黄河中下游天然年径流变化趋势预测

基于神经网络理论与传统分析方法,采用改进的BP网络算法,利用黄河陕县水文站531 a天然年径流时间序列,建立了黄河中下游年径流长期变化的BP网络预测模型,并以此模型对2001—2050年黄河中下游天然年径流变化趋势进行了预测分析,结果表明:①中下游天然年径流在未来50 a变化的大趋势是丰水时段比枯水时段略占优势,要经历2001—2020年相对丰水时段、2021—2026年相对枯水时段、2027—2037年相对丰水时段及2038—2050年相对枯水时段;②黄河中下游与上游的天然年径流变化的大趋势基本一致,但中下游出现连续枯水时段的时间较上游长。     

Elman模型在黄河上游年径流预测中的应用

Elman递归神经网络具有上下层，它将隐含层前一时刻的输出反馈到当前时刻的输入，这种反馈连接使Elman网络能够检测随时间变化的序列信息；径流是一种受时问变化影响比较大的信息。因此，采用Elman神经网络理论进行径流预测比较符合径流随时间变化的特点。利用黄河青铜峡水文站数百年的天然年径流时间序列，采用Elman递归神经网络对黄河青铜峡的天然年径流进行预测分析，结果表明，该模型应用在黄河上游的长期预测中是合理、可行的。     

黄河河龙区间径流多年变化特征及动态预测

根据黄河中游河口镇-龙门区间龙门水文站的径流量资料,选取径流多种参数和统计方法分析其多年变化特征.结果表明:区间径流年际变化大,丰水时段历时较短,枯水时段历时很长;45年来,区间年径流存在一个15-16年的显著的周期性变化:区间年径流存在非常显著的减少趋势.同时建立了区间径流的预测模型,在进行拟合时.预测结果的相对误差大都±20%以下,并对区间2001-2030的年径流量做了分析预测.     

BP神经网络在大理河年径流预测中的应用

以大理河为例,根据其1964—2001年年径流序列的长期变化特征,利用MATLAB工具箱提供的神经网络设计、训练及仿真函数建立了年径流预测的BP神经网络预测模型。结果表明:BP神经网络预测值检验的合格率为100%,预报精度明显高于自回归模型。     

ARIMA与ANN组合预测模型在中长期径流预报中的应用

基于时间序列预测模型及BP神经网络,提出了新的组合预测方法.该方法采用三层结构的BP神经网络来构造组合预测模型,运用时间序列模型预测方法得出的预测结果,采用历史滚动法将前5年的预测结果数据作为BP网络的输入,以当前年份的预测结果为网络期望输入,建立了ARIMA-ANN组合预报模型.利用Matlab7神经网络工具箱对塔里木河上游源流卡群水文站的年径流量进行了预报及验证.结果表明:组合模型的预报结果精度高,容错能力强,是中长期径流预报的有效方法.     

气候变化情景下黄河天然径流预测研究

1961—2000年黄河天然径流量呈减小趋势,且径流变化与降水量变化过程基本一致。选用IPCC提出的A2、B2两种温室气体排放方案,并采用北京大学在黄河流域未来气候情景研究中的降尺度成果,以黄河流域未来气候情景模式和预测成果为基础,建立黄河水量平衡模型,预测黄河主要断面的未来天然径流量并分析其时空变化。结果表明:黄河径流量2050年将减少29.3亿～61.1亿m3,2100年将减少42.2亿～71.2亿m3;从空间分布来看,上游兰州以上主要产水区的降水量、径流量有较大幅度减小,其他区域产流量有所增加;从径流年内分配来看,冬季、春季略有增加或基本不变,夏季、秋季减少明显。     

黄河年降雨-径流BP预测模型研究

采用改进的BP算法，对黄河兰州水文站45年(1956～2000年)的年降雨和径流实测资料进行了分析，建立了基于人工神经网络的年降雨一径流预测模型，研究结果表明：仅用预报前时段的年降雨和径流资料作为输入来预测下一时段的径流，其预报精度较差，但在预报期内有相对误差小于10％的降雨预报值输入时，所建模型对下一时段的径流预测与传统的统计建模方法相比，预报精度较高，能较好地反映黄河上游区的年降雨-径流规律。     

