西藏拉萨河径流预测方法研究

本文介绍了人工神经网络模型、分期平稳自回归模型、一阶季节性自回归模型这三种径流预测模型的基本原理,并且利用西藏拉萨河拉萨站1956至1968年,1973年至2000年41年的月平均流量资料对月径流进行预测和比较,得出BP-人工神经网络模型是相对于其它两种方法更适合对拉萨河径流进行预测的方法。     

二滩水电站中期径流序列预测研究

分别利用门限回归模型（TR模型）和人工神经网络模型对二滩水电站的月平均径流量序列进行了预测。通过计算可知，门限回归模型和人工神经网络模型都可以很好地解决月平均径流的预测问题，相对误差总体上都比较小。但门限回归模型计算繁琐，不能及时、快速得到计算结果，而人工神经网络模型计算快速，占用内存小，还有很好的容错性，即使在数据不完全的情况下，也能及时准确地得到径流预报值。考虑到模型自身的特点和优势，在实际运行中推荐使用人工神经网络模型进行月平均流量的计算和预测。     

丹江口水库来水情势分析与径流预测

基于丹江口水库1956—2016年逐月平均流量资料,采用数理统计手段分析丹江口水库年径流量的周期性和趋势性;从百项气候系统指数集和太阳黑子数中筛选出预测因子,构建月平均流量与预测因子间的多元线性回归模型和随机森林模型,实现丹江口水库月径流预测。结果表明,丹江口水库年径流量呈显著的减小趋势,并伴随有6～8 a、18～21 a两类尺度的周期振荡特性;以2017年逐月平均流量为例,随机森林模型和多元线性回归模型的预报合格率分别为83.3%、75.0%,预报精度均较好,且随机森林模型的预测精度优于多元线性回归模型,可用于丹江口水库月径流预测。     

基于四种方法的月径流预测研究

径流预测对于水资源的合理开发利用与统筹配置具有重要意义。根据黄土高原地区渭河支流-北洛河状头水文站和泾河张家山站的月径流资料,运用门限自回归模型、神经网络模型、方差分析外推法以及季节水平模型四种方法对其进行预测,观察模拟效果并比较各自优缺点。对于枯水期月径流,季节水平模型对于两站预测合格率均为100%;方差分析外推法对于状头站和张家山站预测合格率分别为90%,80%;门限自回归模型对于两站的预测合格率均为80%;神经网络模型预测两站汛期月径流合格率均为100%。表明季节水平模型适用于枯季月径流的预测,神经网络模型适宜于汛期月径流预测,并且精度良好。     

嘉陵江中游段中长期径流预报研究

通过对嘉陵江流域中游段的径流特性及变化规律进行研究,应用目前较为成熟的人工神经网络模型、最近邻抽样回归模型、自回归模型和均生函数模型,对嘉陵江流域中游段年径流进行预报。实例分析和预测结果比较表明:人工神经网络模型与最近邻抽样回归模型能更好地预测嘉陵江中游段的年径流。     

日径流预测方法研究

运用自回归方法、多元线性回归方法和人工神经网络方法分别对汛期和非汛期的日径流量进行了预测,汛期预报因子又分别用有降水因子和无降水因子进行了预测。预测结果表明：非汛期的预测精度较高,汛期预测效果较差。另外,在汛期,有降水因子的预测结果要比没有降水因子预测效果好。     

改进多元回归法与神经网络应用于水质预测

为提高水质预测模型的精度,在传统算法的基础上,提出了改进多元非线性回归算法,并以黄河干流龙门至潼关监测断面的水质预测为例,与神经网络算法进行了比较计算。结果表明,两种模型均可用于黄河水质预测,改进多元非线性回归模型预测效果略优于人工神经网络模型。     

人工神经网络在黄河下游灌区的应用研究

人工神经网络误差反传前馈网络(BP神经网络)在水科学领域应用最为广泛。运用BP神经网络对黄河下游引黄水量进行了预测，采用1983—1992年资料建立了引水量与降水量、灌溉面积、灌溉定额的多元线性回归模型，对计算的引黄水量进行比较。结果表明，BP法精度明显高于线性回归法。     

二滩水电站日平均流量预测

分别利用分期平稳自回归模型——AR模型（Autoregressive Model）和BP人工神经网络模型（Back Propagation Artifical Neural Network Model）对二滩水电站的日平均流量序列进行了预测.通过计算可知,分期平稳回归模型和人工神经网络模型都可以很好的解决日平均径流的预测问题,误差都比较小.但分期平稳回归模型计算繁琐,不能及时、快速得到计算结果,而人工神经网络模型计算快速,占用内存小,还有很好的容错性,在数据不完全的情况下,也能及时准确地得到径流预报值.     

