基于GA-Elman神经网络模型的年径流预测

针对传统神经网络模型静态性及训练算法易陷入局部极值的缺陷,为了实现神经网络训练全局寻优,提高模拟精度,并使网络结构能动态反映年径流系列的时变特性,本文以年降雨及气温作为输入因子、年径流量为模型预测对象,结合遗传算法和Elman神经网络各自的优点,采用遗传算法对网络权值阈值全局优化,通过二者的耦合构建了GA-Elman年径流预测模型。利用构皮滩站1961—2015年的径流系列对模型进行了训练及测试,并对各模型预测性能比较分析。结果表明:GA-Elman模型预测平均相对误差5.29%、均方根误差55.81 mm,效果良好,对于径流预测具有实用价值;神经网络模型预测精度优于基于线性方法的模型,预测平均相对误差从12.01%降至7.07%以下;采用遗传算法改进神经网络权值阈值优化过程,预测平均相对误差从7.07%降低到5.29%,可明显提高模型泛化能力,从而改善径流预测效果。     

基于VMD-LSTM的河流流量预测方法

为了提高径流预测的精度,文中提出了一种基于变分模态分解算法（VMD）的长短期记忆神经网络（LSTM）预测模型。文中通过对沙里寨水文站2010年至2019年的流量数据进行预测,并与其他模型对比预测效果。结果表明,VMD-LSTM模型能够有效提高径流的预测稳定性和精度。     

基于SVM-CEEMDAN-BiLSTM模型的日降水量预测

针对日尺度降水序列中极大值与无雨日预测精度低的问题，提出基于支持向量机(SVM)、完全集合经验模态分解(CEEMDAN)和双向长短期记忆神经网络(BiLSTM)的降水预测耦合模型。将提出的模型应用于鄱阳湖流域景德镇站和赣县站2个典型站点的日降水量预测中，并与各种传统模型组合的预测结果进行了对比。结果表明：耦合模型的降水预测结果与实测结果基本一致且精度最高，为日尺度降水量预测中极大值与无雨日预测精度低的问题提供了一种解决参考。     

基于PCA-SHO-SVM和PCA-SHO-BP模型的径流预测

为提高径流预测精度,研究主成分分析(PCA)、斑鬣狗优化(SHO)算法与支持向量机(SVM)、BP神经网络相融合的预测方法.在样本数据筛选上选取PCA方法进行数据降维,使数据样本简洁且更具代表性.利用SHO算法优化SVM关键参数及BP神经网络权阈值,分别提出PCA-SHO-SVM、PCA-SHO-BP径流量预测模型,并...     

气候变化条件下流域径流演变趋势分析

为了预测流域未来径流演变趋势,通过主分量分析、降尺度模型和SWAT模型,预测分析了流域在大气环流模型(GCMs)A2/B2气候情景下2010—2099年的日最高最低气温、日降水和月径流量。主分量分析提取大尺度下气候预测因子的主成分,降尺度模型利用提取的主成分预测站点的最高最低气温和降水,SWAT模型利用预测的站点数据计算未来径流量。结果表明,A2/B2两种气候情景下流域未来气温呈波动上升趋势,降水、径流均呈波动下降趋势,其中B2情景变化幅度大于A2情景。     

气候变化对汉江上游径流特征影响预估

为了预测水文站逐月径流,对该流域水资源变化进行评估,运用小波神经网络建立汉江上游流域气象因子与径流过程模拟预测模型,并依据未来气候变化增量情景,对石泉水文站以上流域径流变化响应过程进行不同时间尺度分析。由已知汉江上游流域的月降水量和月平均温度,经小波神经网络自动“学习”训练获得石泉水文站精度较高的逐月径流数据。模拟计算结果表明:在不同未来气候变化设定情景下,该区域径流变化过程较为明显,年平均径流量最大变化范围为-34.7% ~ 21.4%。在降雨量不变、气温升高的情况下,年平均径流的响应变化范围为-5.1% ~ -13.3%。温度升高引起冬季径流增加较为明显,春季及秋季径流则存在减小趋势,秋季明显减少,而降雨量变化对夏季径流的影响最显著。     

气候变化情景下丹江口水库径流模拟预测

气候变化和异常对水资源影响的评价方法有很多种,本项研究采用概念性水文模型模拟和假定气候情景推算径流变化法,分析气候变化对丹江口水库径流的影响,即利用不同的GCMs模型模拟丹江口水库上游的月降水和气温序列,并通过Delta变化作为汉江流域半分布式两参数月水量平衡模型的输入,用以模拟和预测2021～2050年的丹江口水库径流量.结果表明,对于2021-2050年降水和气温年变化的情景,未来年平均径流将相应升高8.18%(HadCM3)、7.78%(CSRIO)和2.14%(CCSRINES),敏感度分析结果显示,径流量对降水变化的敏感度较径流对气温变化的敏感度要大.     

