定量预报方法做了简介。特别强调了搞清气候背景；了解前期海温、环流异常，多方考虑影响大洪水的有关因素，广泛收集历史灾情资料；充分做好前期准备工作等在长期洪水预报中的重要意义。     

百色水利枢纽洪水预报方案研究

百色水利枢纽位于珠江流域西江水系最大支流郁江干流右江的上游河段，库区中小型水电站众多，对百色水利枢纽入库洪水预报影响较大。通过对流域的下垫面条件进行分析，设置了合理的预报断面，选用新安江模型进行洪水预报，采用马斯京根法进行河道演算，通过调洪演算模型模拟水电站调节对洪水预报过程的影响，并配置了实时校正模型对预报流量进行校正。根据各断面的水雨情资料，采用粒子群算法对预报模型参数进行了率定，分析了各预报断面的合格率及影响洪水预报精度的原因。     

汤旺河晨明站短期洪水预报方案修正方法探讨

晨明站是汤旺河下游出口控制站,短期洪水预报方案采用上游伊新站和上游支流西南岔河南岔站合成流量与晨明站洪峰流量建立相关图。对晨明站原合成流量预报方案,按区间暴雨量进行了调整和修订,使补充后方案的合格率由64.1%提高到82.1%。     

中国洪水预报系统在无流量站中小河流洪水预报中的应用

中国洪水预报系统功能强大，可适应性强，是水文系统进行洪水预报、信息发布的重要平台，但一般要有流量站才能建立预报方案。该文以潭头水位站为例，利用中洪预报系统对无流量站的中小河流进行洪水预报，结果表明：洪峰流量预报合格率达78％，可以用于作业预报。     

中国洪水预报系统在那坡站预报中的应用探讨

利用那坡水文站1991~2013年水文资料,采用中国洪水预报系统的应用平台建立那坡水文站降雨径流模型洪水预报方案,并利用系统自动进行模型参数的率定和检验,结果:洪水预报方案的评定与检验合格率达到乙级精度,可用于那坡水文站实时洪水预报作业。     

水库实时水情预报调度系统开发及应用

为了准确预报水库入库水量及水位预报,合理进行水库水情调度,利用现有信息化技术,开发了水库实时水情预报调度系统.其系统功能有自动定时水情预报、人工干预水情预报、水情调度、智能化数据纠错及编辑等,经过在福建华安水库应用,预报8场水情全部合格,合格率达100%,优良率达75%.     

决策支持系统(DSS)在电力系统负荷预报中的应用

提出了一种混合算法的决策支持系统，该系统综合多种预报算法的优 点，利用决策理论，在短期、超短期电力系统预报中优选最佳算法，提高预报的准 确度，并考虑了该系统的可扩充性和易修改性。     

平稳时间序列法在长期洪水预报中的应用

针对实际工作需要,利用工具软件,将平稳时间序列法理论在长期洪水预报工作中做了尝试性应用,经实例数据检验,效果较好,历史拟合成果合格率为77%,达到了乙级预报方案合格率标准。     

基于支持向量机模型的湘江枯水预报研究

随着枯水期水资源短缺问题日益突出,人们对枯水径流的研究也越来越重视.运用支持向量机模型对湘江湘潭站年最小7 d平均流量进行预测.为了检测预报效果,将其预报结果与投影寻踪模型、人工神经网络模型的预报结果进行比较,表明支持向量机模型的误差合格率最高,预报精度也最高.     

