基于AR-RNN的多变量水位预测模型研究

影响河流水位的因素众多,鉴于传统的单变量水文预测模型无法充分考虑众多因素,提出了一种基于AR-RNN的多变量水位预测模型。模型包含循环神经网络(RNN)与自回归模型(AR)两个部分。RNN部分为模型引入了大量的非线性层,帮助模型拟合水文序列中的非线性成分。但是大量的非线性层降低了模型对于线性成分的敏感性,AR部分可以提高模型对于线性成分的敏感性,使得模型在水位峰值处的预测更加准确。将AR-RNN模型应用于四川省清溪河流域的水位预测中,结果表明:相对于ARIMA模型、SVR模型和BP神经网络,AR-RNN模型的预测精度更高。     

牛顿法在水位流量关系分析中的应用

在水文分析计算中，经常遇到的变量之间的非线性拟合问题，在非线性拟合中，常采用变量转换使变量之间的关系线性化，然后再按线性模型进行分析计算，这种方法不足之处在于并非无偏估计，采用牛顿优化法逐次修正其线必化的参数，可使之接近无接偏估计，嘉陵江北碚水文站采用此种方法分析计算水位流量关系，对非线性回归模型参数逐次优化，使其接近无偏，提高了拟合精度，使计算成果尽可能在室了最佳。     

用方程y=c+ax~b进行试验数据回归

在数据处理工作中经常遇到大量的非线性回归问题，传统的回归方法经常遇到选择回归模型的问题。本文通过对可线性化的非线性方程y＝c＋ax~b在参数的不同取值下，做曲线型式的分析，发现其能够模拟回归分析中遇到的大多数线型。此外，文中通过对该方程中参数c的自动搜索、迭代，结合化非线性为线性的回归分析方法，提出了一种适应性较强、回归效果较好的回归模型及其计算方法。     

用方程y=c＋αx^b进行试验数据回归

在数据处理工作中经常遇到大量的非线性回归问题，传统的回归方法经常遇到选择回归模型的问题。本文通过对可线性化的非线性方程y=c αx^b在参教的不同取值下，做曲线型式的分析，发现其能够模拟回归分析中遇到的大多数线型。此外，文中通过对该方程中参数c的自动搜索、迭代，结合化非线性为线性的回归分析方法，提出了一种适应性较强、回归效果较好的回归模型及其计算方法。     

江河水沙变化趋势分析方法与比较

为了有效地分析江河水沙变化趋势,在总结现有研究方法的基础上,以长江大通站和宜昌站的水沙变化为例,就江河水沙态势变化图示分析方法和统计分析方法进行了深入细致地分析与对比。在进行水沙序列的趋势性分析时,可采用一种图示分析方法和一种统计量分析方法相结合的手段;对于图示分析法中的过程线法、滑动平均线法和累积曲线法,前两种方法主要反映水沙态势变化过程,而累积曲线法主要用于分析水沙长期变化趋势;对于统计分析法中的Mann-Kendall法、线性趋势回归检验、Spearman秩次相关检验和累加滤波器法,Mann-Kendall法在水沙态势变化分析过程中简单有效,使用较为普遍。     

堆石坝非线性有限元方程解法

有限元法可用于分析由材料特性引起的材料非线性以及由结构的大变形引起的几何非线性问题。在土工结构中,研究问题时主要是考虑材料非线性求解非线性方程组一般采用线性化的方法,即把非线性问题化为线性问题,然后设法使这一系列线性解收敛且逼近非线性解。在非线性有限元法研究的发展过程中出现过多种求解方法,大致可分为两种:迭代法和增量法[1-2],它们都有自己的适用范围。     

机器学习技术在曹娥江流域洪水预报中的应用

以逐步线性回归、正则化技术、L曲线方法等机器学习技术为理论基础,提出基于机器学习方法的水位预报模型,在此基础上建立曹娥江中下游流域的水位预报方案。水位预报模型使用逐步回归方法以使用最少的预测变量数来实现最大化预测的能力,引入正则化方法及L曲线方法在应对复共线性问题的同时引入先验信息。研究实现多模型方案的对比,分析历年场次洪水特征和重点水利工程对洪水预报精度的影响,提出基于机器学习方法的水位预报模型,在台风“烟花”中进行试运行,结果表明技术可行,方案模型准确。并应用于曹娥江中下游流域,预报结果精准。     

