基于最大Lyapunov指数的混沌预测在洪水实时预报中的应用

为提高洪水预报精度,从而提高水库防洪调度可信度,采用混沌预测模型,研究了复杂洪水动力特征和非线性特征并分析洪水实时预报问题。考虑到时间延迟与嵌入维数的相关性,利用C-C法计算相空间重构参数,判别了洪水混沌特性。为避免由嵌入维数m的选取引起的最大Lyapunov指数的明显波动,使用了改进的小数据量方法计算最大Lyapunov指数。构造了基于最大Lyapunov指数的混沌洪水实时预报模型,并将其应用到湖南五强溪水库的洪水预报,计算结果表明该模型具有较高的预报精度。     

月径流序列混沌特性识别及预测

以混沌理论和相空间重构原理为基础,分析计算大峪水文站1955-2006年月径流序列的最佳延迟时间和嵌入维数;运用最大Lyapunov指数λ10证实大峪月径流序列具有混沌特性,从而建立了基于混沌特性的BP神经网络预测模型。仿真及预测结果表明:该模型预测精度较高,可用于大峪月径流预测。     

基于混沌时间序列的大坝变形短期预测

将混沌时间序列预测理论应用到大坝变形预测中，根据非线性大坝变形时间序列，运用相空间重构理论，建立了加权一阶局域法、基于最大Lyapunov指数法大坝预测模型，对混沌的大坝变形数据短期预测模型进行了研究，对比分析了各自的特点，并结合实例完成了对大坝变形的预测。计算分析表明，该模型预测误差较小，与传统的自回归模型预测结果相比，基于混沌时间序列的预测方法在大坝变形的短期预测中具有更高的精度。     

参考作物腾发量的混沌性识别及预测

本文应用饱和关联维数法对海河流域张北站从1966~2005年50年的参考作物腾发量序列进行混沌性识别,结果表明该序列存在一定的混沌特性。同时,运用自相关函数法和饱和关联维数法确定了该序列重构相空间的嵌入维数和延迟时间,并在此基础上进行了相空间的重构。建立了混沌局域法预测模型对相空间的演化进行了计算,实现了参考作物腾发量的预测,并与时间序列自回归(AR)模型和基于气象资料的BP神经网络模型预测结果进行了比较。结果表明,预测效果比BP网络模型稍差,但明显优于AR模型。这为解决缺乏气象资料地区参考作物腾发量预测问题提供了新的思路。     

混沌序列GA-SVM模型在滑坡监测中的应用

滑坡位移系统的发展演化过程同时包含确定性和随机性,是一个复杂的非线性系统,而混沌理论将确定性分析和随机性分析结合起来,能有效体现滑坡位移系统的非线性特征。在对滑坡位移序列进行混沌分析的基础上,采用预测性能较好的支持向量机(SVM)模型对其位移值进行预测。同时针对SVM模型参数选取困难的缺点,用具有强大全局搜索能力的遗传算法(GA)对其参数进行优化,提出GA-SVM耦合预测模型。最后对实测滑坡位移数据进行分析,并与单独SVM模型和GA-BP模型进行比较,结果表明运用GA-SVM模型进行滑坡位移时间序列预测是可行的,且具有较高的精度。     

基于混沌遗传程序设计的参考作物腾发量预测模型

利用混沌算法的全局空间寻优性能和遗传程序设计的结构自动寻优功能，建立了基于混沌遗传程序设计的参考作物腾发量预测模型。设计多组数字实验，研究输入因子间相关性对模型预测准确性的影响。预测结果与PenmanMontieth方法计算结果比较表明，该模型以混沌算法优化模型中的参数，在一定程度上解析其他模型可能因为其中的参数未能达到最优而被淘汰的问题。适应性强，精度高，为参考作物腾发量的预测提供了新的有效方法。     

