均生函数逐步回归模型在水文长期预报中的应用

利用嫩江江桥站自1953年以来流量年极大值系列资料,采用均生函数逐步回归建立水文长期预测模型,并采用模型进行试报和检验。结果分析表明,均生函数逐步回归预测模型具有较好的历史拟合及预测效果,其结果具有一定的可信度。     

水文时间序列分析方法在水文长期预报中的应用

介绍了水文时间序列分析技术,并以祖厉河靖远站年平均流量序列为实例,建立了长期预报模型,经预留年份实测资料验证,所建模型合理,预报精度较高,结果可靠,满足长期预报的需要。     

灰色灾变预测在长期水文预报中的应用

根据灰色系统理论,应用GM(1,1)模型建立鄱阳湖汛期洪涝、干旱年灰色灾变基本预测方程,并对残差的GM(1,1)模型进行修正,给出灰色预测区间,试作洪涝、干旱异常年变化的长期预测。     

长期水文统计预报方法在长江大通站径流预报中的应用

目前以气象要素作为预报因子对水文变量(如径流量)做出预报是常用的一种长期预报方法。介绍了以北半球500hPa高度(H500)、100hPa高度(H100)和西太平洋海温(SST)三个气象场要素作为预报因子，采用逐步回归分析方法，对长江大通站的月径流量、7—10月份的径流总量做预见期为一年的预报。结果表明，建立的统计预报方案满足精度要求，可供实际预报工作参考。     

均生函数、马尔可夫链法在中长期洪水预报中的应用

中长期洪水预报,影响因素多,目前科技手段难以在很长预见期内实现准确预知。通过对均生函数、马尔可夫链法综合应用,对比分析,可以确认是值得推广应用的新方法。     

计算机技术在水文预报中的应用

根据洮儿河镇西站的短期洪水预报方案，利用Excel的图表处理功能建立数学模型，然后利用Vidual Basic编辑器进行编程实现联机预报。     

BP神经网络在水文预报中的应用和展望

简要介绍BP神经网络的发展和特点,从暴雨预报,水位预测,径流分析,水资源配置与管理四个方面综合评述BP神经网络在我国水文预报作业中的应用,并就BP神经网络今后在我国的水文预报作业中的应用进行了研究展望。     

混合门限自回归模型在长期水文预报中的应用

在长期水文预报中主要应用两类方法,它们是多元分析法和时间序列分析法,这两种方法各有其局限性;应用混合门限自回归模型模拟水文时间序列可以考虑诸多因素,能避免以上两方法的局限性,并在实践中得到检验.     

神经网络技术在水文系列中长期预报中的应用

运用人工神经网络技术的基本原理，以降雨量作为基本影响因子，建立了流域年径流量的神经网络预报模型。在建模过程中，为保证计算快速收敛，重新定义了权重增量的计算公式。从两个流域的应用实例资料验证表明，模型基本合理、可靠，具有较好的适应性和预报精度。由模型计算结果可以看出，将人工神经网络技术应用于流域年径流量的预报研究，是以系统的观点将降雨与径流作为输入和输出联系起来，它可为流域径流的中长期变化预测提供一条崭新而有效的途径。     

人工神经网络在水文预报应用中的探讨

人工神经网络(ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ),简称神经网络(ＡＮＮ),是人脑的部分机能在计算机中的重现。人脑中有一百多亿个细胞(神经元),细胞之间通过“突触”联接形成生物神经网络。人的感官受外部刺激将信息传入大脑,大脑中相应部分神经元被“激励”,以非常复杂的方式相互作用,并将信息处理,做出判断。虽然人们看不到神经元的相互作用,但其结果都以智能形式表现了出来。由此,人们提出了由“节点”(神经元)互相连接而形成的复杂网络系统,模拟人脑功能的特性。虽然每个神经元的结构和功能十分简单,但由大量神经元构成…     

神经网络模型在中长期水文预报中的实用性探究

人工神经网络因其特有的自组织、自学习和高容错性等功能在解决复杂的非线性问题中得到广泛应用，近年来在水文预测中的应用也越来越多。本文以塔里木河流域叶尔羌河年径流量系列为例，使用人工神经网络与周期叠加分析对叶尔羌河年径流量进行预报，通过对比分析，探究神经网络模型在中长期水文预报中的实用性问题。     

长期水文预报自组织建模方法及应用

自组织法又称数据组合处理方法，是本世纪七十年代发展起来的一种启发式自组织建立模型的方法，它能充分地，合理地利用数据，自动进行变量组合，筛选以及判断，从而得到描述复杂的非线性系统的合适模型，文中将自组织法引入长期水文预报系统建模并作了改进。经实例验证，用该法建立模型预报结果令人满意。     

基于松花江流域长期水文预报方法

流域长期水文预报方法,目前以物理因子和前兆强信号为基础的物理概念方法开始成为主要的预报方法,经验统计和数理统计仍在发挥重要作用,动力气候模式已经成为重要的预报手段。分析了影响长期预报的主要因素,提出了长期预报发展的一些思路。     

基于松花江流域长期水文预报方法

流域长期水文预报方法,目前以物理因子和前兆强信号为基础的物理概念方法开始成为主要的预报方法,经验统计和数理统计仍在发挥重要作用,动力气候模式已经成为重要的预报手段.分析了影响长期预报的主要因素,提出了长期预报发展的一些思路.     

时间序列均生函数模型在降水量预测中的应用

近年来,全球化气候变暖,对降水的变化具有一定的影响。降水量的变化对人类活动及农业生产具有重要的作用,对其进行分析研究及预测,有利于对灾害的防御与控制。但由于降水的变化受到诸多因素的影响,准确的预测降水量具有一定的难度,本文利用均生函数方法,建立均生函数模型,对降水量进行分析与预测,结果表明,时间序列均生函数模型对降水量进行预测,其模型精度高,其预测结果可作为提出防灾减灾措施的依据,具有一定的现实意义。     

1995和1996年长江流域水文特征预报及检验

多年来长江流域长期水文城长江防汛工作中起了一定作用。对１９９５年和１９９６年长期水文预报的制作，应用的天文，海气物理因子以及采用的手段作了简要的描述，并对预报结果进行了检验。     

人工神经网络在径流长期预报中的应用

介绍了人工神经网络（Artificial Neural Network-ANN）模型,并阐述了BP模型算法。通过Matlab6．5中的Neural Network Toolbox编写程序,根据塔里木河源流叶尔羌河卡群控制水文站历年的气象资料和水文资料,对径流量进行了预报,并对模型进行了验证和分析,结果表明：1968～1997年间预报合格的有25年,合格率为83％;1998～2002年的合格率为100％,从而说明神经网络在水文预报方面具有良好的适用性。