基于随机模拟信息的神经网络洪水预报模型

针对BP神经网络模型预报大洪水误差较大的问题,提出建立了一种基于概念水文模型随机模拟信息的神经网络洪水预报模型,该模型融合了概念水文模型和神经网络模型的优点.在实际应用中,首先利用概念水文模型(三水源新安江模型)随机模拟出占实测洪水一定比例的较大洪水,然后将这些随机模拟生成的较大洪水过程加入到神经网络模型的训练样本中,以增加训练样本中较大洪水的比重,从而提高洪水的预报精度.通过实例应用表明,模型预测效果较好.     

基于BP神经网络的马斯京根模型参数动态估计

针对平均值法和流量分级法获取马斯京根模型参数导致实时洪水预报精度低的问题,本文提出基于BP神经网络的马斯京根模型参数动态估计方法。提取每场洪水的特征属性作为神经网络的输入,采用优化算法估计的每场洪水的参数作为神经网络的输出,对神经网络进行训练,并将此方法应用于实时洪水预报的参数估计,结果表明,此方法简单可行,精度较高,比较实用。     

集合卡尔曼滤波与神经网络融合的洪水预报研究

为了提高河道洪水预报精度,研究了集合卡尔曼滤波法与神经网络模型的河道洪水预报技术。利用龙门、白马寺实测洪水资料预报黑石关洪水并进行了对比检验,讨论了集合卡尔曼滤波与神经网络模型预报洪水的融合过程及其特点。试验结果表明,应用集合卡尔曼滤波技术优于神经网络的预报效果,集合卡尔曼滤波技术与神经网络模型融合可有效提高河道洪水预报的精度。     

小波变换与BP神经网络耦合的洪水预报方法

为了发掘小波变换与BP神经网络相耦合在洪水预报中的应用价值,提出了基于小波变换和BP神经网络耦合的洪水预报方法.根据小波变换与BP神经网络耦合方式的不同,分别构建了两种结构的网络模型:松散耦合与紧致耦合模型,并利用实测流量时间序列分别对这两种模型进行了训练与验证.计算结果表明,两种模型的预报效果与3层常规BP神经网络相比均得到了不同程度的提高,松散耦合模型的预报效果总体上最优.小波变换与BP神经网络相耦合在洪水预报方面有良好的应用前景.     

基于地面雨情信息的长江三峡区间洪水预报研究

长江三峡区间的暴雨洪水对三峡水利枢纽的影响迅速而且直接,是进行三峡坝址洪水预报的重要边界条件。本文基于分布式物理模型GBHM与概念性新安江模型开展了三峡区间洪水预报研究。利用2004-2007年地面观测的雨量及流量信息,首先在日尺度上对两个预报模型进行了参数率定及模型检验,然后在小时尺度上对典型洪水过程进行了预报试验。结果表明,两个模型对逐日洪水过程的模拟均有较高精度。考虑到逐时流量数据的限制,本研究直接利用在日尺度上拟合的模型参数进行逐时的洪水预报。结果显示新安江模型的预报精度大幅下降,GBHM模型对洪水过程及洪水总量的预报仍能够保持一定精度,表明分布式物理性水文模型在三峡区间洪水预报中具有应用优势和潜力。     

三峡入库洪水概率预报的深度学习模型

将长短时记忆（LSTM）神经网络嵌套至编码-解码（ED）结构,构建了LSTM-ED深度学习模型,采用贝叶斯概率预报处理器量化洪水预报不确定性,提出了一种三峡入库洪水概率预报业务方法,并讨论了降雨预报对洪水概率预报性能的影响。选用向家坝—三峡坝址区间流域2010—2021年汛期6 h降水径流资料序列训练和检验模型,开展了1～7 d预见期入库洪水预报。结果表明：LSTM-ED模型的模拟预报精度优于LSTM模型,验证期1～7 d预见期纳什效率系数高于0.92;概率预报连续排位概率分数相对平均绝对误差降低26.82%～32.74%,考虑预报降雨可进一步提高概率预报性能,为调度决策者提供可靠的风险信息。     

