门限人工神经网络模型及其在洪水预报中的应用

结合门限自回归模型与人工神经网络模型的建模思想，首次提出这两种方法的耦合模型，即门限人工神经网络模型，新模型的实质是一种分段非线性化的处理方法，是对现有门限模型分段线性化的很好改进。实例计算结果说明，新模型在洪水的预报中是有效的，在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。     

人工神经网络与遗传算法在河道洪水预报中的应用

在总结大量洪水智能预报实践经验的基础上，主要作了两方面的工作：（1）提出了一种能够进行峰值识别的改进BP算法（Error Back Propagation with Peak Recognizer，简称BPPR），该算法在个性网络权重时偏重大值，即大值误差对权重的个性起主要作用。从而提高模型对洪峰峰值的预报精度。（2）采用遗传算法优化网络的初始权重，以解决BP网络训练容易落入局部极小点的问题。     

人工神经网络峰值识别理论及其在洪水预报中的应用

本文在总结大量洪水预报实践经验的基础上，提出了一种峰值识别理论及相应的改进BP算法(Error Back Propagation with Peak Recognizer,简称BPPR).该理论及算法在修改网络权重时，偏重大值误差，即大值误差对权重的修改起主要作用.这种BPPR算法使人工神经网络洪水预报模型对洪峰的预报精度显著提高，从而保证了洪峰预报的可靠性.     

人工神经网络与遗传算法在多泥沙洪水预报中的应用

由于水沙作用机制和演进规律的复杂性，以及河道形态变化等因素，多泥沙洪水预报一直是洪水预报的难点，对高含沙洪水快速、准确的预报是多年来国内外专家十分关注的课题。作者采用具有高度非线性识别能力的人工神经网络与遗传算法相结合的方法，探讨了建立智能预报模型的基本方法，进一步对如何提高预报精度的问题进行了研究，并结合黄河洪水预报实例检验了神经网络模型的可行性。检验结果表明，该方法能够较好地识别多泥沙洪水的演进规律，对水位、流量和含沙量都能进行合理预报。     

基于洪水地区组成的门限-人工神经网络洪水预报模型

以寸滩站洪水预报为实例,将门限(Threshold)思想引入传统人工神经网络(ANN)洪水预报模型,建立了寸滩站洪水预报的门限-人工神经网络流量预报模型(T-ANN);同时,将洪水地区组成因素引入到模型中,实现对不同类型洪水的自动识别.检验表明,该模型洪水预报精度高,且各来水类型均能获得较好预报效果.     

人工智能在洪水预报中的应用

洪水预报对防洪减灾,拦洪储存水资源等具有重要意义。对用遗传算法（GA）来改进神经网络的算法进行了分析,建立了用GA动态寻求权重的前馈网络模型（Ⅰ）和用GA优化初始权重的前馈网络模型（简称模型Ⅱ）。借助于Matlab中的神经网络包和遗传算法包,编制了改进模型的计算机程序,对湖北省黄龙滩水库14场洪峰和洪水总量进行了模拟,用另外5场洪水检验了改进的模型,并与传统的前馈神经网络模型进行了比较。结果表明：用模型Ⅰ对洪峰流量的检验效果明显优于模型Ⅱ和传统的前馈神经网络模型;模型Ⅱ对中低流量及洪水总量的检验效果相对较好。因此,本次改进的模型可以用于洪水预报：     

新安江模型在洪水预报中的应用

本文通过在计算机上利用新安江模型进行洪水预报作业，具体介绍该模型建模的过程。     

改进的BP神经网络在洪水过程预报中的应用

介绍了基于遗传算法的人工神经网络的建立模式,并通过对长江宜昌水文站1975~1981年的洪水流量进行预测,验证了改进的人工神经网络的确是一种简单适用的降雨预报方法。     

丹江口库周区人工神经网络洪水预报模型研究

丹江口水库库周区洪水入库方式多样,入库过程难以观测,采用传统模型对库周区洪水进行预报的精度较低.运用人工神经网络模型的基本原理,针对库周区洪水汇流历时短,所需预见期较短,对预报精度要求较高的特点,建立了可以灵活调整预见期的基于人工神经网络的库周区洪水预报模型.模型采用权重自适应算法,不需要单独的误差校正模型,结构较为简洁.选取1996～1999年汛期资料作为率定期资料,以2000～2001年的资料作为检验期资料,获得了较高的模拟和预报精度.当预见期为1个时段时,模型率定期和检验期的确定性系数分别为97.3%、94.9%,水量平衡系数分别为0.997、0.996,总的洪峰合格率达到95.83%.     