鄱阳湖流域气候变化及其对入湖径流量的影响

为分析鄱阳湖流域气候变化特征及评估其对流域径流的影响,研究利用1961-2010年间鄱阳湖流域29个气象站和入湖"五河"水文控制站观测数据,分析该时段内流域气候和径流量变化趋势,建立统计模型分析其对流域径流量的影响。研究结果表明:鄱阳湖流域年气温呈显著性(99%置信度检验)波动上升趋势,流域降水总体呈略上升趋势,降水天数呈下降趋势。受气候变化的影响,鄱阳湖流域径流量呈上升趋势。统计模型计算结果表明,径流量与降雨变化呈非线性关系,径流量对降雨变化有着较强的敏感性,相同的气温变化情景下,降水增加比降水减少对径流量的影响更加显著,表明降水变化对径流量有着不同程度和方向的影响作用。气温对径流的影响呈线性,但其影响不明显。未来气候变化情景下,2050年前鄱阳湖流域在高排放A2和RCP8.5情景下呈现明显增长趋势,但其径流量低于其他排放情景。     

基于VMD-LSTM-ARMA模型的径流预测

为了提高径流预测的精度,提出了一种用以解决径流预测等问题的组合预测模型,此模型由变分模态分解(VMD)、长短期记忆网络(LSTM)和自回归移动平均(ARMA)组成。为了降低入库流量的复杂度,利用VMD算法将径流数据分解为3个不同频率的模态分量。低频的模态分量继承了数据的时间特性,可以通过构建LSTM预测模型处理;而2个高频序列是平稳的时间序列,可以通过搭建ARMA预测模型处理。将3个子序列的预测结果进行叠加,最终得到径流的预测结果。采用湘江支流的东江水文站2020年的逐小时流量数据进行流量预测,对比试验和其他算法结果表明：所构建的模型可以有效提高水文预报的精度。     

不同气候情景下和田河上游径流变化

位于内陆的和田绿洲,其水资源主要来自上游山区,山地径流的变化将直接影响社会经济活动。基于此,对和田河流域上游1980—2015年的降水、温度、径流的变化趋势以及降水、温度对径流的影响进行分析,构建相应的soil and water assessment tool（SWAT）模型,结合气候模式对未来6种气候变化情景下的径流进行预测。结果表明：1980—2015年和田河流域上游年均气温和年降水的变化率分别为0.31 ℃/10 a和16.5 mm/10 a,均呈显著增加趋势,年径流也呈上升趋势;以2009—2011年为基准期,若和田河上游降水量分别增加12.5%、10%和减少10%,则其径流量将分别增加8.19%、6.45%和减少6.23%;若和田上游流域温度分别增加0.3 ℃、1 ℃和2 ℃,则和田河径流量将分别增加1.96%、7.74%和12.99%;预设的6种情景径流量均呈现增加趋势,其中2021—2030年HADG_RCP8.5情景下径流量最小,为51.25亿m3/a;2031—2040年,BCC_RCP4.5情景下径流量最小,为53.06亿m3/a。所得结果可以为当地水资源调配提供理论支撑。     

不同模态分解方法结合LSTM模型对日径流预报的影响

针对日径流序列不平稳性与波动性的特点，尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先，采用完整集合经验模态分解方法对日径流时间序列进行分解，得到不同频率成分的模态分量；其次，为不同的模态分量构建长短期记忆神经网络日径流预测模型，并采用网格搜索参数寻优算法优化预报模型的超参数；最后将各模型预报结果进行模态重组获得日径流预报结果。以宜昌水文站日径流预报为研究实例，所构建的组合模型较单一长短期记忆神经网络的和分别降低了65.02%、58.35%与2.88%,且运用完整集合经验模态分解方法的分解效果优于传统的模态分解方法，为短时间尺度下的非线性和非平稳的日径流预报提供了新的方法和参考。     

TVGM-LSTM耦合模型及其径流模拟效果分析

为提升变化环境下流域径流模拟与预测精度，以白河流域为例，构建了基于时变增益水文模型(TVGM)和长短期记忆网络(LSTM)的TVGM-LSTM耦合模型，并利用随机森林算法识别模型最优解释变量。将耦合模型应用于2011—2018年白河流域径流模拟，结果表明：TVGM-LSTM耦合模型在白河流域具有较好的径流模拟效果，率定期与检验期纳什效率系数分别为0.95与0.90;与TVGM相比，耦合模型提升了对非汛期径流的模拟精度，且能够较好地模拟汛期与非汛期洪峰；耦合模型能够有效避免过拟合问题，泛化性能较优，预测精度稳定性较强。     

气候变化影响下的赣江流域水资源变化趋势与幅度分析

利用全球气候模式输出结果,经统计降尺度模型降解后得到流域尺度的降水和气温要素,根据实测资料建立气温—蒸发回归关系以及新安江水文模型,使用耦合模拟和MK趋势分析评估未来气候变化情景下赣江流域水资源量的变化趋势和幅度。研究结果表明:未来不同排放情景下的年降水量、年蒸发量和年径流量等水文气候要素变化趋势以显著增加为主。未来年降水量、年蒸发量和年径流量的多年平均值相对基准期有较小幅度增加,最大增幅为年径流量的13.81%。降水、蒸发和径流的年内变化有明显的季节性特征,汛期径流增加、非汛期径流减少的不均匀情况加剧,在一定程度上可能增加赣江流域未来的防洪压力和枯水期供水压力。     