多模型在引水隧洞初始应力场反演计算中的应用对比研究

结合现场观测试验值,对比四种不同模型在辽宁某引水隧洞初始应力场反演计算中的精度。分析结果表明:多元线性、非线性以及基于线性回归的PSO-BP神经网络模型均可对隧洞工程应力分布规律进行较为准确的模拟,其中多元非线性回归模型模拟效果最佳,但在主应力变幅较小的情况下,基于线性回归的PSO-BP神经网络模型在应力方向以及量值模拟精度均好于其他模型。     

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。     

基于压缩曲线特性的超固结土水平应力分析方法

在传统的KSB原位水平应力试验线性分析方法中,通常由于e-lg p压缩曲线局部线性假设与实际情况的差异,导致超固结土分析结果与实际值相差较大。针对上述难题,以哈尔滨市某超固结粉质黏土地层原位水平应力试验结果为基础,通过水平向压缩试验模拟KSB贯入过程中土体的侧向力学响应,建立了基于压缩曲线特性的KSB非线性分析方法,从试验机理角度分析了该方法的适宜性,并提出了其应用的判定条件。研究结果表明：传统线性法在超固结土分析中存在数据线性规律不强、预测值偏高等适用性问题,该场地线性分析法数据优良率仅为33%,而非线性法的数据优良率则高达75%,不同深度处线性法所得水平应力均高于非线性法结果,约为后者的1.2~2.2倍;传统线性法对于超固结土的适用性问题本质上是由e-lg p曲线非线性所致,提出接触压力参数λ与非线性参数η对此进行定量表征,发现线性法误差Δp₀随着λ的增大先增大后减小,同时随η的增大而增大。在工程实践中,非线性法更适用于超固结土、结构性土等压缩曲线非线性显著的土体,当λ>1时,传统线性法简便易行且精度较高,建议使用,否则建议采用基于压缩曲线特性的非线性法分析。     

利用加权回归方程外延水文变量

以加权残差平方和为目标函数,根据最小二乘法原理给出了估计(等权)一元线性回归模型中两个参数的新的估值公式,建立了加权回归方程,并证明了这种新估值公式的无偏性。用Monte-Carlo(蒙特卡罗)方法找出了“最优权重”值,并进行了实际对比计算,说明用来外延水文变量的优越性。     

多变量线性回归方程式的简化计算

水文计算工作中,常常遇到多变量线性回归方程式的计算问题。比如,以某参数表示的上下游站径流量的三变量;在综合单位线某些要素与地形参数之间的多变量相关等,都需要通过多变量线性回归方程式的计算来确定变量之间的关系。然而,在变量比较多的情况下,感到直接应用最小二乘法求出的多元线性方程组,以解线性方程的方法,比较麻烦。因此,本文建议利用数理统计学的一般性定义,结合用以表示方程式的“根”的形式,用统计参     

基于MLR-WNN的大坝变形预测

针对大坝变形预测中非平稳非线性的数据处理问题,为克服多元线性回归模型(MLR)在处理非线性数据方面的不足,将小波神经网络模型(WNN)引入到多元线性回归模型里面,提出一种基于多元线性回归和小波神经网络的大坝变形预测模型(MLR-WNN)。首先,针对温度、水位、时效因子和大坝变形实测值,建立多元线性回归模型,再对其产生的误差建立小波神经网络模型进行修正,最后得到大坝变形预测值。经算例验证并与多元回归模型和WNN模型对比分析,结果表明,该算法预测精度较高,在大坝变形波动剧烈的时段也能保证较好的预测效果。     

应用于负荷预测中的回归分析的特殊问题

与常规的回归分析中采用线性参数估计的方法不同，直接采用非线性参数估计计算，从而得到更精确的预测 模型。为了体现预测中的“近大远小”原则，对历史数据作加权处理，使不同时段的数据在以残差平方和表 达的目标函数中产生不同的影响，由此使预测结果的变化趋势在很大程度上取决于历史时段中近期的发展规 律。最后将上述技巧放在同一框架下统一考虑，给出了一般性的非线性加权回归预测的方法和步骤。     