伊犁河谷伊宁县日降水量值的神经网络预测模型

伊犁河谷是新疆重要的农业区,为预防洪水灾害,对降水量进行预测十分必要。本文基于深度学习,对伊宁县构造了BP、RNN、LSTM、GRU 4种不同的神经网络模型,利用该地区2015—2021年的气象数据训练日降水量值预测模型,采用2022年1月1日—5月19日日降水量值对4种模型进行测试评估。结果表明,4种模型中LSTM神经网络模型对日降水量值的预测结果最好,该模型可以作为伊宁县日降水数值的预测模型,其预测的降水量值可作为当地预报洪水灾害的一个重要参考指标,为伊宁地区的防灾减灾提供科学依据。     

基于混沌优化GMDH网络的月降水量预测

为提高降水量预测的精确度,介绍了一种基于混沌优化的GMDH网络预测方法,该方法利用混沌优化算法全局搜索GMDH网络的初始权值,并利用优化后的GMDH网络建立预测模型对月降水量进行预测。结果表明:该方法能加快GMDH网络结构稳定的速度,使算法快速收敛到全局最优解,对月降水量的动态预报具有一定的实用价值。     

Volterra模型在月径流预测中的应用研究

水文过程的月均径流序列存在着较明显的低维混沌特性,利用Volterra模型可以较好的预测低维混沌序列。引入低维混沌动力系统相空间坐标重构的Volterra自适应预测模型,对多年月均径流序列采用二阶Volterra自适应滤波器进行预测。以大渡河石棉站33年的月径流量为例进行验证,预测相对误差<10%的天数为73.3%,相对误差<20%的天数为90.0%,与人工神经网络预测结果对比表明该方法具有较满意的准确率。     

MLR-Legendre多项式模型在混凝土坝裂缝开度预测中的应用

在混凝土坝裂缝开度预测中得到了广泛应用的统计回归模型仍存在不足。首先,对小容量样本的观测时间序列难以建立有效的统计回归模型;其次,预测模型未能考虑残差项,而残差项包含了裂缝发展演变的海量信息,为了准确预测裂缝开度还须在预测模型中纳入残差项。同时,统计回归模型的残差序列中存在混沌成分,残差项受到某种动力特性支配,故基于混沌理论对残差项进行推求,建立了统计与混沌混合预测模型。采用基于Legendre多项式的RLS(递推最小二乘法)自适应预测算法,提出了针对小容量样本观测数据时间序列的实时预测模型以及针对大容量样本观测数据时间序列的统计回归-Legendre多项式残差预测模型。最后,结合陈村重力拱坝在105 m高程的裂缝开度实测数据,对裂缝开度实时预测模型以及统计回归-Legendre多项式组合模型分别进行了检验,结果表明模型具有良好的预测精度,可为工程的安全运行管理工作提供一定的技术支持。     

数据挖掘技术在辽河水文预报中的研究

针对以数据仓库为基础预报的特点,结合我国的防洪减灾实际。建立面向预报主题的水文数据仓库的结构模型,并对其结构、功能、数据存储模型和实现技术进行研究,从而对海量水文信息进行管理与分析,建立包括数据层、组织层、挖掘层和决策层的水文数据仓库体系,各层承担着水文数据挖掘不同阶段的任务,从数据预处理、数据挖掘到知识表达。彤成了一个完整的系统体系。本文结合数据仓库中的聚类、分类、关联分析等方法特点,着重探讨了在水文预报中的应用。     

实时洪水预报系统应用实例分析

针对山区多支流汇入河段的洪水特点,利用实时洪水预报软件系统和实时水雨情数据库技术,建立了受多支流汇入影响明显河段的洪水过程预报模型。对建模原则和方法及注意事项进行了分析论述,该模型具备人机会话和实时校正的功能,提高了多支流汇入河段的洪水预报精度,对洪水预报系统在山区河流的应用作了尝试。     

洪水预报实时系统组态设计

为提高洪水预报软件的可靠性、稳定性及可维护性，从分析以新安江洪水预报模型为代表的概念性水文模型洪水预报系统的计算原理和参数特点出发，遵循组态设计的思路，设计了洪水预报实时系统所需参数及站网配置信息的存储方式和洪水预报系统软件。设计思路应用于柘溪水库调度自动化系统的洪水预报子系统中，并能将该软件配合相应流域的参数及站网配置信息推广到其他流域。     