多元线性网络法在区域电力负荷预测中的应用

区域电力负荷具有特殊的变化规律，但表现出一定的周期波动性。对区域电力负荷变化影响因素分析后，分别利用多元线性回归和人工神经网络模型对电力负荷变化进行了电力消耗预测。对二者预测结果还进行了误差分析，并提出了高、中、低3个水平的电力负荷消耗。结果表明：预测结果与当地电力负荷消耗增长规律相符，且人工神经网络预测结果较多元线性回归模型稍好。预测的结果数据可以作为当地决策部门的资料参考。     

主成分回归在径流预测中的应用

采取主成分回归方法对具有多重共线性的湘江流域43 a径流资料进行了分析,以实测径流量、降水量和蒸发量等7个指标进行了样本预测。结果表明:主成分回归比多元线性回归的误差小,预测值更接近于实测值。     

基于人工神经网络的O_3-BAC出水COD_(Mn)预测与结构分析

充分利用人工神经网络拟合精度高、适应性强的特点,建立了臭氧-生物活性炭出水指标的神经网络模型,能够在给定工艺参数的条件下以较高的精度预测出水COD_(Mn).同时建立了多元线性回归分析模型,从而能够进行各指标之间线性影响的数量结构分析.利用该人工神经网络和多元线性模型,能够准确把握臭氧生物活性炭出水指标COD_(Mn)的变化规律,指导生产中各项工艺参数的调整.     

基于神经网络的年径流预测模型

年径流预测过程可以认为是一种复杂非线性函数关系的逼近过程。人工神经网络具有表达任意非线性映射的特性，在分类、学习和容错方面表现出很好的能力，可以克服常用的如回归分析模型结构更新量大、预报精度低的缺陷。以下着重介绍了ＡＮＮ 基本原理和算法，并结合实例说明了应用方法，并且通过建立年径流预测的人工神经网络模型，为年径流预测提供了具有实用价值的基本理论和实施技术。     

径流式小水电站年发电量综合预测模型

针对径流式小水电站电力生产的特点，建立了一种新的多元线性回归（MLR）＆最小二乘支持向量机（LS—SVM）的年发电量综合预测模型。该模型充分利用径流式小水电站发电量与其影响因素（年来水量、来水离差系数和电网负荷率）之间的关系，并建立与之对应的由初步预测子模型和误差修正子模型两部分组成的综合预测模型。实际预测结果表明，本文所提的综合预测方法能适应径流式小水电站发电量的具体问题，其效果优于常用方法，易于实现。     

大坝变形的多步预测模型研究

根据大坝变形时间序列分别建立多元线性回归、稳健回归和改进的BP神经网络预测模型,并进行了单步和多步预测研究。结果表明:3种模型对历史样本具有很好的拟和效果;在预测中,稳健回归、多元线性回归模型在单步预测中预测精度较高,而改进的BP神经网络模型在多步预测中预测精度较高,抗干扰性强,适合预见期较长的坝体变形预测。     

小波网络模型在隔河岩水库径流预测中的应用

基于小波分析与人工神经网络提出一种小波网络模型,模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力,预测精度较好。在清江隔河岩水库年、月径流中长期预测中,得到满意的结果。     

黄河源区河道冰封开河预报研究

研究黄河源区封开河日期的预报模型,对于填补黄河源区凌情研究的空白,进一步了解气候变化对源区径流过程的影响十分重要。根据黄河源区的水文、气象资料,从热力因素、水力因素和河道条件等方面筛选了影响河流凌情演变的主要因子,选用多元线性回归法和人工神经网络法对封河日期和开河日期进行了预测,并对预测结果进行了对比分析,初步建立起具有一定精度的黄河源区河冰封开河预报模型。     

大桥水库入库径流预测及电站优化调度研究

大桥水库是安宁河流域的龙头水库,鉴于该水利工程自建成八年多时间以来尚未系统地开展过水库调度研究,因此,通过对入库径流的预测并进行水库电站运行优化调度,必将有利于水资源的合理利用及工程的科学管理,并使其发挥出更好的社会效益和经济效益.在深入分析历史径流资料的基础上,采用自回归模型、最近邻抽样回归模型和人工神经网络模型对大桥水库入库径流进行了预测,在此基础上,尝试了运用动态规划法对大桥水库中长期的发电运行进行优化调度,其结果表明:此次研究在提高大桥水库发电效益和综合利用等方面具有重要的理论与实践参考价值.     

基于小波分解的日径流逐步回归预测模型

本文以预测水文站的上游水文站的日径流序列为依据,利用小波分解和重构得到预测水文站及上游水文站的日径流序列在1~4尺度下的概貌分量,然后以各站的原始径流序列及其在不同尺度下的概貌分量为候选预报因子,建立了径流逐步回归多步预测模型。计算实例表明,由于引入了上游水文站的径流序列并提取了各站径流序列的不同尺度下的概貌分量,本文提出的基于小波分解的日径流逐步回归预测模型的预测精度高于小波网络模型和多元自回归模型,能对非凌汛期未来1~3d以及凌汛期1~7d的日均流量进行预测,可为制定水电站未来的发电计划提供科学的依据。     

α-加权和贴近度递变模糊线性回归模型及应用

用模糊线性回归分析方法进行多元线性回归分析，能较好地处理传统模糊线性回归模型中因变量和影响变量之间关系复杂、预测结果有一定模糊性的回归分析预测问题。以因变量和各回归变量的相关系数为基础，采用α-加权和递变的贴近度标准对传统的模糊线性回归模型进行了改进，并对改进后的模型进行了评价。实际算例结果表明，改进模型的拟合精度和预测精度均有较大的提高，具有一定的实用性。