组合预报方法在洪水预报模型中的应用

针对流域水文模型预报中的不确定性问题,采用简单平均、最优线性组合、最优非线性组合三类4种组合方法构建了新安江模型、垂向混合产流模型和Tank模型相结合而组成的组合预报模型,以日照水库和东张水库入库洪水的各种实测特征值作为评价各种组合预报模型计算结果精度的指标,进而优选出相对稳定且精度较高的2种组合预报方法。与新安江模型相比,该组合预报方法在降低水文预报不确定的同时,有效提高了洪水预报精度。     

基于GA-AHP法的径流组合预报

为进一步提高径流预报精度、增加预报结果的可靠性,提出了一种将遗传算法(GA)与层次分析法(AHP)相结合的优化组合预报权值方法(GA-AHP法),就是将小波分析法(WA)分别与自回归(AR)模型、人工神经网络(ANN)模型、支持向量机(SVM)模型进行耦合,选取MARE、SPR、REL、CPX四个评价指标量化单一模型的预报精度、泛化能力、结果可靠性、模型复杂度,依据GA-AHP法率定各模型的权值并进行组合预报。实例应用结果表明,该组合方法的预报精度更高,预报结果更可靠,对非一致性径流序列具有更强的适应性。     

基于支持向量机的水电站中长期径流组合预报

中长期径流预报是充分利用水资源、实现水电站优化运行的重要环节。以金沙江中游龙盘电站为研究对象,分别采用自回归滑动平均模型、最近邻抽样回归模型、BP神经网络建立了该水电站月径流预报模型,在分析三种模型预报结果具有一定互补性的基础上进一步建立了支持向量机分月组合预报模型。统计结果表明,与单一预报模型相比,该组合预报模型具有更高的精度和稳定性,为寻求水电站径流预报规律和制定中长期调度计划提供了技术支持。     

基于贝叶斯模型平均法的洪水集合概率预报

为提高洪水预报模型的精度和可靠性,基于贝叶斯模型平均方法(BMA),结合水动力学模型和统计相关模型,对秦淮河流域东山站水位进行多模型集合预报并进行模型率定与验证。结果表明,BMA的预报确定性系数CCE均高于水动力学模型和统计相关模型,且均方差RRSME最小;BMA法降低了单一水文预报结果的不确定性,保证洪水预报具备较高的精度,并提供了洪水水位的置信区间,为防洪规划提供了依据。     

大气水文耦合模式在洪水预报中的应用研究

在简介数值天气预报模式和水文模型发展历程的基础上,综述了数值预报与水文模型的耦合模式在洪水预报中的研究进展,指出了耦合的关键技术和应用中存在的不足,并探讨了将大气水文耦合模式应用于洪水预报时应着重提高降水预报的精度、进一步完善降水预报的评定方法及增加预报的不确定性分析.     

HEC-HMS模型和TOPMODEL模型在东庄流域山洪预报的应用研究

水文模型是山洪预报的理论依据,不同模型间的结构、适用性、精度均不同。为探究HEC-HMS模型和TOPMODEL模型的特性及其模拟效果的差异,选取东庄流域10场代表性洪水,以峰现时间误差、径流深误差、时间误差和确定性系数为检验指标,进行场次洪水模拟。结果表明,两模型的预报方案在东庄流域模拟中各评定指标均达标,率定期均为甲等精度,验证期均为丙等精度。HEC-HMS模型和TOPMODEL模型对蒸散发的差异性参考,使得在半干旱区HEC-HMS模型的适用性更好。研究成果对于HEC-HMS模型和TOPMODEL模型在该区域的应用及防灾减灾有重要意义。     

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。     

基于小波-ANFIS的水库月径流预报模型

根据径流变化特性,提出一种基于小波-ANFIS的水库月径流组合预报模型.利用Mallat算法对月径流序列进行多尺度分解,得到对应尺度下的低频信号和高频信号,分别对这两种信号建立了ANFIS模型进行预报,将各模型预报结果叠加作为原径流的预报值.该模型用于淮河支流沙河上游年月径流变化幅度较大的昭平台水库月径流预报中,结果表明所建模型能够较好地预报原始信号的趋势,预报精度比单一ANFIS 预报模型有较大改善,但仍有待提高.对导致这一现象的主要原因进行了分析,并对模型的改进提出了合理化建议.     

基于马尔科夫链修正的RBFNN模型在碾压混凝土重力坝变形预报中的应用

针对径向基神经网络(RBFNN)预报模型的不足,提出了一种基于马尔科夫链修正的RBFNN预报模型,以RBFNN模型的预测结果为基准,利用马尔科夫链进行误差修正,进而显著提高模型的预报精度。以某碾压混凝土重力坝的变形监测为例,建立大坝变形预报模型,并将其结果与单一的RBFNN模型的预报结果做了对比,结果表明,基于马尔科夫链修正的RBFNN预报模型精度更高,结果更符合实际。     

基于多方法优选预报因子的天山西部山区融雪径流中长期水文预报

为实现天山西部山区喀什河流域冰川融雪区域的水资源可持续开发利用,更好地支撑所在区域工农业生产发展,有必要开展融雪径流中长期水文预报研究。基于相关系数法、主成分分析法及两种方法相结合的综合方法优选预报因子,采用BP神经网络模型和组合小波BP神经网络模型预报径流。结果表明,采用综合方法筛选出的预报因子集合可以得到更好的预报结果;组合小波BP神经网络模型在3个不同方案中的预测效果均优于BP神经网络模型的预测结果,其预报精度更高。研究成果可为该区域融雪径流模拟研究及洪水预报提供参考。     