用多项式逼近法在PC—1500机上实现土坝沉陷观测分析

笔者在沉降量对时间、测压管水位对库水位等观察资料回归分析计算中发现,具有一定次数的“最小二乘法多项式”作为大坝观察数据的回归方程,其预报精度都优于常采用的几种回归曲线,同时在同等项数情况下,也优于正交多项式方法。本文将“最小二乘法多项式”回归方法作一介绍,并介绍两个应用实例。     

非线性球形渗流模型及井底压力动态特征研究

对储层较厚的油藏,油井通常采用部分射开的完井方式,当射开厚度较小时,就会出现球形渗流模式.针对这一情况,基于物质平衡原理,建立了考虑二次压力梯度影响的非线性球形渗流物理数学模型.利用变量代换,将渗流模型线性化,求取了不同外边界条件下拉普拉斯空间的解析解,再利用数值反演求取了实空间的解,并编程绘制了井底压力动态特征曲线.根据曲线形态,分析了井底压力动态响应特征,新的非线性渗流特征曲线与常规线性渗流曲线明显不同,非线性渗流模型的压力和压力导数曲线偏离线性渗流模型的曲线,并进行了理论误差分析,结果表明在一定条件下非线性的影响十分强烈,因此,应加强非线性渗流理论的研究.     

基于数据挖掘的黄土湿陷性综合评价

运用数据挖掘技术中较成熟的因子分析、相关分析和神经网络-BP模型三种方法来对黄土湿陷性进行预测和评价,因子分析是数据挖掘中评价各变量相关性的一种方法,用因子分析对黄土湿陷性作出评价,可以得出湿陷系数与各影响因素之间的相关系数,用以判断各影响因素对黄土湿陷性影响的大小。相关分析是用来处理两个及两个以上变量间线性依存关系的统计方法,采用相关分析中的一元线性、多元线性和多元非线性方法来对黄土湿陷性的影响因素进行分析,可以得出各影响因素与黄土湿陷系数的相关方程,确立湿陷系数与影响因素之间的具体关系。采用神经网络-BP方法来模拟黄土的湿陷性,通过网络的训练和检验构建适当的网络结构,来计算黄土的湿陷系数,且预测值与真实值误差较小,完全可以用来预测黄土的湿陷性。     

线性信赖域算法在给水管网优化设计中的应用

提出了将给水管网优化设计分解成管径优化和流量优化的方法.对于管径优化,以不同管径管长为优化变量,建立某一流量分配下的线性规划模型.利用管道造价公式和水力计算公式,建立以流量分配为优化变量的非线性规划模型.在计算过程中,采用单纯型法求解线性规划模型,用带有约束的信赖域法求解非线性规划模型,两种算法交替计算.算例表明这一方法是可行的,能得到管网的优化设计方案.     

月径流预报建模方法对比分析——以嘉陵江北碚站为例

为提高径流预报的精度,以嘉陵江流域北碚水文站为例,选取1979～2019年径流资料,对比分析月径流预报多种建模方法的预报性能。选择时间序列法作为单变量预报模型的方法,随机森林、BP神经网络和多元线性回归作为多变量预报模型的方法,并应用时变权重进行组合预报,对比单变量与多变量、单一与组合模型预报结果。结果表明：(1)多变量预报模型预报效果更优,与时间序列模型相比,其平均绝对百分比误差减少约20%;(2)随机森林与BP神经网络这两种机器学习方法在单一模型中具有更好的预测能力;(3)时变权重组合预报方法能有效结合单一模型的优点,进一步提高预报精度。研究成果可为中长期径流预报的建模策略制定提供参考。     

基于逆系统方法的HVDC系统一般非线性控制

对于高压直流输电系统中整流器定直流电流、逆变器定关断越前角的控制问题，采用系统的三阶非仿射非线性控制模型，根据多变量控制的逆系统方法，设计了基于非线性反馈线性化和线性二次型最优的组合控制器，并给出了闭环系统稳定的充要条件。仿真结果证明了结论的正确性和文中所提方法的有效性。