洞庭湖城陵矶流量逐日预报研究

运用BP网络建立了洞庭湖城陵矶流量预报模型,模型以长江干流来水、洞庭湖区水位以及下游顶托等影响因子作为模型输入向量.模型计算结果与实测资料比较表明模型基本合理可靠,模型不仅能为该干流河段洪水演进计算提供可靠的入汇流量数据,而且也能为分析城陵矶站流量变化规律提供依据.     

神经网络模型在怀洪新河洪水预报中的应用

建立了基于神经网络的洪水预报模型.该模型根据历史洪水样本,将河道预测点上游参考点的水位、流量以及预测点的水位作为神经网络的输入,预测点的流量作为神经网络的输出.采用BP算法训练网络,并将训练成功的洪水预报神经网络模型分别按8,16,24 h等预见期对新胡洼闸、西坝口闸水位进行预报,取得了较高的预报精度,验证了模型的有效性.     

长江中游典型测站1998年洪水位变化特性

采用最小二乘法对螺山站水位流量关系进行了多项式曲线拟合,以形成平均的水位流量关系曲线,在消除水位流量关系绳套曲线的影响后分析比较螺山站同流量下水位变化的原因:由于河道泥沙淤积、滩地开发利用,致使过水断面减小,过水能力降低,流量较小时同流量下水位抬升明显;同时在大流量时由于洪水漫滩,水流阻力增大、泄流不畅,造成比降变缓,因而同流量下水位也有所抬高.建议在确定防洪标准和堤防加高时,应充分考虑大流量时同流量下水位升高这一特点.     

断面间距对黄河下游高含沙洪水模拟结果影响

针对黄河下游河道特点及高含沙洪水演进特性,建立基于耦合解法的一维非恒定流非均匀沙数学模型.利用该模型计算黄河下游2004年8月的高含沙洪水过程,采用实测水沙资料对模型进行验证.验证结果表明,各水文站的流量、含沙量等计算值与实测值吻合较好,所建模型可以用于模拟高含沙洪水演进及冲淤过程.采用该模型计算不同断面间距条件下同场次的高含沙洪水过程,分析不同断面间距下的计算结果.分析表明:不同断面间距对一维模型的计算精度有一定影响,在计算边界条件及其他参数取值相同的条件下,计算断面间距对流量及水位的影响相对较小,对含沙量及河道冲淤过程的影响较明显.在黄河下游地形及水沙特性均复杂的情况下,采用一维数学模型计算高含沙洪水过程时,应适当考虑断面间距的影响.     

论涨差～落差关系及其在水位演算中的应用

河道洪水演算一般用流量演算法,但不能用于预报。而相应洪峰水位法只适用于预报洪峰水位,很难预报水位过程。本文根据河相关系涨差比落差的原理,提出三种预报水位过程的方法。(1) 据实测记录绘制下游站涨差与落差的关系曲线,用于预报。(2)相应涨差法:以上游站的涨差与下游站后一:时段的相应涨差建立关系,用于预报。(3)加权水位法:建立加权水位关系。以时段初的上、下断面水位预报时段末的下断面水位。     

时变参数洪水预报模型应用中预报时机的分析

考虑渗漏损失的马斯京根河道洪水演算模型的时变参数法适用于北方平原河道洪水预报,由于该法是在下游预报断面有实测流量后方可进行,洪水预报的预见期相对较短。文中以中国洪水预报系统为平台,结合多年的预报经验,分析了洪水预报时机的选择问题。黄壁庄~北中山、岳城~蔡小庄1996年洪水及东茨村~新盖房2012年洪水的预报时机分别为洪峰出现前11 h,23 h,17 h。预见期越短,模型预报成果的精度越高,并趋于稳定;预见期不可盲目延长,预报时刻应选在下游预报断面流量开始起涨后。通过分析较好地解决了洪水预报的预见期与预报成果精度的矛盾。     

水位流量关系分析中落差指数的直接解法

受洪水涨落和回水顶托影响的水位流量关系一般为复杂的时序型绳套曲线,通常可用落差指数法作单值化处理,但由于落差指数法需经反复试算,给电算带来不便,本文提出了落差指数直接解算的数学模型,并应用于长江中游螺山站的水位流量关系分析。     

黑龙江凌汛最高水位及冰坝预报模型

根据黑龙江上游漠河、开库康等4站的多年水文观测资料,通过对凌汛最高水位及冰坝发生机理的研究,引进了流域最大释放水量、水位上涨加速度、冰盖相对强度等诸多因子,采用多种影响因子分析法建立了其预报模型.该模型准确率较高,物理成因概念明确,凌汛最高水位模型其精度都在90%左右.冰坝模型精度达到了80%.     

