基于NARX模型的岩溶地下河日流量预测

针对传统的统计学方法难以精确刻画岩溶地下河日流量变化的非线性动态特性,引入有源自回归神经网络(NARX)技术,建立了基于NARX模型的岩溶地下河日流量预测模型,基于寨底地下河2013年1月15日~2014年6月30日的降雨量和流量数据,利用该模型对寨底地下河日流量进行了短期预测。结果表明,该模型预测效果较好,能够很好地预测岩溶地下河流量的变化趋势和极值等动态特性,另外该模型神经元个数越多,延迟阶数越大,神经网络对数据的学习能力和灵活性越强,但该模型不宜进行归一化处理。     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

西南岩溶地区地下河系统流量衰减系数的时变特征

鉴于衰减系数是流量衰减分析过程中的关键参数,在给出瞬时衰减系数、名义衰减系数定义的基础上,研究了两种衰减系数的时变特征,据此分析了后寨地下河系统实测流量(冒水坑站和老黑潭站)数据。结果表明,在全部衰减时间内,瞬时衰减系数整体上随时间增加而变小,在每一个衰减段内其数值也是整体变小的;瞬时衰减系数的第一衰减段变幅大于第二衰减段,第二衰减段大于第三衰减段;第一衰减段变化速度大于第二衰减段,第二衰减段大于第三衰减段;名义衰减系数与瞬时衰减系数具有类似的时变特征。     

双弯管法固相质量流量测量误差的标定

采用弯管流量传感器测量固相质量流量时,固相质量流量与其影响因素之间存在着复杂的非线性关系,这给固相流量的测量带来困难。在双弯管法基础上对其进行优化,利用小波神经网络对实验数据进行训练,给出了固相质量流量与综合流量系数β的复杂非线性关系,并对实验数据进行预测。预测结果与实验结果吻合较好,最终误差不超过5%,实现了对测量误差的标定。     

基于BP神经网络的主蒸汽流量计算模型

目前大容量机组的主蒸汽流量是由调节级后压力等参数间接计算得到的。由于通流部分状况改变、负荷变动等原因,由传统公式计算得到的结果存在较大偏差。借助神经网络较强的非线性拟合能力、网络泛化及容错能力,构建了基于BP神经网络的主蒸汽流量计算模型。计算结果表明该模型具有较高的准确性和稳定性,调节级后压力的非正常波动对模型的计算结果影响很小,为实际生产过程中主蒸汽流量的计算提供了一种新的思路和方法。     

基于BP神经网络的蒸汽减温减压器流量计算方法研究

在工业供汽系统改造过程中,为了更好的提高控制质量,需要快速、准确预测计算出减温减压器蒸汽流量,其值受多参数影响是预测计算的难点之一.通过对蒸汽减温减压器的特性分析,指出蒸汽减温减压器流量特性方程具有较强的非线性,利用BP网络非线性映射特性,采用BP网络建立了蒸汽减温减压器流量特性方程,利用某330MW火电机组减温减压系...     

基于遗传算法与支持向量机的日流量预测

提出了采用遗传算法求解支持向量机最优参数的算法,并将其应用于Chickasaw河的日流量预测.为评估由不同时刻的流量、降水量及蒸发量组成的输入向量对模型预测精度的影响,设计了四种模型输入方案,以方差和确定性系数为标准对其进行评价.结果表明,采用前3 d流量、前1 d降水量及蒸发量的方案3预测精度最高.与BP神经网络模型预测结果对比显示,支持向量机模型预测精度较优,可用于水库或水电站的日流量预测.     

DFA_VMD_LSTM组合日径流预测模型研究

为有效提取径流序列的局部特征信息、提高神经网络径流预测模型的非线性拟合能力和预测性能,引入变分模态分解(VMD)、去趋势波动分析(DFA)方法,提出了一种基于长短时记忆(LSTM)神经网络的组合日径流预测模型(DFA_VMD_LSTM),并采用均方误差(RRMSE)、平均绝对误差(MMAE)、平均绝对百分误差(MMAP...     

基于相似日和动量法优化BP神经网络的光伏短期功率预测研究

提出了相似日和动量优化BP神经网络的光伏短期功率预测方法,采用与输出功率强相关的辐照度作为相似变量选取相似日,通过动量法优化并以相似日历史数据和气象信息作为训练样本建立BP神经网络预测模型.以新疆某光伏电站的实际运行数据进行验证分析,结果表明该方法在晴天和非晴天天气环境下能够达到预测精度,验证了所提模型和算法的准确性和...     

