GFS未来10天数值降雨预报信息的可利用性分析

中期降雨预报为研究中长期降雨径流预报和发电调度模型提供新的信息.本文依据二滩水电站实际径流和发电运行特征,统计了雅砻江流域全球预报系统(GFS)末来10天预报降雨总量分级预报精度,研究GFS降雨预报在汛期旬径流预报中定量及定性应用,并与常用的ARMA类模型相比较,进而分析GFS未来10天降雨预报信息的可利用性及在二滩水电站发电调度中的应用.研究表明,GFS未来10天数值降雨预报信息能为径流预报和发电调度提供较好的旬径流定性预报信息,并可指导实际的发电调度.     

大伙房跨流域引水工程预报调度方式研究

本文以辽宁省的"东水西词"工程为背景,进行大伙房跨流域引水工程预报调度方式的研究.首先,分析基于璜报信息的跨流域调水工程调度方式研究的必要性;其次,利用回归分析法,分析旬降雨、旬初土壤含水量、旬径流量的关系,建立并求解旬降雨径流预报模型,模型精度较高,可应用于调水决策;最后,基于旬径流预报结果、农业用水及来水的相关关系,研究大伙房水库引水后的预报调度规则、预报调度方式以及预报调度图.通过历史资料进行长系列调节,结果表明基于旬径流预报信息的调水调度方式在满足了用水保证的前提下,实现了引水量和弃水量较小的目的.     

ECMWF降雨集合预报在水库优化调度中的应用研究

为了充分考虑降雨预报的不确定性,本文建立了基于降雨集合预报的径流描述模型,并在满足保证出力条件下,建立以水库在调度期内总发电量最大为目标的随机动态规划模型。以桓仁水库以上流域为研究实例,应用欧洲天气预报中心(ECMWF)的降雨集合预报信息进行水库优化调度。结果显示应用降雨集合预报信息的调度可提高发电量4%以上,表明利用降雨集合预报信息进行水库优化调度,对水库实际运行有一定的指导意义。     

基于GFS降水预报信息的洪水预报方法研究

本文以桓仁流域为研究背景,进行延长洪水预报预见期的研究。首先基于流域历史雨洪资料,运用数据挖掘的方法挖掘出一套选择单位线的规则,改进了原洪水汇流预报方案;应用统计学方法,对GFS降水数值预报信息进行频率修正释用,提高了GFS降水数值预报信息的精度。然后利用释用后的GFS降水数值预报信息与洪水预报方案耦合,使桓仁流域洪水预报预见期延长了30~72小时。     

三峡入库洪水概率预报的深度学习模型

将长短时记忆（LSTM）神经网络嵌套至编码-解码（ED）结构,构建了LSTM-ED深度学习模型,采用贝叶斯概率预报处理器量化洪水预报不确定性,提出了一种三峡入库洪水概率预报业务方法,并讨论了降雨预报对洪水概率预报性能的影响。选用向家坝—三峡坝址区间流域2010—2021年汛期6 h降水径流资料序列训练和检验模型,开展了1～7 d预见期入库洪水预报。结果表明：LSTM-ED模型的模拟预报精度优于LSTM模型,验证期1～7 d预见期纳什效率系数高于0.92;概率预报连续排位概率分数相对平均绝对误差降低26.82%～32.74%,考虑预报降雨可进一步提高概率预报性能,为调度决策者提供可靠的风险信息。     

基于短期降雨预报信息的水库汛期库水位实时动态控制方法研究

本文以提高洪水资源与水能资源利用率为目标,研究利用短期降雨预报成果指导水库汛期库水位实时动态控制.实例表明,在不降低原设计防洪标准前提下,可使桓仁水库发电效益明显增加.本文研究方法对北方水资源短缺地区大型水库或调节性能较高的发电为主兼防洪水库汛期实时调度也有较好的借鉴意义.     

