产流误差平稳矩阵的系统响应修正方法

为提高洪水预报的精度以及修正结果的稳定性,提出了产流误差平稳矩阵的系统响应修正方法。该方法基于产流误差动态系统响应曲线修正方法,通过引入产流误差平稳矩阵,在计算方法中增添了稳定约束项,使时段产流修正值相互联系,增强了修正结果的稳定性。应用动态系统响应曲线,反演计算出较稳定的产流误差,对时段产流进行修正。将产流误差平稳矩阵的系统响应修正方法应用于滩坑流域,并与产流误差动态系统响应曲线修正方法相比较,结果显示,对于流域的17场历史洪水,前者修正结果的稳定性明显优于后者,修正效果也有所改善,适用情况更加广泛。新方法具有一定的物理基础且不损失预见期,值得进一步推广与应用。     

新安江模型与衰减记忆最小二乘法耦合洪水模型的应用

利用新安江模型进行流域产流计算，采用扩散波方程推得的汇流状态方程描述流域汇流过程，由衰减记忆递推最小二乘法实现参数估计实时化，从而使新安江模型与衰减记忆递推最小二乘法耦合，实现洪水实时预报。利用耦合模型对矶头水库76场入库洪水进行模拟，模拟结果表明，耦合模型适合中小水库入库洪水实时预报，预报精度比独立使用新安江模型得到了大大的提高。     

全过程联合校正的洪水预报修正方法

洪水实时校正是洪水预报的重要组成内容,也是水文预报研究的热点与难点。为进一步提高洪水预报精度,提出了一种全过程联合校正的洪水预报修正方法。该方法的主旨是在雨量站数目较多的流域,构建雨量站网密度与洪水预报误差分配比例之间的定量关系;对雨量站数目较少的流域,借用该比例关系,将洪水预报总误差按比例划分为面雨量输入误差和模型误差两部分;再基于系统响应理论,对研究流域的这两部分误差进行修正,从而实现输入误差与模型误差的全过程联合校正。在淮河三个典型流域的应用结果表明,相较于目前单变量的系统响应曲线修正方法,全过程联合校正方法可进一步提升误差修正效果,提高洪水预报精度。     

最小二乘法与平差原理在大地测量中的应用

简要介绍了大地测量中产生的误差种类，运用最小二乘法与平方差方法处理和分析观测数据的原理、误差处理及精度估计的方法。     

赛塘流域ISVC方法应用中的关键问题分析

详细介绍了ISVC方法中关键点平稳期选择及平稳期阈值的确定,以赛塘流域为研究对象,分析了平稳期选择及平稳期阈值对ISVC方法修正效果的影响,结果表明,平稳期选择及平稳期阈值对修正结果有着明显影响,在实际应用中,应选择主要降水还未开始,只有零星降水,河道洪水过程较为平稳的阶段作为平稳期,以避免降水对修正结果的干扰。在确定平稳期阈值时,应尽量选择更多的洪水场次,找出平稳期阈值与整场洪水之间的规律,避免阈值设置不当造成的过度修正和修正不足等问题。     

改进最小二乘递推算法的洪水预报应用研究

建立线性自回归模型,应用于洪水实时预报,并应用AIC、BIC这两种准则以确定自回归模型的阶数。最小二乘递推算法是估计自回归参数的一种常见方法。最小二乘法估算出的模型参数在预报误差平方和最小的条件下是最优解。研究中,为了强化时变系统的辩识以提高洪水预报精度,对数据采取衰减记忆、有限记忆及时变衰减记忆的方式,对基本的最小二乘递推算法提出了三种改进形式,并利用这几种改进算法进行了洪水演算,最后对几种算法的演算结果进行了比较。     

