基于遗传算法的SVM冰凌预报模型研究

针对传统支持向量回归参数大多采用经验率定的情况,提出了一种基于遗传算法优化支持向量回归参数的冰凌预报模型.运用MATLAB软件进行建模,并将其应用于黄河宁蒙段三湖河口封、开河日期的预报.结果表明,经过优化的支持向量回归模型泛化能力强,预报效果优于传统支持向量回归模型.     

基于粒子群算法的神经网络在冰凌预报中的应用

为提高神经网络预报模型的泛化能力和预测精度,将粒子群算法与BP神经网络相结合,建立了粒子与神经网络参数的映射关系,利用粒子群算法全局搜索网络的最优权值,赋值于神经网络进行训练,从而建立了PSO-BP预报模型,并将模型应用于黄河宁蒙河段的冰凌预报中。结果表明,该模型预报合格率较高,属于甲等预报,且与GA-BP模型相比偏差更小、精度更高。     

黄河宁蒙河段凌情灾害成因分析及防御措施研究

随着经济社会的高速发展,对黄河的防凌安全提出了更高的要求,研究凌情灾害成因及防御措施变化显得尤为重要。通过分析,影响宁蒙河段凌情变化的因素主要包括热力条件、水动力条件和河道边界条件。通过梳理1989年以来宁蒙河段典型凌灾情况,发现造成冰凌灾害的严重凌情多受剧烈天气过程、河道流量变化、复杂河道条件等因素影响。为避免宁蒙河段凌汛灾害,针对热力因素,应及早开展凌汛期气温凌情预报工作;针对水动力因素,应优化凌汛期水库群和分凌工程联合调度;针对河道边界条件,应提前拆除临时阻水建筑物,保证河道畅通,协调空军部队在险情发生时及时轰炸破冰,并加快黑山峡水利枢纽建设,恢复和长期维持较大的中水河槽过流能力,为宁蒙河段防凌防洪提供基本条件。     

小浪底水库拦沙期应急保滩能力研究

黄河下游滩区防洪是当前中下游洪水调度的难点，研究利用小浪底水库拦沙期较大的库容兼顾滩区防洪安全十分必要。通过实测资料分析、数学模型计算，分析了黄河中游洪水分期特点及近期变化，提出了适宜的保滩流量和分期分级洪水保滩库容需求量，研究以小浪底水库为主的中游水库群应急保滩运用方式，分析了水库应急保滩能力。结果表明：扣除大洪水防洪所需库容，前汛期小浪底水库现状汛限水位235 m以上库容可保证5 a一遇“上大洪水”下游不漫滩，“下大洪水”因小花间无控制区来水量较大，故难以保证下游滩区洪水不漫滩；后汛期现状汛限水位248 m以上库容可保证10 a一遇洪水下游不漫滩。实时调度中结合预报小浪底水库提前预泄腾库，保滩能力可进一步提升。但随着小浪底水库拦沙库容逐渐淤满，水库兼顾下游滩区防洪的能力将逐渐降低。