洪水预报系统在左江洪水预报中的应用研究

分析了左江流域的水文气象条件和崇左水文站的洪水特征及成因。介绍了利用＂洪水预报系统＂的应用平台建立左江崇左水文站产汇流预报模型,并进行模型参数率定,该方案在精度评定及实际应用中取得较满意的效果,可用于发布过程及洪峰预报,为崇左市及下游的防汛抢险提供决策依据。     

水箱模型在三峡入库洪水预报模型研制中的应用

介绍了应用水箱模型建立三峡入库洪水实时连续预报模型的方法。按照河段流量传播时间将入库站(寸滩)以上干、支流划分为若干子河段,各子河段按照计算时段长分成若干单元河段,各单元河段区间降雨径流预报采用水箱模型,河道流量演算采用连续马斯京根法。对河系洪水预报模型的检验表明,预报精度在85%以上,能够满足实时洪水预报的要求。     

宜昌站洪水过程BP网络预测模型研究

以长江上游宜昌站洪水过程为研究对象,建立了考虑区间降雨的河道洪水预报BP神经网络模型.模型以干流寸滩站、乌江武隆站的洪水过程以及寸滩-宜昌区间的长寿、忠县、万县、巫山、巴东和兴山6个雨量站的降雨过程为输入变量,计算过程中对输入变量的读取采用"滚动式"方法.模型选取1975～1981年的汛期流量作为训练样本,以1982～1986年的洪水预报作为模型预测样本.预报结果表明,该模型能较好地反映区间降雨对宜昌站洪水过程的影响,并且在预见期为2 d的情况下保证较高的预报精度.     

基于多证据融合模型的洪水预测研究

针对单一模型解决洪水预测问题存在的算法复杂度高、分类准确率低等问题,提出了BP神经网络联合与Ds证据推理相融合的模型,不仅实现了多个领域不同层次的全部主,客观证据的特征级融合,还实现了多个模型的优势互补。通过实验对该方法和传统的单一神经网络方法比较得出,主／客观证据融合方法不仅提高了4．4％的分类精度,还降低了算法的时间和复杂度。     

HEC模型在洪水预报中的运用

HEC模型将水文模型同地理信息系统结合,同以往的水文模型相比,HEC模型更加直观和简洁。该模型以ARCVIEW为操作平台,通过对数字高程模型(DEM)的处理,完成对流域特征数据的提取,生成水系和流域边界。在参数率定中采用了最优化方法的理论,通过不同的目标函数,找到流域参数最优值。通过在漳卫南流域的应用,表明该模型使用方便,结果精度高。     

多源洪水耦合模型在防洪保护区洪水分析中的应用

针对防洪保护区单一洪水风险分析的不足,以一、二维非恒定流基本控制方程为理论基础,采用有限体积法对网格进行离散求解,建立溃堤洪水和暴雨多源洪水耦合的数学模型。在一、二维模型的链接处选用堰流公式实现河槽与保护区水流的实时交互,借助干湿水深理论对模型进行优化,利用遥感影像解译处理保护区内复杂地形条件下糙率对洪水演进的影响,概化处理区域内道路和过水涵洞对洪水的阻水或导水作用,并利用历史实测洪水资料进行模型验证。将验证后的模型应用于淮河干流凤台段防洪保护区多源洪水运动耦合模拟,分析了单一洪水与多源洪水对防洪保护区的损失比较结果,说明该区域受暴雨内涝影响较为严重。     

基于水库调洪演算模型的朱芦沉陷区蓄滞洪预测模型初探

利用地理信息遥感技术,模拟1987-2013年间朱芦沉陷区的蓄滞空间历史演变过程。基于水库调洪演算模型,尝试建立采煤沉陷区蓄滞洪预测模型,通过预测模型模拟沉陷区在未来不同沉陷情景下对不同频率洪水过程的调蓄效果,并将蓄洪削峰量程序化展现。结果显示:朱芦采煤沉陷区在2015、2020、2030三种沉陷情景下对5、10、20、50年一遇的洪水洪峰的削减量从0.7%到41.4%不等。结果可为科学制定采煤沉陷区调洪蓄洪政策方案以及水资源的综合利用及管理提供一定参考。     

HEC-RAS模型在洪水模拟中的应用

介绍了HEC—RAS模型的组成和功能，探讨了其运行方式，并以黑河为例，模拟该河流金盆水库坝址至入渭河口的河道洪水（P=1％）水面线。初步模拟结果表明：HEC-RAS模型应用简便，适用性较好。     

洪水预报模型在清河水库预报中的应用

将新安江模型、垂向混合产流模型和萨克拉门托模型,根据清河水库的流域特征加以应用,建立其洪水预报模型,并根据3个模型的不同点,对其产流进行计算。分析了模型模拟结果中出现的问题,相应的提出改进意见。根据结果表明,混合产流模型较新安江模型和萨克拉门托模型,在北方冻土地区的应用中稍具一定的适应性、成熟性和有效性。     

西辽河实时洪水统计预报模型

应用相应流量法建立西辽河主要断面的洪峰预报方案，并采用线性动态系统模型理论方法建立洪水过程的实时预报方程，形成了完整的河系预报系统模型．在洪峰预报方案中，考虑引入不同预报因子以反映不同的洪水特性；在洪水过程预报方程中，联合采用AIC准则和逐步回归算法确定模型结构，结合衰减记忆最小二乘递推算法的实时校正技术进行洪水过程预报．应用结果表明，开发的预报模型适用于西辽河的实时洪水预报问题，可供防洪决策参考。