基于偏最小二乘回归与神经网络耦合的岩溶泉预报模型

本文将偏最小二乘回归与神经网络耦合，建立了泉流量预报模型。利用偏最小二乘法对影响岩溶泉流量的诸多因素进行分析，提取对因变量影响强的成分，从而克服了变量之间的多重相关性问题，降低了神经网络的输入维数。同时，利用神经网络建模可以较好地解决非线性问题。实例表明，本耦合模型的拟合和预报精度均优于独立使用偏最小二乘回归或神经网络建模的精度。     

基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型

利用偏最小二乘回归法对影响大坝渗流的诸多因素进行分析,提取对因变量影响强的成分,克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数,从而可以较好的解决非线性问题,建立了基于PLS-LSSVM的大坝渗流监控模型。实例分析表明,PLS-LSSVM模型的拟合与预测精度均优于独立使用PLS或LSSVM建模的精度;PLS-LSSVM模型的学习训练效率比LSSVM模型有较大的优势,更适合于大规模的数据建模。     

基于偏最小二乘回归的大坝位移混合模型研究

介绍了偏最小二乘法的建模基本思路和交叉有效性判别方法,编制了偏最小二乘回归程序,与弹性力学有限元联系,建立了基于偏最小二乘回归的大坝位移混合模型。算例分析表明,建立的模型有较好的拟合和预报功能。     

基于总体最小二乘的Douglas-Peucker算法在多波束测深数据抽稀中的应用

Douglas-Peucker算法是多波束数据抽稀的主要算法之一,通过保留特征点来达到抽稀的目的,这导致了抽稀后的数据与原始数据精度的极度不一致,无法很好地反映水下地形的真实情况。基于总体最小二乘的Douglas-Peucker算法,在采用Douglas-Peucker算法确定特征点的基础上,充分利用多波束测深原始数据的信息进行分段总体最小二乘拟合,从而达到更真实地反应海底状况的目的。通过对仿真海底地形模拟计算,结果表明:与Douglas-peucker算法相比,该算法能够更加逼近原始数据,提高抽稀精度。     

洪水预报实时校正技术研究进展

回顾国内外洪水预报实时校正的产生背景,评述其理论与方法的发展历程。在此基础上,将实时校正方法归纳为终端误差校正和过程误差校正两类,并梳理出各自的典型校正方法以及联合校正方法,概述不同方法的研究成果及进展。重点介绍其中的反馈模拟技术、误差自回归算法(AR)、递推最小二乘算法(RLS)、卡尔曼滤波技术(KF)和动态系统响应曲线算法(DSRC)等5种代表性的实时校正技术,阐述其计算过程,并分析其特点与适用性。对洪水预报实时校正的未来发展方向及研究热点进行了展望。     

产流误差平稳矩阵的系统响应修正方法参数分析

为进一步提高洪水预报精度,扩展产流误差平稳矩阵的系统响应修正方法的应用范围,首先通过理论推导,比较了产流误差动态系统响应曲线修正方法与产流误差平稳矩阵的系统响应修正方法的特点,比较结果表明后者具有更强的修正稳定性以及更好的修正效果;然后通过理想案例和实际案例对该方法应用效果和参数选取进行讨论,应用结果显示产流误差平稳矩阵的系统响应修正方法应用于达开水库流域具有较好的修正效果,明显提高了洪水预报精度;参数分析结果显示存在一个最优的权重系数使得修正效果达到最佳,并且在实际流域上权重系数取值幅度较大。     

水文遥测数据智能纠错及插补技术在洪水预报中的应用研究

针对流域洪水预报和水库调度中雨量水位站点可能因通信和设备故障引起雨量和水位数据错误,而影响洪水预报精度的问题,通过分析水文遥测系统雨水情信息错误的原因,研究水文遥测系统雨水情数据的提取、合理性检验、错误识别方法、雨量插补、数据的智能化纠错处理等技术.在数据提取时,运用符合实际的错误判别方法、纠错技术和科学的数学插值方法来提高数据的准确性和洪水预报的精度.     

