基于主成分分析法的文山州洪灾评估

以文山州1990～ 2007年洪灾资料为基础,选择受灾人口、死亡人口、经济损失、减产粮食4个指标的数据,采用主成分分析法建立了文山州洪灾程度评估模型,并利用该模型计算了文山州洪灾程度综合指标值,对其进行定量分级评估.评估结果表明:1990 ～2007年的18年间,文山州共出现1次特大灾害、5次大灾、11次较大灾害、1次...     

基于指标权重的湖库营养状态识别

针对湖库营养状态识别未考虑指标权重及营养状态分级较少的不足,基于熵值法与概率神经网络（PNN）基本原理,提出熵值PNN湖库营养状态识别模型,以全国24个湖库营养状态识别为例进行分析。利用熵值法确定识别指标权重,依据我国湖库富营养化评价标准,将湖库营养状态划分为极贫营养一极重度富营养11个等级,提出基于改进的湖库营养状态识别等级标准,在等级标准域值间采用随机内插的方法生成样本对PNN模型进行训练和检验,利用正确识别率和运行时间对PNN模型性能进行评价。最后,基于两种方案对全国24个湖库营养状态进行识别。结果表明：@PNN模型对于随机生成的训练样本和检验样本的正确识别率分别达到98．9％、98．6％（5次平均）,模型用于湖库营养状态识别是合理可行的。②湖库识别结果存在差异。比较而言,基于指标权重考虑的识别结果更能科学、客观地反映湖库营养状态。     

河流健康评价的回归支持向量机模型及应用

建立河流健康评价指标体系、分级标准及回归支持向量机（ SVR ）河流健康评价模型,并以云南省文山州清水河健康评价为例进行研究。首先,利用层次分析法（ AHP ）从水文水资源、物理结构、水质、水生生物和社会服务功能5个方面遴选出13个评价指标,构建3个层次的河流健康评价指标体系和5个等级的分级标准;其次,基于SVR原理,利用随机生成和随机选取的方法,在等级标准阈值间构造5种不同容量大小的训练样本和检验样本,提出5种不同容量方案的SVR河流健康评价模型,设计合理的输出模式,并构建具有良好性能的RBF（radial basis function neural network ）回归模型作为对比模型,利用模型随机5次运行的平均相对误差绝对值、最大相对误差绝对值和运行时间对各方案模型性能进行评价;最后,利用达到期望精度的SVR模型对实例进行评价分析。结果表明：①无论是训练样本还是检验样本,5种方案的SVR模型的预测精度和泛化能力均优于 RBF模型。在相同参数设置条件下,SVR模型随着样本容量的增加其精度和泛化能力变化不大;而RBF模型随着样本容量的增加其精度和泛化能力均有提高。表明SVR模型具有较高的精度和泛化能力,可以用于河流健康评价,尤其在小样本情况下,SVR模型的精度和泛化能力是RBF模型不可比拟的。②5种方案的SVR模型对清水河2011-2012年3次调查的评价结果均为健康,但已接近于亚健康。     

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。     

基于PCA-MPA-ANFIS模型的年径流预测研究

为提高径流预测精度,提出一种将海洋捕食者算法(MPA)与自适应神经模糊推理系统(ANFIS)相结合的径流预测方法,选取6个标准测试函数对MPA进行仿真验证,并与PSO算法的仿真结果进行比较;通过主成分分析(PCA)对数据样本进行降维处理,使输入数据简洁且更具代表性;利用MPA优化ANFIS条件参数和结论参数,建立PCA-MPA-ANFIS径流预测模型,并构建PCA-MPA-支持向量机(SVM)、PCA-MPA-BP作对比模型;基于云南省革雷站、新疆伊梨河雅马渡站年径流预测实例对PCA-MPA-ANFIS、PCA-MPASVM、PCA-MPA-BP模型进行验证。结果表明,MPA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力;PCA-MPA-ANFIS模型对两个实例年径流预测的平均相对误差分别为1.08%、4.49%,平均相对误差较PCA-MPA-SVM模型分别降低了32.5%、37.1%,较PCA-MPA-BP模型分别降低了58.2%、37.6%,具有较好的预测精度和泛化能力。可见将PCA-MPA-ANFIS模型用于径流预测是可行和有效的。     

