模糊优选神经网络BP模型在黄河内蒙段封开河预报中的应用

黄河内蒙段地处黄河流域最北端,由于它特殊的地理位置、水文气象条件、河道特性,几乎年年发生凌汛。在分析凌汛成因影响因素的基础上,选取合适的预报因子,基于模糊优选神经网络BP模型,对黄河内蒙段封河、开河日期进行样本训练和预报方案验证。预报结果表明,模糊优选神经网络冰凌预报模型计算简便,精度良好。     

基于模糊识别人工神经网络的冰凌预报模型

黄河内蒙古段地处黄河流域最北端,由于它的特殊地理位置、水文气象条件、河道特性,几乎每年产生凌汛。在分析影响凌汛成因因素的基础上,选取合适的预报因子,基于模糊识别人工神经网络BP模型,提出冰凌预报方法,应用于黄河内蒙段封河、开河日期的预报。结果表明,计算简便,精度良好。     

黄河凌汛险情应急处置

介绍了目前黄河凌汛灾害较为严重的宁蒙河段的凌情,分析了黄河凌汛险情成因和类型,从水库调度、应急分洪区运用和冰塞冰坝破除等方面阐述了黄河凌汛险情应急处置的主要措施,提出建立完善的黄河防凌预报监测体系、加强防洪防凌工程体系建设、合理运用应急分洪区等建议。     

基于人工鱼群算法的冰情预报神经网络模型

在分析凌汛成因的基础上选取合适的预报因子,针对BP神经网络收敛速度慢、易陷入局部极小值的缺点,利用改进的人工鱼群算法训练BP神经网络,以黄河宁蒙河段封开河日期数据进行建模,给出了人工鱼群算法训练神经网络的基本原理和步骤,并对人工鱼群算法神经网络模型、遗传算法神经网络模型、粒子群神经网络模型的预测结果进行了对比分析。结果表明:人工鱼群算法神经网络模型对黄河内蒙古段凌汛期的封开河日期预测比较准确,预测结果优于遗传算法神经网络模型和粒子群神经网络模型。     

黄河流域1989—1990年度凌汛胜利结束

黄河内蒙和豫鲁封冰河段分别于3月20日、2月13日解冻开河。至此,黄河流域1989—1990年度凌汛全部结束。 该年度内蒙河段凌汛特点是;流冰时间长,封河晚;封河流量大,未封冻河段长,水位高;开河早;开河形势比较平稳。 内蒙河段1989年12月气温比常年偏高3—6℃,封河日期比常年推迟近一个月,于12月29日才在昭君坟站下游开始封冻。     

基于可变模糊综合分析的冰凌预测模型

在分析凌汛成因影响因素的基础上,以可变模糊集理论为核心,采用二元比较法确定指标权重,结合统计相关分析确定预报因子相关程度,提出一种基于可变模糊综合分析的冰凌预测模型。将该模型应用于黄河内蒙古段开河日期的预测,结果表明该模型计算简便,对开河日期的预测具有较高的精度。     

2014年黄河防凌形势分析及对策建议

近一段时期以来,受自然因素和人类活动影响,黄河宁蒙河段河道淤积萎缩严重,凌汛险情不断,黄河中下游凌汛问题依然突出,直接危及滩区群众生命财产安全,黄河防凌在今后相当长时间内依然是重要任务之一。目前黄河已进入凌汛期,黄河防凌工作正在稳步有序开展。在深入分析了当前黄河防凌形势的基础上,介绍了黄河凌汛的特点、凌情发展和防凌工作进展情况,提出了全面落实防凌责任、加强测报预报和预案、河道清障、水库防凌调度、迁安救护、巡堤查险抢险、军民联防等确保防凌安全的7项措施。     

基于粒子群神经网络的凌汛开河日期预测研究

为了更准确地预测凌汛开河日期,提出用粒子群算法和BP神经网络相结合的粒子群神经网络模型。介绍了模型的设计和算法实现的流程。该模型通过粒子群算法对BP神经网络初始的权值和阈值进行优化,并以黄河内蒙段三湖河口站作为研究实例进行冰凌开河日期预测。结果表明,经粒子群优化后的BP神经网络预测精度比遗传神经网络和单一BP神经网络更高。     