基于加权最小二乘的结构模态参数与损伤识别

为提高利用最小二乘进行模态参数识别的精确度,提出了分频段加权最小二乘模态参数及损伤区域识别方法。分别基于各频率段能量和普通克里金插值作为权值,加权计算模态参数。将此方法应用于识别时变系统,用于Koyna混凝土重力坝在地震作用下损伤识别中。结果表明,识别的固有频率时程曲线可以准确地对结构损伤情况进行描述,根据坝体观测点在初始和损伤结束时刻的响应信号识别的归一化振型可以对结构损伤进行定位。该方法可以较大地提高结构模态参数的识别精度,并且准确地识别结构的损伤区域。     

遥测系统降雨观测粗差修正研究

通过对遥测系统雨量观测资料中粗差特点和产生方式的分析,提出了借鉴曲面拟合算法的思路,利用抗差最小二乘估计和雨量空间分布函数修正粗差的方法.对闽江七里街流域43个雨量站46场暴雨26万余条记录,用生成的误差系列,进行模拟估计,分析了此方法的有效性和合理性,获得了较好的结果.并且把修正过的降雨资料应用于新安江模型,对计算的流量和实测流量进行比较分析,达到了较满意的效果,表明本方法有较好的实用性.     

基于协整理论的淮河流域上游洪水预报实时校正方法

为了提高淮河流域上游的洪水预报精度,引入计量经济学中的协整理论与误差修正模型用于洪水预报实时校正;同时为了解决自回归算法无法针对非平稳序列建模以及序贯相关性问题,构建了基于误差修正概念的自回归误差修正模型。以淮河鲁台子站以上流域为研究区域,基于分布式垂向混合产流模型模拟结果,分别构建一阶至三阶自回归模型、误差修正模型和基于误差修正的自回归模型对模拟结果进行校正,采用修正效果评价系数、确定性系数、洪峰相对误差、径流深相对误差和峰现时差5个评价指标,分析对比各校正模型对流域2003—2014年10场洪水的校正效果。结果表明:3种实时校正方法均对淮河流域上游洪水有一定的校正效果,其中,自回归模型校正效果最差,排除误差序列非平稳的两次洪水后,其平均修正效果评价系数为0.20;误差修正模型能够有效校正预报洪水,其平均修正效果评价系数为0.76;基于误差修正的自回归模型校正效果较好,与传统自回归模型相比,对洪峰流量的校正效果显著提高,其平均修正效果评价系数达到0.98,可用于淮河流域上游洪水预报的实时校正。     

基于PLSR的珠江口城市河流水质高光谱反演

为研究珠江口城市河流水体高光谱特征与城市河流水质指数(CWQI)的关系,对中山市典型河流开展了高光谱监测和同步水质分析,基于偏最小二乘回归(PLSR)建立了高光谱数据与CWQI的反演模型,并研究了反演模型的最佳光谱分辨率和最优主成分数.结果 表明:基于化学需氧量、总磷、氨氮和溶解氧4项水质指标质量浓度值计算得到的CWQ...     

耦合小波变换和偏最小二乘的悬浮物浓度和浊度高光谱建模方法

针对高光谱曲线中可能存在噪声以及传统半经验方法不能有效利用全部光谱信息的问题,提出了耦合Haar小波变换和偏最小二乘的水质遥感高光谱建模方法(Haar WT-PLS)。利用该方法,对在南四湖获取的实测高光谱数据经分解尺度为3的Haar小波变换后,将原始光谱数据压缩到47个特征变量;随后利用小波变换重构的光谱数据建立了悬浮物浓度和浊度的Haar WT-PLS反演模型,并进行了验证。结果表明:Haar WT-PLS反演悬浮物浓度和浊度精度较高,验证样本的均方根误差分别为25.05 mg/L和20.10NTU,平均相对误差分别为20.36%和13.88%。通过和单波段模型、一阶微分模型和波段比值模型进行精度对比分析,本文建立的Haar WT-PLS模型反演悬浮物浓度和浊度具有较高的精度和更好的稳定性。