基于温度的ET0模型改进及在海河流域的适用性

为提高HS模型估算海河流域参考作物蒸散量(ET0)精度,基于贝叶斯原理,利用海河流域8个地理分区1980—1999年29个气象站的逐日气象数据对其温度指数、温度系数和温度常数进行改进,并以FAO Penman-Monteith(PM)模型为标准,利用1980—1999年和2000—2015年数据对HS改进模型适用性进行...     

模糊神经网络水文预报模型在洺河流域的应用

本文选取雨强距离指数(IPD)及其他有关参数等作为自适应神经模糊推理系统(ANFIS)水文预报模型的输入,提出雨强距离指数的定义及其目的和意义。为剖析雨强距离指数在水文预报模型中的应用,分别建立不包含雨强距离指数的模型A与包含该指数的模型B进行对比评价。结果表明,将雨强距离指数作为ANFIS水文预报模型的输入能够提高模型的预报精度。     

ANN、ANFIS和AR模型在日径流时间序列预测中的应用比较

水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持,而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型(AR模型)、人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中,不仅采用纳什系数(NS系数)、均方根误差(RMSE)和平均相对误差(MARE)为评价指标,对三种模型的综合性能进行了比较。而且,在对三种模型预测结果的平均相对误差的阈值统计基础上,分析了三种模型的预测误差分布。同时,通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明ANFIS相对于ANN和AR模型不仅具有更好的模拟能力、泛化能力,而且在相同的预见期下具有更优的模型性能,可以作为日径流时间序列预测的推荐模型。     

黄河内蒙古段开河日期预报模型及应用

对黄河内蒙古段的冰情特点进行分析,选用1970—1971年度至2007—2008年度共38个冬季的冰情资料,提取合适的预报因子,分别采用人工神经网络模型和多元线性回归模型,对黄河内蒙古段的开河日期进行预报。结果表明,神经网络模型和多元线性回归模型预报样本合格率分别为86.7%和80.0%,神经网络模型的预报精度高于多元线性回归模型,更适用于黄河内蒙古段开河日期预报。     

基于多元线性回归模型的大坝变形预报研究

大坝变形监测预报的准确性对大坝安全评估具有重要作用,而其变形又受诸多相互关系复杂的外界因素的影响。阐述了目前大坝变形预报的几种主要模型和方法,重点对多元线性回归模型进行了分析。针对温度因子和时效因子的特点,在建模时考虑了温度因子对大坝的时延影响,采用三角函数对温度因子进行表述;对时效因子采用衰减蠕变因子描述,建立了科学合理的回归方程。以三峡工程大坝安全监测为例,采用M at-lab语言对回归模型进行了编程实现。计算结果表明,采用多元线性回归模型能有效地对大坝变形进行预报,预报精度较高,对大坝安全评估具有重要意义。     

基于EMD-LSTM-ANFIS模型的年径流预测研究

为提高径流预测精度,提出基于经验模态分解(EMD)和长短期记忆(LSTM)神经网络、自适应神经模糊推理系统(ANFIS)相结合的径流预测模型。通过EMD将原始径流序列分解成多个更具规律的分量序列,利用自相关函数法(AFM)和虚假最邻近法(FNN)对每个分量序列进行相空间重构,确定输入、输出向量,建立EMD-LSTM-ANFIS预测模型,并构建EMD-LSTM、EMD-ANFIS、LSTM、ANFIS作对比模型,利用建立的5种模型对云南省龙潭站年径流进行预测及对比分析。结果表明:EMD-LSTM-ANFIS模型对实例年径流预测的平均相对误差为3.18%,平均相对误差较EMD-LSTM、EMD-ANFIS、LSTM、ANFIS模型分别降低55.0%、65.2%、68.1%、78.4%,具有更高的预测精度和更强的泛化能力。EMD-LSTM-ANFIS模型用于径流预测是可行和可靠的。     

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。