共查询到20条相似文献,搜索用时 203 毫秒
1.
本文根据概念性模型与黑箱子模型各自的优缺点,将二者结合起来构成了一个综合约束线性系统模型,并建立相应的实时校正模型,自动跟踪修正模型的预报误差,组成联机实时洪水预报系统。通过长江三峡风滩以上流域作实时洪水预报验证,取得了较好的精度。 相似文献
2.
3.
洪水扩散波实时水位预报模型及其算法 总被引:3,自引:1,他引:2
运用洪水扩散波理论建立了河道水水位实时预报模型,改进了T.K.Fortcacne时变遗忘因子最不二乘估计时变参数的递推算法,经淮河河段的洪水实时水模拟预报应用,表明所建立的模型和实时递推算法对于河道洪水水位短期预报是有效的。 相似文献
4.
为提高金华江流域实时洪水预报精度,建立了耦合MIKE 11 NAM与MIKE 11 HD的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型,实现了金华江流域洪水预报实时校正。流域洪水预报模型对流域内主要站点的模拟效果较好,洪水流量和洪水水位模拟精度较高;实时校正模型在预见期10 h以内,校正效果随预见期增加而降低,在预见期前期可有效降低预报误差。整体上,建立的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型能够满足金华江流域洪水预报应用要求。 相似文献
5.
6.
7.
基于误差自回归的洪水实时预报校正算法的研究 总被引:5,自引:0,他引:5
根据三水源新安江模型洪水预报误差信息,探讨了三种基于误差自回归模型的洪水实时预报校正算法,即固定遗忘因子的递推最小二乘算法,可变遗忘因子的递推最小二乘算法和辅助变量法,并将其应用于鲇鱼山水库的实时洪水预报。通过对三种实时校正方法进行分析比较,认为具有可变遗忘因子递推最小二乘算法效果最好。 相似文献
8.
组合预报方法在洪水预报模型中的应用 总被引:1,自引:0,他引:1
针对流域水文模型预报中的不确定性问题,采用简单平均、最优线性组合、最优非线性组合三类4种组合方法构建了新安江模型、垂向混合产流模型和Tank模型相结合而组成的组合预报模型,以日照水库和东张水库入库洪水的各种实测特征值作为评价各种组合预报模型计算结果精度的指标,进而优选出相对稳定且精度较高的2种组合预报方法。与新安江模型相比,该组合预报方法在降低水文预报不确定的同时,有效提高了洪水预报精度。 相似文献
9.
淮河王家坝至鲁台子的中游干流,河道平缓,复式断面特征明显,单纯以传统的水文模型进行洪水预报难度较大。为此,利用新安江模型进行上游及区间入流预报,采用MIKE11水动力学模型进行主要支流及干流洪水演算,从而建立了淮河中游河道洪水预报方案。选取1990~2012年间的场次洪水资料,采用SCE-UA优化算法分别对新安江模型参数和MIKE11的糙率系数进行率定与验证,并使用水文不确定性处理器(HUP)对预报结果进行不确定性分析。结果表明,模型预报结果具有较高精度,不确定程度较小,并可提供某一置信度的预报区间,为实时作业提供参考。 相似文献
10.
11.
为实现天山西部山区喀什河流域冰川融雪区域的水资源可持续开发利用,更好地支撑所在区域工农业生产发展,有必要开展融雪径流中长期水文预报研究。基于相关系数法、主成分分析法及两种方法相结合的综合方法优选预报因子,采用BP神经网络模型和组合小波BP神经网络模型预报径流。结果表明,采用综合方法筛选出的预报因子集合可以得到更好的预报结果;组合小波BP神经网络模型在3个不同方案中的预测效果均优于BP神经网络模型的预测结果,其预报精度更高。研究成果可为该区域融雪径流模拟研究及洪水预报提供参考。 相似文献
12.
风电场风速预测模型研究 总被引:3,自引:3,他引:0
介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。 相似文献
13.
14.
针对水质参数样本数据少且非线性的特点,建立了新陈代谢无偏GM(1,1)与BP神经网络的组合预测模型,将通过新陈代谢无偏GM(1, 1)模型得到的数据集作为BP神经网络的输入,原始序列作为神经网络的期望输出,训练得到最佳BP神经网络。将该组合模型应用于乐山岷江大桥断面溶解氧浓度的预测,结果表明,相对误差均在3%以下,与传统灰色神经网络水质预测模型相比,该模型具有实时性及预测精度更高的优点。 相似文献
15.
城市需水量预测的混沌神经网络模型 总被引:2,自引:1,他引:2
将人工神经网络原理引入城市需水量预测中,针对BP网络收敛速度慢、易陷入局部极小的缺陷,提出了基于混沌神经网络的城市需水量预测模型,该模型简便易行,收敛速度快、预测精度高,具有良好的应用前景。 相似文献
16.
基于模糊神经网络的电站燃煤锅炉结渣预测 总被引:7,自引:0,他引:7
综合运用模糊数学和神经网络知识构建了一个模糊神经网络模型,用以预测电站燃煤锅炉的结渣特性.通过引入反映煤灰特性的4个常用指标以及反映锅炉运行情况的两个指标,使所建模型综合考虑了煤灰特性和锅炉运行因素对结渣的影响.以实际电厂燃煤锅炉为样本,基于改进的BP(back-propagation)算法对网络模型进行了训练.为验证模型的准确性,对7台电站燃煤锅炉的结渣特性进行预测,并将该模型与只考虑煤灰特性指标的常规 BP网络模型进行比较.验证结果表明,模糊神经网络模型的预测结果与实际相符,效果优于常规BP网络模型. 相似文献
17.
18.
介绍基于小波分析建立的人工神经网络模型的方法原理,并给出构造模型的一般步骤及关键算法。针对一般BP算法收敛速度慢,易陷入局部极小值的缺陷,受Fletcher—Reeves线性搜索方法的启发.提出基于改进共轭梯度法的BP算法。利用此优化模型对日径流进行模拟与预测,实验表明,基于小波分析的人工神经网络模型在日径流模拟过程中具有很好的仿真能力.训练后的模型用于预测具有较高的精度。 相似文献
19.