模糊神经网络在杭州湾含沙量过程预报中的应用探讨

本文从潮流泥沙模型出发，以同时刻的U，V，H和前一时刻的S，U，V，H为输入，本时刻的S为输出，建立了杭州湾含沙量模拟的模糊神经网络模型。经初步实验表明含沙星的预报较为困难，本模式只能作实时的预报，其预报尺度有限，只能有效预报1－3步，这一方面说明杭州湾含沙量变化的复杂性和不确定性，另一方面也表明试图对杭州湾含沙量过程作长期预报是不现实的。     

基于BP算法的龙门站含沙量预报模型

针对目前各种传统水文含沙量预报方法的不足,考虑吴堡至龙门区间入流的影响,建立了基于神经网络的BP预报模型,对龙门站最大含沙量进行了预报,并利用实测资料对模型的模拟效果进行了验证,预报精度比较理想.     

GAS优化经验公式参数方法在黄河下游含沙量过程预报中的应用

紧密结合黄河下游河道的输沙特性和水沙作用机理,依据遗传算法强大的全局优化搜索能力,估计和优化含沙量过程预报经验公式的参数。计算结果表明,该方法具有物理概念清晰、公式计算简便、预报精度较高等特点,可以在生产实践中很方便地推广使用。采用GAS估计经验公式参数方法与传统方法相比,优势在于只需要河道历史水文数据即可完成参数确定,而不需要河段比降、河槽宽度和河道深度等河道形态参数。     

基于误差修正的BP神经网络含沙量预报模型

以黄河龙门—潼关河段作为研究区域,在分析区间来沙来水对含沙量影响的基础上,建立了基于BP神经网络的潼关站含沙量过程预报模型。同时,为提高预报模型的预报精度,利用误差序列建立了相应的误差自回归模型对预报结果进行校正。校正前后泥沙过程的对比分析表明,校正后的泥沙过程预报精度有较显著的提高,5场验证泥沙场次的平均确定性系数由校正前的0.35提高到校正后的0.76。     

人工神经网络与遗传算法在多泥沙洪水预报中的应用

由于水沙作用机制和演进规律的复杂性，以及河道形态变化等因素，多泥沙洪水预报一直是洪水预报的难点，对高含沙洪水快速、准确的预报是多年来国内外专家十分关注的课题。作者采用具有高度非线性识别能力的人工神经网络与遗传算法相结合的方法，探讨了建立智能预报模型的基本方法，进一步对如何提高预报精度的问题进行了研究，并结合黄河洪水预报实例检验了神经网络模型的可行性。检验结果表明，该方法能够较好地识别多泥沙洪水的演进规律，对水位、流量和含沙量都能进行合理预报。     

黄河洪水最大含沙量预报方法研究取得初步成果

按照黄委的要求，日前，黄委水文局研究院进行了黄河中下游干流主要水文站洪水最大含沙量预报方法研究，并取得初步成果。黄河含沙量预报技术难度大，在黄河上尚属空白。随着黄河治理开发的深入，特别是小浪底水库调度运用、下游防洪以及洪水资源化等的需要，开展黄河中下游干流主要站洪水含沙量预报愈显迫切和重要。黄河泥沙预报的内容很多，     

BMA方法在黄河龙门站含沙量过程 预报中的应用研究

以黄河流域吴堡站到龙门站为研究区域,建立龙门站含沙量过程的线性动态和BP神经网络两种统计模型,并结合BMA方法给出两种模型的综合预报结果。结果表明,在线性动态模型和BP神经网络模型的基础上,采用BMA方法进行含沙量预报模型的合成预报不仅可以提高预报精度,而且可以提供概率预报值。     

黄河中游龙门站洪水最大含沙量预报方案的建立及应用研究

选用黄河中游龙门站1956～2003年洪峰流量在起报标准5 000 m3/s以上的洪水85场,以吴堡含沙量、输入站合成含沙量、Qmα龙ρβ吴和Qmα龙ρβ合为自变量,区分洪水不同来源,建立并优选出龙门站基于统计途径的最大含沙量预报方案.方案在"03.7"山陕区间洪水中进行了应用,实测值为127 kg/m3,预报值为140 ks/m3,其结果合格.     

模糊聚类分析在河流含沙量研究中的应用

基于聚类分析和模糊数学的基本原理,以某河流20年输沙量、降水量、汛期降水量、年径流量为基础,根据不同水平年各个指标的相似度,对不同水平年进行了分类。结果表明:在样本容量不大的情况下,模糊聚类分析的计算量较小,计算比较方便,避免了主观分析的不合理因素,比传统分类方法更客观、细致、全面和合理;应用模糊聚类分析方法,可在不确定各影响因子相互作用过程的情况下,确定其主要联系、相互关系及主要影响因素。     

美国可视化河流预报系统在黄河流域的应用

美国可视化河流预报系统(VisualRFS)是美国Tashan公司研制开发的基于微机视窗操作系统下的水文预报软件产品,系统中所有模型都是美国国家天气局河流预报系统中的模型.本文介绍了VisualRFS的主要功能和系统结构,通过对VisualRFS本地化,将VisualRFS改造成适用于黄河小花间的实时洪水作业预报系统.     