新安江模型和改进BP神经网络模型在闽江水文预报中的应用

精确的水文预报是防洪减灾中重要的非工程措施,水文模型是开展水文预报最有力的工具。采用LM算法改进了的BP神经网络水文预报模型,以闽江富屯溪流域为例,进行了BP模型和新安江模型在日流量模拟预报中的应用比较。结果表明:两个模型总体均达到水文预报的精度要求,水文预报合格率可达到90%以上;新安江模型在丰水年模拟效果较好,相比而言,BP神经网络模型的模拟精度更高一些;两个模型均可用于闽江流域的水文预报研究。     

基于TOPMODEL的中小河流分布式洪水预报模型及其应用

近年来广东省中小河流洪水灾害频发,研究中小流域洪水预报模型对预防洪水灾害具有重要意义。本研究改进了传统的TOPMODEL模型,以栅格为单元构建了基于TOPMODEL的中小河流分布式洪水预报模型,并以高田水上游流域为研究对象,采用SCE-UA优选算法对1975—2008年的8场洪水进行参数优选,并对2010—2012年的4场洪水进行模型验证。模拟结果表明,本次预报在率定期和验证期平均确定性系数为0.85,径流深预报合格率为92%,峰现时间预报合格率为100%,模型模拟效果较为理想。用改进后的模型研究了某场洪水汇流过程不同时刻的空间分布情况,表明改进后的TOPMODEL模型能够直观地反映洪水的时空变化,模型具有一定的合理性和实用性。     

水文气象长期数值水库预报分析系统

本文较详细地介绍了建立水文气象长期数值水库预报分析系统的思路及具体做法，并以2002年～2003年三座大型水库年月来水量预报同实况进行比较，合格率能达到80％以上，最后就本法，有计算速度快、提供数值预报形象、具体、便于应用等优缺点进行了讨论。     

两类集成学习算法在中长期径流预报中的应用

将前期130项遥相关气候指数作为预报因子,利用分类回归树算法(CART)作为基学习器,引入基于Bagging算法的随机森林模型(RF)与基于Boosting算法的梯度提升树模型(GBDT)的两类集成学习算法作为强学习预报模型,实现对丹江口水库未来1个月、1季度及1年3类径流序列的滚动预报,并通过相对误差绝对值的平均值(MAPE)、Nash效率系数(NSE)、相对均方根误差(RRMSE)、合格率(QR)等指标进行对比分析。研究结果表明,两类模型在验证期模拟精度相似,结果相仿,误差分布较均匀,可进一步用于集合径流预报;随着预报对象量级的增加,径流序列的不稳定性与极值序列分布的不均匀性得以降低,预报的准确度、可靠度以及稳定度得到提高。     

新安江模型在鉴江化州站的应用

将三水源新安江模型应用于化州站洪水预报,结果表明,21场评定洪水目标函数,洪峰合格率、洪峰时差等各项指标均达到75%以上,为乙级预报方案精度,可用于实际作业预报。     

基于随机森林和RBF人工神经网络模型的新丰江水库枯季入库径流中长期预报

基于随机森林和RBF人工神经网络构建了新丰江水库枯季入库径流中长期预报模型,首先采用随机森林模型从74个水文气象特征量和前期降雨、径流中筛选预报因子,之后利用筛选的预报因子作为RBF神经网络的输入层,利用RBF神经网络对新丰江水库枯季入库径流每月的流量进行预报。结果表明,基于随机森林和RBF人工神经网络模型的枯季径流中长期预报模型精度较高,其中训练期平均合格率为91.24%,平均相对误差为7.80%,检验期平均合格率为67.31%,平均相对误差为26.73%,模型有较高的可靠性,预报结果可作为东江流域枯季径流预报重要参考依据。     

基于气温特征值的三湖河口断面冰期预报模型

宁蒙河段是黄河冰凌灾害最严重的河段,三湖河口断面是黄河宁蒙河段防凌防汛的重要控制断面,也是宁蒙测区凌情的首发和频发断面。基于龙羊峡和刘家峡水库联合运用以来三湖河口断面水文、气象、冰情等资料,研究分析河道形态、动力条件等对凌情的影响,统计三湖河口水文断面冰期气温特征值,利用多元线性回归法建立了冰期预报模型。结果表明:1在目前三湖河口断面相对稳定、上游来水变化不大的情况下,气温是影响河道冰凌过程的主要因素;2冰期预报模型的预报合格率均在70%以上,封河日期预报的合格率达到82%,符合相关规范要求。