长江源高寒区域河川径流预测方法及其对比分析

为了更好地预测长江源高寒区域水文循环尤其是径流过程的变化规律,根据沱沱河站(1961年-2009年)共49年的降水和径流资料,以降水量作为输入向量,径流量作为目标向量,分别采用偏最小二乘回归估计、改进的BP神经网络和RBF神经网络建立了径流预测模型,并利用Matlab工具软件编程求解。通过三种计算方法预测结果的分析与对比表明:偏最小二乘回归估计模型的径流预测结果基本合理,但该方法需要降水数据作为已知条件,同时要求降水和径流的相关性较高,对于长江源高寒区域来水复杂的地区不是很合适;改进的BP网络模型因受到神经网络学习和训练的随机性影响,需要相当大的运算量,而且预测精度也不高,如果合理选择RBF神经网络模型的周期和spread值,其径流预测结果的精度相对较高,所以是值得推荐的方法。     

基于VMD-EEMD-CNN-LSTM混合模型的月径流预测

针对传统径流预测模型对月径流序列尖峰点预测精度不足的问题,文章提出了一种VMD-EEMD-CNN-LSTM混合预测模型。首先,对原始月径流序列进行变分模态分解(VMD)处理,得到具有有限带宽的本征模态分量(VMF)和较高复杂性的残差项(Res)。然后通过集合经验模态分解(EEMD)对Res进行二次分解,有效挖掘原始径流的隐藏信息。把各分量作为卷积神经网络(CNN)-长短期记忆网络(LSTM)组合预测模型的输入,最后对各预测结果进行叠加重构,得到最终的结果。以乌江流域洪家渡水电站实测月径流数据为例,结果表明：VMD-EEMD-CNN-LSTM模型具有更高的精确度,能有效提高对月径流序列尖峰点的预测精度。     

基于小波分解的径向基神经网络径流预测研究

噶尔河流域位于新疆塔里木盆地西南缘,流域严重缺水,直接影响到流域的农牧业生产,因此需要对其径流量做出相对准确的预测。选用喀什噶尔河流域1956年—2000年实测年径流量,运用小波分解方法揭示径流的趋势性和周期性,并利用周期性结果为径流预测提供数据输入依据,建立径向基神经网络预测模型,与传统径向基神经网络预测模型相比,精度更高,能够更加准确的预测喀什噶尔河流域年径流量。更多还原     

水文预测模型在洪涝灾害预警系统中的应用研究

本文以保定市拒马河为例,通过对当地气象和水文现状的分析,构建了洪涝灾害预警的气象水文耦合预测模型。同时,针对耦合模型在暴雨天气中径流量预测响应慢的问题,采用长短期记忆网络对模型进行优化。在试验中采用保定市都衙村2021年8月11日的拒马河气象水文数据进行分析对比,结果显示,研究提出的优化模型在24 h内河流径流量预测数据的平均误差为0.4061 m³/s,误差小于其他算法模型,证明了该方法在洪涝灾害预警中的有效价值。     

基于CEEMDAN-IPSO-LSTM的水电机组振动预测研究

针对水电机组振动的非线性、非平稳特点,提出一种完全自适应噪声集合经验模态分解(CEEMDAN)方法和长短期记忆(LSTM)神经网络相结合的振动预测模型,利用改进的粒子群优化算法(IPSO)对调节参数进行优化以提高预测精度,采用CEEMDAN算法将振动数据计算展开为多个固有模态函数(IMF),通过计算相关系数筛选出有效的IMF,最后将筛选结果重构后输入LSTM进行模型预测,并与LSTM、支持向量回归(SVR)、CEEMDAN-IPSO-SVR进行对比。结果表明,提出的CEEMDAN和LSTM相结合的振动预测模型可以有效识别水电机组不同运行工况下的振动信号,为故障预警、水电机组安全高效运行提供依据。     

人类活动及气候变化对河北省地表径流量的影响

利用河北省1956-2000年水文、气象资料,对现状下垫面时间进行了界定,建立了下垫面变化前后降水与地表径流的相关关系,定量评价了人类活动对地表径流量的影响。根据现状下垫面条件下的径流量系列与气候要素(降水量、蒸发量、气温)之间的关系,建立了对数型非线性统计模型,其相关显著,灵敏度较高。根据2030、2050年气候情景数据预测河北省地表径流量的变化:与标准气候值相比,2030年降水量将增加4%～12%,气温升高1.1℃～1.4℃,径流量为106.5～128.9×108m3;2050年降水量将增加4%～14%;气温升高1.7℃～2.2℃,径流量为95.7～123.0×108m3。     

黄河上中游径流对气候变化的敏感性分析

利用黄河月水文模型 ,采取假定的气候方案 ,分析了中上游径流量对气候变化的响应。结果表明 ,径流量对降水变化的响应较气温更为显著 ,气温不变 ,降水增加 10 %的情况下 ,中上游径流量约增加 17% ;降水不变 ,气温升高 1℃ ,径流减少 5 %左右 ;在区域分布上 ,中游较上游对气候变化敏感