提高支持向量机洪水峰值预报精度研究

本文引入支持向量机算法进行流域洪水预报建模，同时针对训练样本的不平衡性，提出了一种能进行峰值识别的改进支持向量机算法(support Vector Machine with Peak Recognizer，简称SVMPR)。该算法在结构风险最小化准则的目标函数中适当加大峰值样本的权重，从而提高支持向量机洪水预报模型对洪峰的预报精度。分别采用SVM算法和SVMPR算法对沙溪口流域上洋口站建立洪水预报模型，对比分析表明了SVMPR算法的有效性。     

数字流域水文模型在柘溪水电站洪水预报中的应用

将数字高程模型（DEM）生成的数字高程流域水系模型（DEDNM）与新安江水文模型相结合构建数字流域水文模型，并将该模型应用于柘溪水电站的6个子流域进行产、汇流计算，所得子流域出口的径流过程与实际洪水过程进行拟合，制作洪水预报方案。结合流域现有遥测信息和实时校正技术编制了实时洪水预报系统。实时预报系统通过近1年的试运行表明该方案得到了成功应用，预报精度达到甲级标准。试运行期间依据该系统预报调度对大洪水进行了有效的错峰削峰，充分显示了水库的巨大防洪效益;洪水后期的拦蓄洪尾也为水库后期的保水抗旱提供了有力保障，     

基于修正组合模型的河川径流中长期预报

为了充分发挥灰色模型在单变量预测及神经网络在处理非线性问题上的优势,同时降低二者的线性组合模型中组合权系数计算方法的不确定性对模型预测效果的影响,本文基于修正组合预测的思想,借助马尔科夫链对灰色GM（1,1）、BP神经网络及组合灰色神经网络模型预测的误差序列进行了修正处理,并通过分析比较修正单一模型与修正简单组合模型在中长期径流预测精度上的差异,提出了基于修正组合模型的河川径流中长期预报方法。将该方法应用于黄河中游区四条一级支流窟野河、秃尾河、无定河与孤山川的控制性水文站年径流预测中,结果表明基于马尔科夫链修正的组合灰色神经网络模型具有更好的拟合与预报精度,是一种更有效的径流预测方法。     

指数分流非线性概念洪水预报模型研究

本提出了一种非线性适应能力强、预报精度高、结构合理、物理概念明确、模型过程运算直观性强和参数易设定的新的水洪水预报模型。该预报模型是一种非线性水概念参数模型。本对模型的算法及应用进行了讨论。     

并联水库群联合防洪预报调度方式优化研究

水库群联合防洪预报调度方式对流域及城市防洪、水资源合理优化配置有重要意义。水库群联合调度不仅要考虑各水库自身约束和预报,还需考虑水库补偿关系,已有试算法经验性强、难以获得全局最优解。文章将优化技术与规划防洪预报调度相融合,提出考虑预报误差的预报调度规则的一般形式和求解思路,建立库群优化调度模型,优化求解各水库的防洪预报调度规则和汛限水位动态控制上限。以清河、柴河水库群为例进行研究,结果表明：联合防洪预报调度相比单库防洪预报调度,清河水库和柴河水库的汛限水位分别可多抬高0.4 m和0.3 m,最大可使汛期多蓄水0.62亿m3。研究结果可为水库群防洪预报调度提供参考和理论依据。     

数据挖掘技术在洪水预报实时校正中的应用北大核心CSCD

实时校正作为提升洪水预报精度的最后一道屏障,是洪水预报的重要组成部分。针对洪水过程与洪水要素校正效果较差的问题,以横江屯溪以上流域为例,在对流域历史洪水数据的降雨径流序列与洪水特征值遴选的基础上,构建了暴雨洪水特征库,提出了一种结合卡尔曼滤波和K最邻近结点算法的联合实时校正方法。结果表明:相较于模型未校正及单一校正方法,联合实时校正方法在减少洪水预报过程中的洪峰预报误差、洪量预报误差及峰现时间误差上更为有效,预见期在6 h及以下时仍可以保持较好的稳定性与准确性。此方法对于提高中小河流洪水预报精度、有效预警和防灾减灾等方面都具有重要作用,同时对研究区域洪水特征具有一定参考价值。     