流量与含沙量相关性对输沙效率 影响的研究

从流量与含沙量的相关性出发,推导出当流量与含沙量呈正相关时,水沙过程的波动性会减少输沙用水量;通过实测资料分析,黄河下游天然河道中流量和含沙量是基本呈正相关的,而通过小浪底调水调沙人工塑造的水沙过程,流量与含沙量相关系数越大,输沙用水量越小,输沙效率的增幅越高。     

小浪底至花园口区间含沙量人工神经网络预报方法研究

本文对小浪底至花园口区间含沙量过程的人工神经网络预报方法进行了研究，主要内容有人工神经网络预报的基本原理、改进方法、人工神经网络模型的建立、样本数据的组织、网络的训练，以及对历史数据的验证等，并对预报结果进行了评定和系统分析，讨论了进一步的改进措施，该研究为含沙量过程预报探索了新的理论和方法。     

含沙量预报方法探讨

黄河的泥沙问题一直都是黄河治理的重点。进行含沙量预报将为一些治理黄河的措施提供技术支持。由于影响黄河含沙量的因素众多,预报技术难度大,至今没有可用的预报方案,可以说这在黄河上乃至其它河流都是空白。本文就现有的预报方法(输沙单位线法、响应函数法、神经网络法、水力学法),分析其影响因素和优缺点。就今后含沙量预报方法应努力的方向给出建议。     

水流挟沙力公式的理论剖析与检验

为提升河流动力学学科水平,给学术研究及工程应用选取水流挟沙力公式提供依据,本文系统回顾典型水流挟沙力公式的研究进展,针对各公式依据的原理、推导过程、技术细节、影响因子等环节进行阐释分析,指出其亮点与不足,修正了水流挟沙力的定义。结合大量实测资料检验和公式适用性的评价,发现尽管资料率定能提高公式精度,但对于理论有缺陷的公式却不能体现河床和水流的自动调整作用。进一步分析认为,张红武挟沙力公式合理地将挟沙效率系数与水流阻力系数作为综合系数处理,能避免不少公式存在的水流挟沙力同水流阻力呈正比的理论错误,并通过挟沙系数为c(a+bS_v)^m的形式,体现了不同大小含沙量对挟沙效率的影响,能够保证公式具有普遍的适用性和高精度。     

长江黄河垂线流速和含沙量分布规律

根据长江和黄河实测的流速、悬移质含沙量及其级配的垂线分布资料，分析了它们变化的规律性，检查了现有理论和经验公式与实测资料的符合程度，并对有关参数进行了探讨，分析表明：各垂线流速分布可以用指数流速分布公式和对数流速分布公式表示，各垂线含沙量分布既可用指数分布又可用对数流速分布导出的含沙量公式表示。相对水深η＝ｙ／ｈ＝０．４处的流速和含沙量及级配基本上都等于垂线平均值。从而可知，用η＝０．４处的流速和     

水流挟沙力的统计理论计算方法及其应用

将水流挟沙力作为二维问题处理是水流挟沙力研究的重要方向,采用非均匀沙水流挟沙力的统计理论方法,根据泥沙状态概率和有效床沙级配,推导了悬移质挟沙力、推移质输沙率和推悬比统计理论公式,利用黄河下游水沙资料对公式进行验证,并与半经验悬移质挟沙力和推移质输沙率公式进行计算对比验算。计算结果表明,采用统计理论公式计算中、低含沙水流非均匀沙悬移质挟沙力较为准确,统计理论方法计算的推悬比较为稳定,黄河下游底悬比在0.06~0.11之间变化,可以采用统计理论方法的推悬比公式计算黄河下游的漏测底沙量。     

长江黄河含沙量垂线分布的分形研究

为了从流体内部结构入手分析挟沙水流含沙量分布,以长江、黄河实测资料为例,从分形标度的角度出发,探讨了天然河道含沙量垂线分布的规律。研究结果表明：天然河道含沙量垂线分布呈二阶累计和变维分形现象,分维数可以反映含沙量垂线分布的均匀程度,分维数越大,含沙量垂线分布越均匀;长江含沙量垂线分布的分维数（绝对值）要小于黄河的分维数,并且同一条河道的不同位置分维数不同;含沙量垂线分布的分维数大小与泥沙粒径、水深等有关。     

遗传算法在大坝安全监控神经网络预报模型建立中的应用

本文基于遗传算法思想，采用浮点数矩阵表示编码，在遗传算法的进化过程中加入一定的约束条件等方法，探讨了网络结构的设计和学习。经实例分析，在用于建立大坝安全监控预报模型的前馈神经网络设计中，该方法在满足一定约束条件下，能同时有效地寻找合适的网络结构和相应的参数(神经网络的权值和阈值)，且在精度和速度上都有较大的提高，为实现实时在线分析评价大坝的安全性态提供了有力的技术支持。     

黄河下游引黄灌区泥沙灾害评价

在对黄河下游引黄灌区泥沙的灾害性及特点进行深入分析的基础上,提出了灌区泥沙灾害的经济评估指标、环境评估指标及引黄退水对排水河道排涝能力的影响指标,从定量上综合反映灌区泥沙灾害的影响程度,并结合具体情况对灌区泥沙灾害进行了评估。     

中国大陆太平洋流域河流下泄水沙通量的变化

选择中国大陆太平洋流域主要的10条河流17个代表性站点,分析、插补各站年径流量和年输沙量数据,汇总得出1955-2007年53年的水沙通量系列数据,代表中国大陆太平洋流域河流总的下泄水沙通量。总体看,中国大陆太平洋流域河流总的水通量约为每年15 600亿m3/a,从时间序列来看,无明显趋势性变化;总的沙通量约为每年13.9亿t/a,从时间序列来看,呈明显的4级梯级下降,年输沙量从20.9亿t/a降至近年的5.8亿t/a。输海沙量的降低主要是水土保持、水利枢纽对水沙量的调节、灌溉引沙和气候变化等因素综合作用的结果。