基于熵权的可变模糊聚类与识别的水库洪水分类实时预报

流域洪水的形成机制具有高度的复杂性和不确定性,但又表现出自身的规律性。在洪水形成过程中流域内洪水的产、汇流过程受降雨强度、降雨中心和天气环流等诸多因素的共同影响。通过对影响因素与洪水过程的分析,找出其中的规律,为在实时洪水预报过程中充分考虑各种影响因素的作用提供可能,为此本文建立实时洪水分类预报模型,该模型利用模糊聚类方法通过分析影响因子对洪水产、汇流过程分类,并用模糊识别模型建立影响因子与产、汇流类型间的信息识别模型。本文选择东水西调工程的授水水库A作为研究对象,为调水工程在汛期做好防洪准备。实验结果表明,该方法能够准确、迅速的判断洪水类型并选择相应预报模型参数,能有效提高水库实时洪水预报精度。     

基于多种递归神经网络的海岛水库径流预报

海岛地区径流量偏小甚至出现断流,会极大影响短期径流预报精度。对海岛地区供水水库多组入库径流时间序列,基于三种递归神经网络（RNN）建立了不同预报因子组合和预见期的径流预报模型,探讨了RNN模型在海岛地区短期水文预报中的适用性。以舟山岛水库群为例,说明研究方法的有效性。结果表明仅考虑径流时间序列信息的预报精度最差,而耦合气象预报信息可提高径流预报准确性;随着预见期的增加,简单RNN模型的信息融合能力有限,而具有复杂神经元结构的基本长短时记忆神经网络和门控循环单元预报效果稳定;RNN模型对于平稳时间序列数据模拟效果优于非平稳序列,而气象信息的引入和参数优选能够改善其在处理非平稳时间序列中的缺陷。     

融合大气环流异常因子的径流预报研究

径流预报对区域水资源开发与管理具有重要的作用,当前的研究主要聚焦在先进的算法而忽视了丰富预报因子对提高径流预报精度的贡献。本研究以泾河径流为例,将遗传算法(GA)和回归支持向量机模型耦合,建立了改进的支持向量机回归模型(GA-SVR)。预报变量在常规预报因子(降雨与蒸发)的基础上增加了对径流影响较强的大气环流异常因子。结果表明,预测变量未含大气环流异常因子的情况下,GA-SVR模型的预测精度和泛化能力皆优于神经网络模型(ANN);考虑大气环流异常因子后,GA-SVR模型预测精度进一步提高。由此说明,SVR模型耦合GA后可提高月径流的预报精度,考虑大气环流异常因子后其预测精度可进一步提高。     

并联水库群联合防洪预报调度方式优化研究

水库群联合防洪预报调度方式对流域及城市防洪、水资源合理优化配置有重要意义。水库群联合调度不仅要考虑各水库自身约束和预报,还需考虑水库补偿关系,已有试算法经验性强、难以获得全局最优解。文章将优化技术与规划防洪预报调度相融合,提出考虑预报误差的预报调度规则的一般形式和求解思路,建立库群优化调度模型,优化求解各水库的防洪预报调度规则和汛限水位动态控制上限。以清河、柴河水库群为例进行研究,结果表明：联合防洪预报调度相比单库防洪预报调度,清河水库和柴河水库的汛限水位分别可多抬高0.4 m和0.3 m,最大可使汛期多蓄水0.62亿m3。研究结果可为水库群防洪预报调度提供参考和理论依据。     

基于正则极限学习机的非平稳径流组合预测

针对径流时间序列固有的强非线性和非平稳性特征,提出了一种将集合经验模式分解（EEMD）、样本熵（SE）和正则化极限学习机（RELM）相结合的非平稳日径流预测方法（ES-RELM）。为充分提取径流序列的局部信息以提高预测精度,利用EEMD-SE将径流序列分解为一系列差异度明显的子序列,然后根据各子序列的迥异特征构建了不同的RELM模型对各子序列进行预测,最后将各个子序列的预测结果叠加从而得到最终预测结果。将该模型应用于金沙江下游控制站屏山站的日径流预报中,与九种模型对比结果表明,该方法能有效提高日径流预报精度,是一种高效稳定的径流预报模型,为实现高精度实时径流预报提供了可能。     

基于小波广义回归神经网络耦合模型的月径流预测

针对中长期水文预报方法预测结果精度低的问题,将离散小波变换(DWT)与广义回归神经网络(GRNN)耦合,建立了月径流预测模型。通过DWT处理将原始月径流序列分解重构为确定性成分和随机性成分两个分量,对两个分量的GRNN模型预测结果叠加作为预测值的方法称为WGRNN1模型。将WGRNN1模型与剔除随机序列的GRNN模型(WGRNN2)和不进行离散小波变换的GRNN模型结果进行对比,采用平均绝对误差(MAE)、确定性系数(DC)和相关系数(R)为模型评价指标。将模型应用于黑河干流莺落峡站的月径流预测,结果表明:模型WGRNN2的评价指标优于WGRNN1,且这两个模型预测效果都优于GRNN模型。说明与离散小波变换的耦合可以提高GRNN模型对月径流的预测精度,同时剔除随机成分的小波广义回归神经网络模型有更好的预测效果,可应用于实际生产。     