考虑动态洪水预见期的水库运行水位动态控制

为了在合理评估防洪风险的条件下提高洪水资源利用率,以潘口水库为算例,首先考虑为下游水库预留的防洪库容具有重叠使用的空间,对其汛期运行水位值进行了优化;其次利用预报预泄法建立模型,推求汛期运行水位动态控制域的上限值;最后重点考虑洪水预见期的动态变化,求解基于风险分析的动态控制域。计算得出,水库汛期运行水位可由原来的347.60 m提高至350.50 m,考虑洪水预见期的变动区间为[3, 6] h,以0.5 h为间隔,最终求得的汛期运行水位动态控制域为[350.50, 351.40] m,相应的发电效益可以分别提高0.19亿kW?h至0.25亿kW?h。结果表明,在综合考虑防洪安全与兴利蓄水的条件下,依据所提出的方案对潘口水库进行汛期运行水位动态控制是合理可行的。     

新时期医药商业贿赂的特点及治理对策探讨

目的寻找新时期医药商业贿赂的治理对策。方法分析新时期医药商业贿赂的新特点和查处时存在的困难、障碍;有针对性地提出治理对策。结果与结论采取多部门协作、加大处罚力度、完善监督立法、加强医生处方行为的控制、充实监管队伍等措施,对于医药商业贿赂的治理具有积极意义。     

跨河建筑物局部水沙动力数值模型开发与应用

局部河床冲刷是引发桥梁、渡槽等跨河建筑物水毁的重要因素,利用数值模拟方法能够对洪水过程中跨河建筑物的局部冲刷风险进行分析与预测。介绍了一套用于模拟跨河建筑物附近水沙动力过程的数值模型HydroCRS,可计算建筑物所在河流的流场分布、泥沙运动及河床冲淤情况。模型采用一、二维嵌套的方法,在提高计算效率的同时能够较好地对接水文预报模型,以形成从气象预报到水文预报、再到局部冲刷风险预测的完整模拟系统。将模型应用于南水北调中线一期工程总干渠双洎河渡槽段工程的水沙动力过程模拟中,模型能够反映实际复杂地形下河床冲刷特性,为工程实践及风险评估提供参考。     

基于季节ARIMA模型的月度用电量置信区间预报模型

结合广东某地区用电量预测系统的开发工作,建立了基于季节ARIMA模型的月度用电量置信区间预报模型。该模型可方便求解出含一定置信度的预报结果范围,能体现出月用电量的真实值;时间序列方法的应用,避免了预测其他非用电量的困难。此外,还分析了数据统计中存在着的数据缺失问题及其处理方法。对地区电网月度用电量进行实际预测,取得了理想的结果。     

基于6h预报径流深的安康水库防洪预报调度方案研究

为了提高水资源利用率,实现洪水资源化,本文针对安康水库工程实例,通过对水库调节性能、6h入库水量预报精度等的分析,提出了基于6h预报径流深的水库防洪预报调度方式,并采用逐级调节法制定了预报调度规则.分别从不同频率、不同典型年和不同起调水位等几个方面,对常规防洪调度和预报调度进行了分析比较,结果表明采用防洪预报调度方式不...     

基于贝叶斯模型平均理论的水文模型合成预报研究

通过亚高斯模型分别对实测和水文模型预报的洪水序列进行正态分位数变换,并建立变换后的实测与预报时间序列的线性关系;然后根据贝叶斯模型平均理论,以实测序列条件下某一水文模型为最优模型的概率为权重,对各模型预报变量的条件概率密度甬数进行加权,得到预报变量的概率密度函数,即高斯混合模型,从而实现了不同水文模型预报的合成及概率预报;最后,采用期望最大化算法估计高斯混合模型的参数.以密赛流域为实例,对本文的方法进行了验证.结果表明,基于贝叶斯模型平均的水文模型的合成预报不仅可以提供精度较高的均值预报,而且可以通过置信区间估计,定量评价模型预报的不确定性.     

基于边际替代率的水库多目标调度方案决策

为得到入库径流不确定条件下的水库多目标优化调度方案,本文以防洪和发电具有结合库容的三峡水库为研究对象,在对入库径流过程预报误差进行量化估计的条件下,以耦合微观经济学中的等产量和等成本线获取最大效益的原理,将边际替代率应用于水库多目标优化调度方案决策,寻求防洪和发电矛盾对立转化的最佳均衡点。应用于三峡水库的算例分析结果表明,模型不仅可以直观描述丰平枯不同来水情景下的防洪效益和发电效益之间的互馈转化关系,而且能够得到考虑入库径流过程预报误差时的汛前期水库优化运行水位,对于在保障防洪安全的基础下充分发挥水库兴利效益具有重要的理论意义和实际应用价值。