提前三小时风电机组出力组合预报研究

基于持续法和神经网络法对提前3h的风电场风速和风电机组出力进行了组合预报研究,提出误差衡量指标的选取将影响组合预报的结果;由于功率曲线的形状,风速组合预报误差最小时各种方法的权系数与功率组合预报误差最小时各种方法的权系数并不相同。计算结果表明,选取合适的误差衡量指标,以功率的最小预报误差为目标的组合预报可以提高风电机组出力的预报精度。     

考虑降水预报的三峡入库流量概率预报模型

以三峡水库为例,建立了基于降水预报信息的降水随机模拟模型,提出了将预见期降水随机模拟模型与概念性水文模型相耦合的概率水文预报模型,并进行了入库流量预报.该模型能充分利用降水预报信息,能定量描述水文预报结果的不确定性,概念清楚、易于构建,具有推广应用价值.     

基于小波分析的两种神经网络耦合模型在月径流预测中的应用

为提高河川径流的中长期预报精度并延长其预见期,采用小波分析充分提取有用信息,基于BP神经网络和GRNN神经网络,构建了两种小波神经网络耦合模型,测试了Daubechies族中9种母波函数对模型模拟效果的影响,并采用合格率(Q_(QR))、平均相对误差(M_(MPRE))、均方根误差(R_(RMSE))和确定性系数(N_(NSE))等指标评价了模型精度。将该模型应用于金沙江流域向家坝水文站未来1~5个月的径流预报,结果显示,相比于传统BP和GRNN模型,耦合模型具有明显优势,且基于小波分析的BP模型预报结果更接近实测值,预报精度更高,其未来4个月的平均相对误差在±20%以内。表明小波分析方法能充分挖掘隐藏在原始数据中的有用信息,可有效提高耦合模型的预报精度延长预见期,在径流预测方面有明显的优越性。     

分布式水文模型在洪水预报中的对比研究

为提高洪水作业预报精度和及时程度,采用以GIS为基础的LL-Ⅱ分布式水文模型,选用增江流域应用较好的新安江水文模型进行洪水预报对比研究。结果表明,LL-Ⅱ分布式水文模型的模拟效果更好。     

BFS在洪水预报中的应用研究

采用贝叶斯预报系统(BFS)水文不确定性处理器(HUP)对水文预报不确定性进行分析,实现概率洪水预报。以新安江流域水文模型为洪水预报模型提供流量初始预报系列,通过亚高斯模型对流量初始预报系列及实测系列分别进行正态分位数变换,由贝叶斯公式得到预报变量的后验概率分布并进行洪水过程的概率预报,采用分布点估值定值预报,并可通过构造置信区间对点估值预报的不确定性进行评估。以南一水库流域为例,将BFS后验概率分布均值与新安江模型预报进行对比,结果表明BFS可提高预报精度。     

基于多层神经元网络的随机自适应径流预报模型

针对水文系统的非线性特性，提出了一种基于多层神经元网络的自适应径流预报模型，并对其预报机理进行了分析。该预报模型由两个同构的多层神经元网络－训练网络和预报网络实现，实例验证了本文方法的有效性。从而为解决水文系统的径流预报提供了一条可行的途径。     

小花间洪水预报模型和经验方法在陆浑水库入库径流过程中的应用对比

为准确预测即将发生的洪水过程,最大限度地减少灾害损失,采用小花间洪水预报模型和经验方法分别对伊河流域的陆浑水库入库径流过程进行了模拟,并将模拟结果与实测流量过程进行了对比分析。结果表明,两种方法模拟结果精度相差不大,均能满足预报精度要求,但小花间洪水预报模型模拟结果整体效果较好,尤其是洪水过程与实测过程比较吻合;经验方法模拟结果稍差,但误差在可接受范围内。两种方法均具有一定实用性,建议两种方法联合运用,将小花间洪水预报模型的洪水预报结果作为指导水库防洪调度的主要依据,经验方法的预报结果作为参考。     

基于HEC-HMS模型的西南地区典型中小河流洪水预报研究

针对中小河流域洪水目前预报难度较大且精度偏低的问题,采用HEC-HMS模型预报了西南地区典型中小河流——寿溪河洪水情况,并采用SCS曲线法、SCS单位线法及初损后损法、斯奈德单位线法两组组合方案分析了地表径流过程,参数敏感性及模拟结果分析对比表明,在寿溪河SCS曲线法、SCS单位线法模拟效果较好。     

基于多模型组合的淮河王家坝断面洪水预报

淮河息县、潢川、班台—王家坝(息潢班—王家坝)区间地处山区与平原的交替带,地形复杂,目前尚缺乏精度较高的洪水预报方案,为此采用API模型、新安江模型及分布式TOPKAPI模型模拟预报了息潢班—王家坝区间流域2003～2010年的10场洪水情况。结果表明,三种模型预报结果相近,以三组预报结果为基础数据,再采用贝叶斯模型平均(BMA)方法计算,得到新的预报值。与单模型相比,多模型组合预报方法整体上精度更高。     

BPPR网络模型在寸滩站洪水预报中的应用

以寸滩站为例,针对建立复杂区间入流河段洪水预报系统是水文预报领域的难点、峰值预报精度是洪水预报过程的关键,采用BPPR网络模型,构建了寸滩站BPPR洪水预报模型,并预报了寸潍站2008～2010年的洪水过程.结果表明,该模型对洪峰的映射及洪水过程的模拟精度较高,预报效果理想.