基于多模型随机组合的水文集合预报方法研究

准确、可靠的水文预报是水资源开发利用的基础.集合预报以概率或区间的形式表征预报的不确定性,是未来水文预报研究的重点发展方向.本文提出了一种基于多模型随机组合的水文集合预报方法.首先通过加权形式将多种预报模型进行组合;再采用多目标优化算法率定各成员模型权重的上、下限;最后在优化的上、下限内随机生成权重以构建集合预报.以汉...     

基于多因素相似性的融雪径流预报方法研究

融雪径流是高寒山区水循环的重要组成,其预报对流域水资源综合利用具有重要意义.本文基于流域产汇流机理和冰川积雪融化相关研究,融合物理成因分析和数据挖掘技术的优势,建立基于多因素相似性的融雪径流预报模型,并提出滚动预报方案,实现了7日预见期内逐日径流滚动预报.研究成果在雅砻江干流新龙站的应用表明:对于考虑正积温方案,3 d...     

径流预报的极点对称模态分解-Elman网络模型

针对径流序列非线性、非平稳的特点,将极点对称模态分解(ESMD)方法与Elman神经网络模型相结合,建立了ESMD-Elman神经网络组合模型,并应用于长江上游干支流8站的年、月径流预报.首先利用ESMD方法将径流序列分解为各模态分量和趋势余项;然后利用Elman神经网络模型分别预测各平稳序列;最后加和重构得到最终预测...     

入库径流预报误差随机模型及其应用

为了在量化入库径流预报误差的条件下有效提高调度方案制作的精度，基于高斯混合模型（GMM）良好的自适应性，能更准确地描述单一预见期径流预报误差分布的特点，以及高维meta-student t Copula函数具有将多个类型边缘分布有机耦合的优势，建立了多个预见期入库径流预报误差的GMM-Copula随机模型。以雅砻江流域锦屏一级水电站水库为例，对预见期分别为6 h、12 h、18 h、24 h的入库径流预报误差进行了分析与随机模拟。结果表明，随着预见期的增加，模拟误差与实际误差的主要统计特征值相差不大，满足预设精度要求，且变化规律一致，验证了模型的可行性与有效性，为水库调度方案的编制与实施提供了参考依据。     

Electricity Price Curve Modeling and Forecasting by Manifold Learning

This paper proposes a novel nonparametric approach for the modeling and analysis of electricity price curves by applying the manifold learning methodology—locally linear embedding (LLE). The prediction method based on manifold learning and reconstruction is employed to make short-term and medium-term price forecasts. Our method not only performs accurately in forecasting one-day-ahead prices, but also has a great advantage in predicting one-week-ahead and one-month-ahead prices over other methods. The forecast accuracy is demonstrated by numerical results using historical price data taken from the Eastern U.S. electric power markets.      

基于净雨预报信息的水库防洪调度方式研究

为进一步提高洪水预报信息在水库调度中的应用水平,本文以山东半岛龙角山水库为研究对象,首先构建在实际生产中广泛应用的新安江模型,采用确定性系数和绝对误差评价模型误差,并通过合格率评定径流深预报和峰现时间预报的精度等级。结果表明,各项评价指标在模型率定期和验证期的精度均为甲等,可为水库预报调度规则的制定提供可靠的理论依据。然后利用新安江模型预报出的净雨信息,制定水库防洪预报调度规则,调算不同频率设计洪水,并与常规调度方式下调洪结果作对比。通过比较发现,预报调度模型能够提前预泄,有效降低水库调洪最高水位和减小最大下泄流量,增加削减洪峰流量,对减小水库上下游防洪风险和提高水库防洪效益具有重要意义。     

新时期医药商业贿赂的特点及治理对策探讨

目的寻找新时期医药商业贿赂的治理对策。方法分析新时期医药商业贿赂的新特点和查处时存在的困难、障碍;有针对性地提出治理对策。结果与结论采取多部门协作、加大处罚力度、完善监督立法、加强医生处方行为的控制、充实监管队伍等措施,对于医药商业贿赂的治理具有积极意义。