基于BP神经网络的河道径流变化量预测

河道径流变化是一种复杂的非线性函数关系的过程,BP神经网络具有表达任意非线性映射的特性。本文基于BP神经网络建立的河道径流变化量预测模型,结合水资源调查分析评价,定量地将人类活动影响期径流相对于基准期径流的变化量分解为降水量、涉水工程、下垫面变化影响量,并分别建立3种因素的影响量模型,从而实现预测未来径流变化量及径流变化量控制的目的。     

基于自相关分析的BP网络年径流预测模型及其应用

在目前利用BP神经网络进行径流预测的方法中,网络输入与输出的确定方法比较模糊,缺乏理论依据.鉴于此,提出通过对数据系列进行自相关性分析来确定网络结构的方法,此方法建立的BP网络预测模型应用于某电站的年径流预测.结果表明,该模型预测精度高,能够满足电站对径流预测的需要.     

改进BP神经网络集成模型在径流预测中的应用

为提高径流预测预报的精度和泛化能力,建立了基于3种基本改进算法的BP神经网络集成预测模型。利用ADF单位根检验方法、自相关分析方法确定径流时间序列的平稳性和模型的输入向量。针对BP神经网络标准算法收敛速度慢、易陷入局部极值的缺陷,采用自适应动量梯度法、共轭梯度法和Levenberg-Marquardt法分别改进BP神经网络标准算法,依次构建基于3种改进算法的BP神经网络模型对文山州南利河董湖水文站年径流进行预测,并构建GA-BP预测模型作为对比模型;采用加权平均方法对各单一模型预测结果进行综合集成。结果表明:集成模型对南利河2001-2005年径流预测平均相对误差绝对值为4.67%,最大相对误差绝对值为7.11%,精度和泛化能力均优于各单一模型和GA-BP模型。集成模型克服了单一模型预测精度不高和误差不稳定的缺点,具有较好的预测精度和泛化能力,是提高径流预测预报精度的有效方法。     

长江源高寒区域河川径流预测方法及其对比分析

为了更好地预测长江源高寒区域水文循环尤其是径流过程的变化规律,根据沱沱河站(1961年-2009年)共49年的降水和径流资料,以降水量作为输入向量,径流量作为目标向量,分别采用偏最小二乘回归估计、改进的BP神经网络和RBF神经网络建立了径流预测模型,并利用Matlab工具软件编程求解。通过三种计算方法预测结果的分析与对比表明:偏最小二乘回归估计模型的径流预测结果基本合理,但该方法需要降水数据作为已知条件,同时要求降水和径流的相关性较高,对于长江源高寒区域来水复杂的地区不是很合适;改进的BP网络模型因受到神经网络学习和训练的随机性影响,需要相当大的运算量,而且预测精度也不高,如果合理选择RBF神经网络模型的周期和spread值,其径流预测结果的精度相对较高,所以是值得推荐的方法。     

黄河水沙变化与下游河道发展趋势

引起黄河水沙变化的原因有人为因素和自然因素两方面，通过分析，发现在人类活动的影响下，黄河上中游水沙变化的趋势是：年水量大量减少，且汛期水量从占全年的６０％减为３０％－５０％；洪峰流量大幅度削减，来沙量有所减少，但减少的幅度小于水量减少的幅度。小浪底水库建成运用初期，下游河道冲刷浆向纵深方向发展，滩地冲蚀量要比三门峡水库拦沙期小得多；水库转入蓄清排挥运用期，孙口以上河段将发生冲刷，孙口至艾山冲淤平衡     

小波神经网络在径流预测中的应用

将小波分析与传统的BP神经网络模型进行组合,提出了一种新的径流中长期预测方法。该方法对年径流序列进行Mallat小波分解,将分解后得到的不同尺度下的低频成分和高频成分分别进行Mallat算法重构,对重构系列采用BP神经网络模型进行预测。采用黄河三门峡站1470-2002年的年径流资料进行模型的预测和检验,并与传统的BP神经网络模型进行比较,研究结果表明小波神经网络在径流预测中具有较好的预报精度,可以成功地用于径流模拟和预测。     

