一种新的小波网络组合预测模型

基于小波分析和人工神经网络,提出了一种新型的小波网络组合模型.该模型吸取了小波分析和人工神经网络的优点,具有最佳的函数逼近能力,能提高径流预测精度和延长预见期.以长江三峡水电站年平均流量、11月流量最大值及该月上、中、下旬流量最大值预测为例,对建议的模型进行了研究.拟合和检验结果表明小波网络组合模型是满意的,适合于水文水资源预测.     

水文数据备份方案探讨

目前，水文部门已经普遍使用计算机进行资料收集、整理，大量的实时资料入库保存，基于数据库的水情信息发送，洪水预报，水文计算等应用程序的运行，对水文数据的安全提出了很高的要求，本文对常用的水文数据备份方法进行了比较与探讨，针对水文部门的工作性质，提出了以ARCServeIT为基础的软件备份方案。     

水文时间序列逐步回归随机组合预测模型及其应用

由于气候因素和下垫面因素的综合影响，水文时间序列表现出复杂的非线性，包括确定性成分和随机成分，如月径流序列、日均流量序列等。这些预报对象如果不加处理直接用AR（p）建模进行预测误差较大。文中介绍了通过对非平稳序列提取周期项和趋势项后的余差序列建立AR（p）模型进行水文中长期预报的组合预测方法，并以嘉陵江北碚站7月最大洪峰流量序列为例对组合模型进行验证，结果比较满意。     

基于模糊模式识别的径流特性分析

为了探讨河流天然径流的演变规律,引入模糊模式识别的理论和方法对流量序列进行研究,给出了基于模糊聚类的径流丰枯特性分析的方法;在对径流丰、中、枯聚类基础上提出了基于模糊模式识别的多维丰枯周期特性分析方法。以嘉陵江支流白龙江下游的三磊坝水文站多年月平均流量数据为例,得出了该站径流各年的丰枯特点、丰枯周期及相应的隶属度。该方法的多维径流特性分析结果与分析尺度和数据维数有关。     

基于小波变换的水文时间序列分解及周期识别

运用Mallat算法和Daubechies小波,介绍了基于小波变换的水文时间序列分解方法.通过小波变换,将水文时间序列分解成不同时间尺度的确定性序列和随机序列,运用方差分析法,对小波分解后的确定性序列进行周期分析,获得原始系列的主周期.以长江寸滩站日平均流量和年最大流量序列为例,进行了小波变换及原始系列的主周期分析,结果是满意的.     

最近邻抽样回归模型及其在枯水期月径流预报中的应用

为合理调配水资源,做好枯季径流预报,可采用最近邻抽样回归模型进行预测。按照最近邻抽样回归模型的基本思路和实现算法,根据长江上游主要控制站——寸滩站1893年1月—2009年12月历史同期月整编资料,对该流域的枯季径流特性进行分析研究,通过建立模型,对模型预测效果进行验证。结果表明：该模型对枯季径流的预报精度较高,可用于作业预报。     

水箱模型在三峡入库洪水预报模型研制中的应用

介绍了应用水箱模型建立三峡入库洪水实时连续预报模型的方法。按照河段流量传播时间将入库站(寸滩)以上干、支流划分为若干子河段,各子河段按照计算时段长分成若干单元河段,各单元河段区间降雨径流预报采用水箱模型,河道流量演算采用连续马斯京根法。对河系洪水预报模型的检验表明,预报精度在85%以上,能够满足实时洪水预报的要求。     

水文中长期预报的模糊综合分析——门限回归耦合模型

根据成因及模糊集分析,考虑预报因子的权重,将影响预报对象的多个因子综合成一个指标,再依据门限回归原理建立了模糊综合指标与预报对象间的门限回归预测模型,实例表明效果较好,可用于生产实践中.