盘龙河龙潭寨站以上流域水文特性分析

随着社会经济的迅速发展,对水资源需求更为迫切,洪涝、干旱、水土流失和水环境恶化等问题日趋严重。本文采用盘龙河流域龙潭寨水文站近40年历时水文资料,统计、分析了盘龙河龙潭寨站以上流域水文特征的变化分布规律。为盘龙河流域水资源综合利用和生态环境保护,提供分析依据。     

基于模拟退火算法支持向量机在枯水期月径流预测中的应用

鉴于支持向量机(SVM)最佳算法参数难以确定的不足,利用模拟退火算法(SA)搜索SVM学习参数,提出SA-SVM预测模型,并与基于遗传算法(GA)搜索SVM学习参数的GA-SVM模型作对比,以云南省龙潭站枯水期1-3月月径流预测为例进行实例研究,利用实例前43年和后10年资料对模型进行训练和预测。结果表明:SA-SVM模型对实例后10年枯水期1-3月月均径流预测的平均相对误差绝对值分别为3.11%、4.93%和6.75%,精度优于GA-SVM模型,表明SA-SVM模型具有较高的预测精度和泛化能力。SA算法通过赋予搜索过程一种时变且最终趋于零的概率突跳性,有效避免了算法陷入局部极值并最终趋于全局最优。     

GSA-PP模型在区域水资源承载力评价中的应用

为研究引力搜索算法(GSA)-投影寻踪(PP)模型应用于区域水资源承载力评价中的有效性和可行性。从水资源系统、经济社会系统和水环境系统遴选14个指标构建区域水资源承载力评价指标体系及分级标准,利用GSA算法优化PP模型最佳投影方向,提出GSA-PP水资源承载力评价模型,并构建粒子群优化(PSO)算法、差分进化(DE)算法和布谷鸟搜索(CS)算法优化的PP模型作对比,以文山州8县市水资源承载力评价为例进行实例研究。结果表明:GSA算法连续10次优化PP模型获得的适应度值均为1147.9363,均优于PSO、DE和HS算法,具有较高的求解精度和稳定性能。GSA-PP模型对麻栗坡县、马关县和文山市的评价结果为"可承载",对其余5县的评价结果为"基本可承载"。GSA-PP模型对实例评价及排序结果与DE-PP模型相同;与PSO-PP、CS-PP模型评价结果相同,但在排序上存在差异。实例验证了智能算法求解精度的高低决定着评价效果的优劣。     

AGPSO-MEPP模型在云南省水安全动态评价中的应用

从生命安全、经济安全、社会安全和生态安全4个方面选取20个指标构建区域水安全动态评价指标体系和分级标准。利用自治粒子群优化(AGPSO)算法寻优最大熵投影寻踪(MEPP)技术最佳投影方向,提出AGPSOMEPP水安全评价模型,并分别构建加速粒子群优化(APSO)算法、惯性权重线性递减粒子群优化(LDWPSO)算法和基本粒子群优化(PSO)算法-MEPP模型作对比模型对云南省2006-2015年及2020年水安全进行评价。结果表明:AGPSO寻优MEPP目标函数获得的最优值、最差值、平均值和标准差均优于APSO、LDWPSO和PSO算法,具有较好的全局极值寻优能力;AGPSO-MEPP模型对云南省2006-2013年水安全评价为"不安全",2014-2015年评价为"基本安全",2020年评价为"安全"。2006-2015年的10年间云南省水安全随时间呈提升趋势,且提升趋势显著;AGPSO-MEPP模型对云南省水安全评价结果与APSO-MEPP模型相同,但在排序上存在差异;与LDWPSO-MEPP、PSO-MEPP模型在评价结果及排序上均存在差异。其中,与PSO-MEPP模型的评价及排序结果差异最为显著,表明算法的极值寻优能力决定着评价精度的高低。     

回归支持向量机模型及其在年径流预测中的应用

研究交叉验证（CV）SVR年径流预测模型,以云南省清水江革雷站为例进行实例分析。利用SPSS软件选取年径流影响因子,确定输入向量;采用CV方法搜寻SVR惩罚因子C和核函数参数g,构建CV-SVR多元变量年径流预测模型,并构建GA-BP、传统BP模型作为对比模型。利用所构建的模型对实例进行预测。结果表明：CVSVR模型对实例后15年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.4596%、9.3035%,预测精度和泛化能力均优于GA-BP、传统BP模型,表明CV能有效搜寻SVR惩罚因子C和核函数参数g。CV-SVR模型具有预测精度高、泛化能力强以及算法稳定等特点。