共查询到16条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
近年来,流域暴雨洪水灾害事件频发,准确、可靠的洪水预报是有效预防和抵御山洪灾害的重要措施。以渌水流域为研究区域,构建HSPF半分布式模型,选取流域2013~2020年洪水资料中代表性较好的场次洪水完成模型参数的率定和验证,并采用确定性系数、相对误差等指标进行洪水模拟精度评价。结果表明,该模型在渌水流域场次洪水模拟中表现良好,15场洪水模拟的峰现时间、洪峰流量合格率分别为100.0%、80.0%,洪量及径流深的模拟合格率均为93.3%,确定性系数均值为0.80,总体预报精度达到乙级,说明构建的HSPF洪水预报模型在渌水流域具有较好的适用性,可为该地区的洪水预报提供依据。 相似文献
7.
8.
9.
10.
11.
12.
基于主成分分析和BP神经网络的赣江流域中长期径流预报 总被引:1,自引:0,他引:1
针对赣江流域开展水量调度对中长期径流预报的迫切需求,在分析赣江流域径流特性的基础上,以降雨、径流等常规因子和130项大气环流指数等相关因子为预报因子,分别构建基于相关系数法、逐步回归方法、主成分分析法三种因子筛选方法的BP神经网络中长期径流预报模型。研究结果表明,主成分分析方法筛选的预报因子可较好描述未来径流的变化趋势,所构建的基于主成分分析的BP神经网络中长期径流预报模型在率定期和检验期的合格率均满足规范对作业预报模型的精度要求,可作为赣江流域中长期径流预报的支撑模型。研究成果为赣江流域开展水资源优化配置和水量调度提供了依据。 相似文献
13.
14.
15.
小水电大多为无调节能力的径流式电站,汛期与大中型水电挤占输电通道,导致水电弃水及地区窝电现象日趋严重,因此尽可能准确地掌握小水电发电能力、制定合理的大小水电协调调度计划愈显重要。对此提出了基于模糊聚类和BP神经网络相结合的小水电短期发电能力FC-BP预测方法,将训练样本根据历史运行数据分类,建立相应的BP网络,对待测样本识别归类,预测小水电装机日利用小时数,并将该方法应用于云南省盈江县和云龙县小水电短期发电能力预测中。结果表明,FC-BP预测方法较传统ANN模型预测精度有所提高,且泛化能力更强。 相似文献
16.
为了提高BP神经网络模型的预测精度,提出了一种基于KNN算法及GA算法优化的BP神经网络的水位预测方法(KG-BP),即通过KNN邻近算法从全样本数据中剔除与待测点相关度较低的样本集,并允许保留K个"优质"训练数据集;将筛选出的"优质"训练数据集代入GA算法中实现初始权阈值的优化;再将"优质"的样本和初始权阈值代入BP模型中进行训练。将该预测方法应用于东山站水位实际预测中,并与BP模型、GA-BP模型的预测结果进行对比分析,验证了KG-BP模型具有较高的预测精度。 相似文献