中长期水文预报方法研究综述

对中长期水文预报研究中具有代表性的研究工作进行了回顾,在此基础上对现有的预报方法进行分类和总结,并对我国未来的中长期水文预报技术的发展趋势进行了展望。     

基于Web的径流中长期预报系统

以云南电网水调高级应用软件系统为工程背景,采用面向对象的编程思想开发了B/S模式下的径流中长期预报系统.系统涉及云南电网所属的5座主力水电站及其他重要的中小水电站,采用四种常用的中长期预报模型和频率分析方法进行径流预报.系统主要功能包括预报参数率定和检验、多种预报方法间的比较分析、与历史径流过程的对比分析、基础资料添加维护与报表生成等.系统操作简便、功能强大,同时具有良好的稳定性、移植性和可扩展性.     

支持向量机在中长期径流预报中的应用

本文探索了支持向量机在中长期径流预报中的应用。在支持向量机建模过程中引入了径向基核函数，简化了非线性问题的求解过程，并应用SCE-UA算法辨识支持向量机的参数。在SCE-UA搜索过程中进行了指数变换，以快速准确的找到最优参数。与人工神经网络模型预报结果比较显示，该模型能提高径流中长期预报的精度。     

水文模型模糊多目标SCE－UA参数优选方法研究

在SCE－UA算法的基础上,结合Pareto排序和模糊多目标优选的优点,提出了水文模型模糊多目标 SCE－UA（FMOSCE－UA）参数率定方法。目标函数综合考虑了洪峰流量、水量平衡、峰现时间以及流量过程均 方差等水文过程的不同要素,使得优选的参数更能反映流域水文特征。双牌水库实例研究结果表明FMOSCE－ UA优于标准SCE－UA算法,优选参数完全可以用于实际洪水预报。     

基于BP神经网络的贝叶斯概率水文预报模型

本文在贝叶斯概率水文预报系统(BFS)框架之上，研究了双牌水库水文预报的不确定性，建立了流量先验分布及似然函数的BP神经网络模型，并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数。通过对双牌水库历史洪水的研究结果表明，基于BP神经网络的BFS不仅显著提高了预报精度，而且为防洪决策提供了更多的信息，使得预报人员在决策中能考虑预报的不确定性，定量的估计各种决策的风险和后果。     

水库优化调度的Pareto强度值SCE-UA算法

提出求解水库优化调度问题的Pareto强度值SCE-UA算法,该方法将水库优化调度的约束优化问题转换成两个目标函数的无约束优化问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数;对上述两个目标函数组成的向量个体,利用Pareto 优于关系和个体Pareto 强度值概念,实现个体的优劣比较和群体的优劣排序,在此基础上使用 SCE-UA算法求解。这种算法不需要人工处理罚函数,具有较强的通用性、稳定性及更好的搜索性能。     

基于自适应模糊推理系统模型的径流中长期预报

介绍了自适应模糊推理系统ANFIS的原理结构及学习算法。以漫湾和双牌两座水库实测月径流序列为研究对象，研究不同的输入及不同的模糊数对自适应模糊推理系统模型做中长期预报的影响，并通过与人工神经网络模型的预报结果进行比较，显示本模型是中长期水文预报方法中较为准确的方法之一。     

BP神经网络模型结构对漫湾径流预报精度的影响研究

以云南省漫湾水电站历史径流状况为研究对象，运用三层前馈反向传播神经网络模型对径流进行中长期预报。为解决神经网络预报模型结构难以确定的问题，尝试在预报过程中通过改变该网络模型的结构并对得到的结果进行比较，从而找到适合该径流序列的最佳神经网络模型结构。实际应用表明，使用该结构的模型在实际预报过程中取得了良好的效果。     

迭代竞价模型在电力中长期合约市场中的应用

针对目前电力中长期合约市场的竞价模式现状，提出了基于遗传算法的迭代竞价模型。该模型采用迭代竞价机制代替单轮投标机制，并采用遗传算法解决竞价模型中发电商报价曲线形状不确定的特点。算例表明，该模型和算法可以解决任意形状报价曲线的发电量最优化分配问题，具有较高的实用价值。基于遗传算法的迭代竞价模型为我国现阶段的电力中长期和约市场提供了一种切实可行的竞价机制。     

基于改进蚁群算法的梯级水库群优化调度

针对梯级水库群优化调度的大系统多维多阶段优化决策问题提出改进的蚁群算法.为提高算法搜索效率采用新的信息素更新策略--Ant-proportion,综合考虑全局和局部信息.以漫湾-大朝山梯级水电站优化调度为例,计算结果表明,改进算法与基本蚁群算法相比具有更好的优化结果和收敛速度,与逐步优化法相比可靠有效.