秃尾河流域年径流变化特性分析

对流域径流的变化规律进行准确地分析及合理地预测对流域水资源的合理开发、水利工程的建设以及社会经济的发展具有重要的指导意义。利用Mann-Kendall秩次相关检验法和小波分析理论对秃尾河流域的径流变化规律进行分析研究,并建立BP神经网络模型对径流变化进行预测分析。结果表明:秃尾河流域年径流量变化总体上有明显的下降趋势;从小波系数图可以看出年径流过程主要存在2年、8年和19年左右的变化周期,其中19年左右时间尺度为第一主周期,同时发现目前年径流处在枯水期后期,水量有转向增加的趋势;采用BP神经网络法对秃尾河流域高家川站年径流量进行预测,预测结果相对误差仅为5.92%,说明所建立的BP神经网络模型用于该流域的年径流预测得精度较高,是一种有效地年径流预测方法。     

漓江流域上游径流变化分析

利用桂林水文站、大溶江水文站、灵渠水文站的多年实测径流资料,采用统计分析法、Mann-Kendall非参数检验法,分析漓江流域上游径流年内分配和年际变化特征。计算结果表明:漓江流域上游径流年内分配极不均匀,不均匀系数C_n的范围为0.73~0.78;径流年际变化相对比较均匀,且均匀程度相似,变差系数C_V值的范围为0.19~0.21,年极值比K的范围为2.53~2.69;1954~2016年漓江流域上游径流量整体呈现上升趋势;桂林水文站在1991年前后发生突变,大溶江水文站在1958,1963年等年份发生突变,灵渠水文站在1968年等年份发生突变。     

黄河水沙变化与下游河道改造

20世纪80年代中期以来,进入黄河的水沙量及其过程发生了重大变化,潼关水文站水量和输沙量大幅下降,已由1919~1959年期间的平均水量426亿m3/年、输沙量16亿t/年下降到2000~2012年的231亿m3/年和2.76亿t/年,随着黄河上中游水土保持和生态建设的持续开展,预计未来50~100年潼关站年平均水量和输沙量将逐步稳定在210亿m3/年左右和3亿t/年左右。水沙变化关系到治黄方略的制定,关系到黄河的长治久安。为了顺应黄河水沙的变化,确保黄河防洪安全,实现下游河道不改道、河床不抬高的治理目标,本文提出了新的水沙条件下黄河下游河道治理的总体思路是:改造河道、解放滩区。具体措施包括:稳定主槽、缩窄河道、完建堤防、治理悬河、滩区分类。建议深入研究下游河道改造的方案与河道缩窄的可行性及其影响,为黄河下游河道改造提供科技支撑。     

泾河年径流量BP神经网络模型研究

以1957—2000年的实测降水序列和泾河年径流量序列为研究对象,利用EMD法和GA建立了泾河年径流量的BP神经网络模型。分析结果表明:泾河流域年降水量变化可能存在准2～3、5～7、10～13、18～22 a的周期;基于EMD的年径流量BP神经网络模型预测值的相对误差为-4.71%～8.21%,基于GA的年径流量BP神经网络模型预测值的相对误差为2.25%～12.22%。     

疏勒河年径流量变化特征分析及模拟

根据1972—2011年疏勒河年径流量的实测数据,应用倾斜趋势分析、Mann-Kendall突变趋势检验等方法分析了疏勒河年径流量的变化特征,并利用BP神经网络和粒子群-神经网络对其进行了模拟预测。结果表明:昌马堡、党城湾、双塔堡、潘家庄4个站点年径流量均呈增加趋势,年径流累积距平百分率的倾斜率为每10年分别增加13.87%、4.46%、11.57%、10.49%,年径流量发生显著突变的年份分别为2004、1983、2008、2010年;25a尺度周期是疏勒河流域年径流量变化特征的主控周期。粒子群-神经网络对疏勒河年径流量模拟结果优于BP神经网络,利用优化后的粒子群-神经网络对年径流量进行预测,年降水量在40年均值基础上从增加15%到增加25%时,径流量不会发生显著变化。