黄河下游凌汛特征及防御措施

介绍了黄河下游防凌概况;分析了小浪底水库运用后对山东黄河凌汛的影响和凌汛特性变化,小浪底水库运用后黄河下游凌汛封河几率降低、封河历时缩短、封河段长度减小、河槽蓄冰量减少,防凌效果显著;提出了落实防凌责任制、加强凌情观测和预报、落实破冰措施、完善防凌预案等黄河下游防凌措施。     

黄河内蒙古段凌汛期气象预报服务系统

针对黄河凌汛特点 ,从凌灾成因机制方面 ,建立了黄河内蒙古段凌汛资料查询数据库、黄河流域图形空间查询、资料实时采集、封、开河日期、流凌开始期、凌险中期预测和短期预警模式 ,对黄河内蒙古段封、开河日期、流凌日期预报和凌险的实时动态检测预警 ,可提前 1月或 1旬作出凌汛危险程度的中期预测或短期预警。同时考虑到水文资料获取比较困难 ,采用了用气象资料转换代替的方法 ,以确保该模式的正常运行。     

黄河头道拐站开河日期预测的LSSVM方法

根据实测冰情数据分析发现,可将冰盖厚度演变过程作为预测头道拐站的开河日期的主要依据,同时还应考虑封冻期气温、流量等对冰盖厚度的持续性和累积性影响。据此提出了一种应用数据挖掘技术和LSSVM进行头道拐站开河日期预测的新方法。应用LSSVM模型对头道拐站2010年、2011年和2012年开河日期的预测结果表明,可在封冻期内任一冰盖厚度测量日期利用上述方法对该站的开河日期进行预测,有效延长了预见期,且在3月6日前的预测值均满足许可误差合格率的要求。根据LSSVM模型预测误差呈波动性变化的特点,提出了预测开河日期的均值法,可使开河日期预测精度得到显著提高。     

神经网络理论在黄河宁蒙河段冰情预报中的应用

本文研究了以神经网络理论为核心的黄河上游宁蒙河段冰情预报。通过分析河流冰情特点，开发出了用Levenberg-Marquart算法改进传统BP神经网络理论进行冰情预报的数学模型，适用于流凌、封河、开河、水温、流凌密度、冰塞、冰坝等的预报。把该模型应用到2004—2005年冰情预报中，提前预报出2004～2005年冰情发生情况，具有良好效果。理论分析和实例论证都表明该神经网络模型能够进行宁蒙河段冰情预报。     

黄河内蒙古段开河日期预报模型及应用

对黄河内蒙古段的冰情特点进行分析,选用1970—1971年度至2007—2008年度共38个冬季的冰情资料,提取合适的预报因子,分别采用人工神经网络模型和多元线性回归模型,对黄河内蒙古段的开河日期进行预报。结果表明,神经网络模型和多元线性回归模型预报样本合格率分别为86.7%和80.0%,神经网络模型的预报精度高于多元线性回归模型,更适用于黄河内蒙古段开河日期预报。     

白山流域春季径流影响因素及作用机理识别

我国北方流域春汛来水水源组成多元,影响径流过程的因素众多,且各因素的作用过程复杂,给春汛来水预报带来了挑战。春汛是白山流域第二个集中来水期,准确的春汛预报是科学合理制定水库调度方案的前提和基础,既可以保证农业供水需求、航运用水需求,又能为后期防汛预留库容,实现水资源高效利用。依托白山水库1958—2016年春季长系列日入库流量过程资料,通过Eckhardt递归数字滤波法进行基流分割并绘制基流比过程,根据基流比过程演化趋势将春季径流的水源组成划分为融雪产流、冻土条件下融雪、降雨产流和冻土条件降雨产流等3个阶段。多年平均状况下,白山流域融雪产流开始日期为3月28日,冻土条件产流开始日期为4月28日,融雪产流结束日期为5月20日,冻土消融日期为6月15日;多年平均状况下,融雪产流历时为28 d,冻土条件下融雪、降雨产流历时为26 d,冻土条件下降雨产流历时为24 d。以白山流域内3个气象站1960—2016年日降雨、温度、辐射和风速数据为影响因素,以白山水库日入库径流量(径流深)为目标变量,在融雪产流期(3月28日—5月20日)内,采用全局灵敏度分析法识别出日总辐射和平均风速无时滞效应、最低温度具有1 d的时滞效应、平均温度和最高温度具有2 d的滞后效应,继而识别出基于时滞的日总辐射、平均风速、平均温度和降水为融雪产流的关键影响因素;采用遗传算法拟合融雪产流经验公式,1960—2010年校准期内模拟精度较好,在径流系数小于等于1时和大于1时,拟合优度分别为97.1%和77.5%,平均相对误差为7.5%和22.5%,效率系数分别为96.8%和71.2%;在2011—2016验证期内,在径流系数小于等于1时和大于1时,拟合优度分别为99.3%和99.8%,平均相对误差分别为7.4%和16.8%,效率系数分别为97.8%和94.6%。     