青阳水文站洪水预报方案构架及评定

文章统计了1963～2008年青阳站降雨量、流量及高坦站蒸发量等因子,应用新安江模型原理,进行该站洪水预报方案的构架并进行评定.     

BP神经网络在柳江径流预测中的应用

径流水位预测是进行洪水监测的重要手段,对于包含详尽信息的广西柳江日径流水位时间序列,采用基于BP神经网络模型进行预报可取得较好效果.如LMBPDH模型采用双隐含层BP网络能加强预测模型输入输出的非线性映射能力,采用Levenberg Marquardt （LM）算法对网络进行训练则能缩短BP网络的收敛时间,改善网络的收敛性能,同时采用实验法确定模型的其他参数使模型获取最佳预报性能.在对柳江近10年日平均水位的预测中,将LMBPDH模型与单隐含层BP神经网络、LM算法以及带适应学习率和动量因子的梯度递减法算法等组合构成的BP神经网络模型,以及遗传算法进化的神经网络模型比较,LMBPDH模型预报稳定性、预报准确率最佳.     

新沂河海口枢纽中深泓闸模拟泄流曲线初探

新沂河海口枢纽是淮河流域沂沭泗水系沿线的重要水利工程之一。中深泓闸的投入运行将为完善沂沭泗水系水文预报方案提供可靠的基础水文资料。根据新沂河海口枢纽扩建模型补充试验研究的成果,结合曲线型实用堰闸孔出流的特点,计算出不同闸门开启高度下的过闸单宽流量,并绘制闸上各不同水位级下的模拟泄流曲线。通过对泄流曲线的分析,掌握了中深泓闸闸上不同水位级时,其过闸单宽流量随闸门开启高度改变时的变化规律,为进一步印证中深泓闸实际泄流状况作资料准备。     

横塘村水文站代表线平均流速--断面平均流速相关分析

安吉县横塘村水文站是西苕溪区域代表站，该站的水位，流量等水文要素是西苕溪水利规划和综合治理的重要依据，测流方法的确定直接关系到水文资料的质量，本文对该站的代表线测流进行了相关分析，取得了可行性成果。     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.     

机器学习在河流流量参数估计中的应用

针对经典水位流量关系模型在刻画河流动态变化特性时存在的局限性,提出采用局部加权回归算法估计河流流量;为了提高参数估计精度,提出一种聚类局部加权回归方法。首先对训练样本进行聚类,然后使用k-最近邻方法将新的水位样本划分进最恰当的聚类中,最后估计河流日流量。该方法在估计过程中,避免了不相关信息的干扰,从而提高了日流量数据估计的效率和精度。利用某水文站的实测数据对方法进行测试,仿真结果表明该方法估计精度较高,为水位流量关系模型参数估计提供了新的有效方法。     

长江中下游枯水位与河床冲淤变化

根据大量实测水文泥沙资料,分析了包括下荆江裁弯、葛洲坝和三峡工程运用后长江中下游河道冲淤与枯水位及泥沙特性变化情况.研究结果表明,近50 a来长江中下游枯水位表现为宜昌至监利河段下降明显,城陵矶至螺山上升显著,汉口至大通略有上升.三峡水库运用后,长江中下游含沙量及输沙量下降明显,悬移质中值粒径大幅减小,枯水位降低.枯水位变化与河段河床演变以及河道的冲淤变化密切相关,由此带来的河岸崩塌、引水及航道等问题应引起重视.     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

基于贝叶斯方法的实时洪水校正模型

简述了实时洪水校正方法的研究进展,提出并建立了基于贝叶斯方法的实时洪水校正模型. 该模型用先验分布考虑水文资料的不确定性,用似然函数描述模型结构和参数的不确定性,将两者综合得到预报流量的后验分布. 选用江西省白云山水库的雨洪资料对模型进行探讨与检验,采用可变遗忘因子最小二乘递推算法估计先验分布和似然函数的参数,以后验分布密度函数的均值作为结果发布. 结果表明该法不仅可显著的提高洪水预报精度,还给出预报区间估计值,实现了预报与决策的有机耦合.