基于相似日和神经网络的光伏发电预测

光伏发电系统的输出功率受到季节、太阳辐射强度、温度和湿度等气象条件影响,呈现出时变性、间歇性和随机性。文章提出了基于相似日原理和改进的BP神经网络预测方法,利用光伏电站的历史气象信息建立气象特征向量,基于曼哈顿距离寻找相似日,根据给定的不同预测日选取3个相似日的输出功率作为预测模型输入,直接预测发电站的输出功率。以某光伏电站为例进行建模预测,并通过预测误差分析证明了算法的有效性。     

泉水流量预测模型的优化

针对建立岩溶泉水流量预测模型所存在的问题，通过引入降水量主影响年为自变量因子，用主影响年上1a和下1a的降水量为修正因子，并用变量因子的指数大小间接反映其权重及影响度，有效提高了模型的拟合及预测精度。通过实例进行了残差平方和、平均相对误差及相关指数的计算和比较。     

DGA SVR日径流非线性预报模型及应用

实时而准确的日径流量预报在防洪减灾、优化调度等方面起到了巨大作用。将遗传算法(GA)与支持向量回归(SVR)改进模型耦合,同时对SVR三个重要参数(C,σ,ε)进行动态寻优,构建了动态三参数优化GA-SVR日径流非线性预报模型(DGA-SVR)用于黑水河流域日径流预报,通过与BP神经网络和多元线性回归预测结果进行对比分析,DGA-SVR模型预测精度明显优于BP神经网络和多元回归模型。     

某日调节水电站下泄排水对下游河道内齐口裂腹鱼栖息地的影响

针对西南山区某日调节水库坝后电站下泄排水（非恒定流）变化将影响下游河道内齐口裂腹鱼栖息地的问题,构建了一维明渠恒定非均匀渐变流及一维明渠非恒定流计算模型,就不同的日调度过程模拟了非恒定流对下游齐口裂腹鱼栖息地的影响范围及影响程度。结果表明,产卵场受非恒定流影响水位变幅较大,越冬场受非恒定流影响流速变幅较大,尤其是产卵场河道水位骤升骤降时将影响成鱼产卵及鱼卵的成活率,因此需采取必要措施以确保成鱼正常产卵及鱼卵的存活。     

基于可拓数据挖掘的黄河开河日期预测模型

鉴于黄河开河日期受多种因素的制约,以黄河头道拐段为例,在分析影响黄河开河的各种因素基础上,构建了由9个因子组成的开河预测评价指标体系,利用层次分析法确定了各因子的权重系数,并由统计分析法排序确定每个因子的经典域和节域,通过构造简单关联函数,采用可拓数据挖掘技术建立了黄河头道拐段开河日期预测模型。同时为避免不同因子量纲和数值量级的差别,将各因子数据预处理为年变化率后再进行运算。结果表明,该方法可行,对其他河段亦具有借鉴意义。     

MIKE11模型在浑河流域水质预测中的应用

针对辽宁省浑河流域沈阳段水环境污染严重的现状,应用MIKE11模型构建了流域水动力和水质耦合模型,利用水质实测资料进行了参数率定及模型检验,分析了参数取值的合理性;并研究了不同情景下该流域水质变化趋势及水质改善的效果。结果表明,模型在率定期和验证期模拟效果均良好,可供水质研究参考并为未来沈阳市污染物排放控制提供理论依据。采用自然增长、社会调控与社会-环境-经济协调发展三种情景进行水质预测,分析了不同发展方式的合理性,结果表明第三种方式最有利于经济环境健康发展。     

电力日负荷的混沌特性分析及短期预测

基于饱和关联维数法，对四川省全省电力系统日负荷序列的混沌特征进行定量分析，得出日负荷时间序列具有混沌性的结论。在相空间重构的基础上用局域法对日负荷进行短期预测，预测结果表明：方法虽然粗略但简单可行，预测精度较高。     

组合模型在灌区引黄水量预测中的应用

以内蒙古河套灌区为例,针对引黄水量受多种因素影响、变化趋势复杂且无规律可循、单一的数学模型难以准确预测的问题,构建了基于灰色与神经网络理论的组合预测模型,采用简化方法求解,有效地将灰色预测弱化数据序列波动性的优点与神经网络高度的非线性适应能力相融合,避免了模型权系数分散的任意性。实例结果表明,该组合模型精度高,更能准确反映灌区引黄用水需求现状。     

长江口徐六泾流量与大通流量间关系的探讨

为掌握长江的实际入海流量,基于长江大通水文站和长江口徐六泾水文站2008年全年流量资料,初步分析探讨了徐六泾流量和大通流量的关系。结果表明,徐六泾日流量和大通日流量过程基本一致,但徐六泾日流量过程较大通滞后4~6 d;徐六泾与大通日流量差值存在14.8、28.4、166.6 d的变化周期,分别对应天文潮的半月周期、月周期和春秋大潮周期的变化;从全年看,徐六泾流量略大于大通流量;大通流量基本可代表长江的入海流量。