城市年用水量灰色预测研究

灰色预测模型要求原始数据序列满足指数规律,而实际上城市用水波动性大,无典型指数趋势变化,而一般呈代数曲线形式变化,因此本文提出了改进的灰色模型在城市年用水量预测中的应用,改进的灰色预测模型主要基于灰色预测模型一次累加的建模思路。将改进的灰色预测模型用于某城市的年用水量预测,结果表明:改进的灰色预测模型与传统的灰色预测模型相比,平均相对误差以及原点误差均较小,可用于该市的年用水量预测,为该市年用水的宏观调控与用水规划提供参考。     

丰满流域春季径流水源及产流模式分析

春季径流主要来源于融雪水和冻土条件下的降雨径流,但是,如何定量进行各产流模式阶段划分和各水源量的估算,一直是春季径流研究的挑战。为了评价多年平均状态下的春季水源组成及其产流模式阶段,结合丰满流域1944—2017年的日径流量资料,根据典型年(2017年)春季日径流过程总结出东北春季径流过程由3种产流模式构成,即融雪产流模式、冻土条件下融雪-降雨产流模式、冻土条件下降雨产流模式。通过Eckhardt递归数字滤波法进行基流分割,定义地下径流与总径流之比为基流比,根据总径流量和基流比曲线变化趋势分析产流模式起止日期及历时,并采用箱形图对历年产流模式起止日期及历时进行统计分析。结果表明:丰满流域在多年平均状况下,融雪产流开始日期为3月21日,冻土条件下融雪、降雨产流开始日期为4月21日,融雪产流结束日期为5月11日,冻土消融日期为5月28日;融雪产流模式历时为31 d,冻土条件下融雪、降雨产流模式历时20 d,冻土条件下降雨产流模式历时18 d;多年平均状况下,丰满流域春季总径流中,融雪产流约占39.4%,冻土条件下融雪、降雨产流约占35.3%,冻土条件下降雨产流约占25.3%;丰满流域年总径流中,融雪产流约占10.3%,冻土条件下融雪、降雨产流约占9.2%,冻土条件下降雨产流约占6.6%。研究成果对北方地区流域春汛来水预报具有参考价值。     

人工智能冰情预报的预报因子确定

以黑龙江上游漠河站开河日期预报为例,对利用人工智能技术进行冰情预报过程中预报因子的确定方法进行了研究。在成因分析的基础上,先对各影响因素进行适当的概化及量化处理,得出足够数量的影响因子作为待选因子,再采用逐步回归分析法对待选因子进行筛选,即可得到较为理想的预报因子。     

基于粗集和改进BP网络的城镇日用水量预测模型

针对城镇日用水量受某些影响因素冗余性、非定量性、非线性的影响以及这些影响在预测模型中很难体现等问题,分析了影响城镇日用水量的因素,利用粗集知识约简方法去除冗余,选择影响城镇日用水量的主要因素,结合改进的BP网络建立城镇日用水量预测模型,并将该模型的预测效果与未采用粗集方法去除因素冗余的模型预测效果进行比较,结果显示该模型的预测精度更高、所需时间更短、更加适用于影响因素较多的城镇年、月用水量的预测。