基于集合预报的淮河流域洪水预报研究

建立基于集合预报的淮河具有行蓄洪区流域洪水预报及早期预警模型。在洪水预报中引入数值天气预报以延长洪水预报的预见期。集合预报采用多模式和多分析集合预报技术,考虑初始场的不确定性和模式的不确定性,避免“单一”确定性数值天气预报结果易存在的预报误区。THORPEX 项目支撑的THORPEXInteractiveGrand GlobalEnsemble（TIGGE ）集合预报目的是建立全球交互式预报系统。本文以淮河流域为试验流域,以TIGGE 集合预报（加拿大气象中心（简称CMC,集合成员数为15个）、 欧洲中期天气预报中心（简称ECMWF,集合成员数为51个）、 英国气象局（简称UKMO ,集合成员数为24个）、 美国国家环境预测中心（简称NCEP,集合成员数为15个））驱动构建的水文与水力学相结合的具有行蓄洪区流域洪水预报模型以达延长洪水预报的预见期,新安江模型用于降雨径流计算、一维水动力学模型用于河道洪水演算,实现洪水预报及早期预警。为了进行比较,同时采用地面雨量计观测降水驱动构建的洪水预报模型,对2007和2008年淮河汛期洪水进行检验。结果表明,基于TIGGE 集合预报驱动的洪水预报预见期延长了72~120h ,证明了TIGGE 集合预报可以应用于洪水预报及早期预警。     

新沭河—蔷薇河洪水调度模型研究

根据连云港地区河流分布及洪水特点，合理确定该地区的防洪调度原则，建立了考虑降雨汇流过程与潮汐顶托作用下的洪水演进模型，与实测资料比较证实了本模型的可靠性，可为该地区防洪调度提供依据。     

HBV水文预报模型及与之集成的水文模型系统介绍

为了洪水预报，瑞典国家水文气象局开发了HBV水文预报模型及与之相集成的软件系统。比较详细地介绍了模型的结构、功能及应用领域。HBV模型目前被瑞典及北欧国家广泛使用。     

基于贝叶斯理论的水文多模型预报

水文预报对于防洪、抗旱以及水资源调度等具有重要意义。水文预报通常依靠水文模型来完成,由于受到不同流域特点、产汇流机制等的限制,每个水文模型都具有各自的特点及适用区域。单一模型具有非常大的水文预报不确定性,为了解决单一模型局限性的问题,多模型水文预报常作为降低水文预报不确定性有效方法之一。选用三种常见的水文模型:时变增益水文模型、新安江模型和萨克拉门托模型,在珠江飞来峡流域进行分布式建模,采用相同的输入与初始场,三个模型独立进行模拟,然后对比三个模型的结果,并进行贝叶斯多模型加权平均和简单平均得到多模型平均结果,研究结果表明,贝叶斯模型处理后的结果要比单个模型模拟结果和简单平均处理后的结果准确率高。     

基于WebGIS的洪泽湖地区洪水预报预警系统

为了加强洪泽湖地区洪水风险管理,保障淮河下游防洪安全,采用WebGIS与水文学、水力学模型相结合,将一、二维耦合的水动力学模型内嵌于B/S系统进行洪水预报预警的方法。构建了一维洪泽湖地区河道、二维洪泽湖湖面及周边滞洪区相耦合的洪水演进模型,在此基础上开发了基于WebGIS的洪泽湖地区洪水预报预警系统,实现了对降雨、洪水进行实时监控、预报和对预警关注地点水位、流量变化、洪水淹没和超标洪水预警信息的可视化展示。系统进一步提升了洪泽湖地区的防洪数字化水平,可为避险减灾提供决策支持。     

石板水库洪水预报软件开发与应用

龙河汛期洪水频繁，枯期来水少，中游的石板水电厂以发电为主、防洪为辅，为了协调石板水电厂水库防洪与发电用水矛盾，需建立一套完整的洪水预报系统。文中介绍了石板水电厂水情预报模型，根据模型原理开发了洪水预报软件。实践证明，开发出的洪水预报软件实用性强。对模型中的参数进行修改后，可用于不同河流的洪水预报。