基于气象因子的中长期水文预报方法研究

气象因子与径流序列在物理成因上有着比较密切的关系。基于此，对气象因子与径流的关联性进行空间上的变异分析。先对气象因子进行R型主成分分析．然后选择出影响径流量的主因子，计算因子得分．通过聚类分析进行径流量的定性预报。实践证明，此种方法有很好的可靠性，值得应用和推广。     

遗传门限回归模型在河道洪水预报中的应用

提出了基于遗传算法的一套操作简便、通用的ＴＲ建模方案,并成功地将ＴＲ模型用于相应流量法去预测洪水,实例计算的结果说明其可行性和有效性。     

基于自适应模糊推理系统模型的径流中长期预报

介绍了自适应模糊推理系统ANFIS的原理结构及学习算法。以漫湾和双牌两座水库实测月径流序列为研究对象，研究不同的输入及不同的模糊数对自适应模糊推理系统模型做中长期预报的影响，并通过与人工神经网络模型的预报结果进行比较，显示本模型是中长期水文预报方法中较为准确的方法之一。     

基于SpringBoot框架的中长期水文预报系统设计与开发

鉴于中长期水文预报能有效为宏观防洪形势分析和水资源管理提供科学依据,提出了Java环境下基于SpringBoot框架开发的中长期水文预报系统。该系统集成了包含随机森林、支持向量机、小波分析、贝叶斯模型平均等多种模型方法的Python模型库以提高开发效率;采用了基于RabbitMQ技术的异种语言调用与基于RESTful技术的轻量级接口设计以降低系统响应时间。并搭建了全国主要江河流域共10个断面的中长期水文预报系统作为示例进行分析,实现了中长期水文预报业务化运行,可为同类系统开发提供参考示范。     

可变模糊近似推理方法在径流中长期预报中的应用

将可变模糊集理论与相似关系近似推理法相结合,提出基于相似关系的可变模糊近似推理方法,可通过变换可变参数得到多种可能的预报数值结果,经综合分析确定最终数值结果,并给出该数值实际发生的概率、可能的变动范围等多方面信息.大伙房水库年径流预报的实例表明,该方法预报中长期径流可获得较全面的信息,有助于深入分析和利用预报值.     

福建省电网中长期水文预报系统设计与开发

利用Java技术平台,采用双机群集数据库系统(Orade 10g)成功设计并开发了基于Web的福建省电网中长期水文预报系统.将长期预报和中期预报分离,前者采用多种数理统计模型,以月或旬为预报时段提供未来1 a的径流预报及相关的频率预报;后者采用考虑城市气象预报的人工神经网络模型,以日为预报时段提供未来7 d的自动、滚动式径流预报.重点阐述了系统架构设计、业务逻辑设计、功能模块设计和程序开发过程中的关键技术问题.     

NNBR与SVM耦合模型在径流中长期预报中的应用

在充分考虑模型输入因子的基础上,利用最近邻抽样回归(NNBR)与支持向量机(SVM)模型各自的特点,建立了耦合预测模型,并对柘溪水库汛期径流进行预测.结果表明,与单独的SVM和NNBR模型相比,该耦合模型提高了预报精度,预报可行有效.     

结合均生函数的神经网络在中长期水文预报中的应用

针对中长期径流预报在水库中长期运行方案制定及调度决策形成中的作用,基于传统和智能预报方法各自的优势,利用均生函数模型记忆时间序列的内在规律,采用偏最小二乘方法对预报因子进行降维处理,建立了结合均生函数的神经网络预报模型,并利用神经网络模型修正预报结果。实例计算表明,该模型不仅可提取径流序列的特征,且预报精度也较单一的均生函数模型和神经网络模型有所提高。     

基于遗传程序设计的中长期径流预报模型研究与应用

应用遗传程序设计建立径流中长期预报模型,结合径流序列数据的特点通过自相关分析确定其滞时输入变量的个数,采用均方误差作为其适应度评价函数,以漫湾实测月径流序列(1953~2003年)和洪家渡实测月径流序列(1951~2004年)为例,通过与ARMA模型、人工神经网络模型的预报结果比较,显示该模型应用于径流中长期预报简单易行且精度较高。     

基于遗传算法的参数投影寻踪回归径流预报模型及应用

为提高径流预报精度,采用单相关系数法挑选预报因子,建立了基于遗传算法的参数投影寻踪回归径流预报模型,利用该模型对雅砻江二滩水电站月平均流量进行了预报。结果表明,与BP神经网络模型预报结果相比,投影寻踪回归模型具有更好的预报结果和更高的预报精度。     

模糊划分线性回归模型在电力负荷预测中的应用

针对电力负荷中长期预测中存在大量的不确定性因素及待预测的负荷变量与关联因素无法很好地满足整个样本序列上预测变量与解释变量间的线性相关性问题,引入了模糊划分理论,构建了基于模糊有序划分的线性回归预测模型。算例应用结果表明,该模型能在较少样本数据基础上实现对电力负荷较为准确的预测,且预测精度较高。     

可变模糊优选神经网络综合评价模型

针对多指标评价问题中区间形式评价标准的处理方式和指标权重的确定方法直接影响评价的科学性及合理性,首次将可变模糊集理论和模糊优选神经网络有机结合,提出了一种新的评价模型———基于可变模糊集理论和模糊优选神经网络的综合评价模型,并应用模型对黄河流域9个行政分区的水资源可再生能力进行了综合评价。评价结果表明,黄河流域水资源可再生能力总体上较弱;新的评价模型是科学、合理的。