一个雨雪混合洪水预报模型及其应用

在总结暴雨融雪混合洪水形成规律的基础上,讨论了雨雪混合产流模型结构,利用临界温度来判断降水的形式和融雪因子,同时考虑降雨引起的融雪量,结合LL-Ⅰ分布式水文模型建立一个雨雪混合洪水预报模型.利用新疆塔城地区喀浪古尔河流域暴雨融雪洪水资料进行模拟和验证.模拟和验证结果表明,预报模型具有较高的精度,其确定性系数超过0.80.     

洪水预报模型软件在洪水预报调度中应用

文章对洪水预报模型软件在"05.9"洪水预报调度中应用进行了总结,分析了预报误差的原因,提出了改进建议.     

BTOPMC在山区流域暴雨洪水预警预报中的应用

为验证分布式水文物理模型BTOPMC在山区流域暴雨洪水预警预报中的适用性,利用BTOPMC模型对四川省2个山洪易发流域的暴雨洪水过程进行模拟。结果表明：BTOPMC模型能够较准确地模拟洪峰流量以及洪峰出现时间,达到暴雨洪水预警预报对模型的要求,该模型适用于山区流域的暴雨洪水预警预报。     

黑龙江省洪水预报系统在小流域洪水预报中的应用

黑龙江省洪水预报系统包括模型率定子系统、实时作业预报子系统和系统管理3部分.针对预报站点具体情况,对测站通过模型参数率定及方案输入制定预报方案,连接实时和预报水情数据库,对发生实时暴雨做出预报分析.根据本流域实际情况,开发出适合本流域情况的模型,导入到系统中.     

多维混合回归系统水文预报模型及其应用

多维混合回归系统模型是将回归与自回归结合起来的综合模型。根据济渭河流域水特性建立朗梨水站洪峰水位多维混合回归系统预报模型,经检验评定,效果良好。     

时序混合模型预报及其在铁路货运收入中的应用

本文以某火车站记载的,以往的月货运收入序列,采用潘迪特—吴(Pandit-Wu)建议的混合模型的方法建模,采用滚动式预报,获得了较满意的结果。此外,还举例说明了原始记录真实性的重要性,并提出了值得研究的建模中的计算精度问题。     

ARMA模型在洪水预报中的应用

ARMA模型在随机水文学及其他领域中有广泛的应用。近年来,在水文预报领域中已开始广泛采用形式上近似于这类模型的一些方案。在随机水文领域中为了消除系列不平稳的影响,常由实测资料减去系列均值。而水文预报中一般是直接采用实测资料建立ARMA模型。本文拟采用实测资料减去季节均值后的中心化变量作为模型中的变量,这样既可消除季节因素的影响,也可利用季节均值为预报服务。再辅以迭代最小二乘法使参数处于在线估计状态,就可使ARMA模型在洪水预极中得到较好的应用。从模型在雅砻江沪宁至小得石河段(多输入,单输出系统)的应用来看,效果不错。     

改进的相应涨差模型及其在洪水预报中的应用

根据圣维南方程组的连续方程 ,在原有相应涨差模型的基础上 ,推导出一种新的河道实时洪水预报相应涨差模型 .新模型的参数只有一个 ,使用具有时变遗忘因子的递推最小二乘算法在线识别 .在作业预报时 ,只需一个测站的资料 .该模型运用于长江中游河段 ,预报结果令人满意     

改进的人工神经网络水文预报模型及应用

在人工神经网络水文模型的研究中,往往加入前期径流以提高模型的预报精度.针对由此带来的问题,通过耦合总径流线性响应模型,建立一种基于人工神经网络的实时预报模型.通过引入总径流线性响应模型的模拟径流作为模型输入,模型的模拟模式能够提供较长的预见期,同时加入误差校正模型的实时预报模式也能够取得较高的模型精度.采用3个不同流域的流量资料对模型进行率定与校核.结果表明,模型能够取得较高的预报精度,显示了良好的适用性.     

滑动自回归模型在洪水预报中的应用

水文预报中一般是直接采用实测资料建立滑动自回归（ＡＲＭＡ）模型,现采用实测资料减去季节均值后的中心化变量作为模型中的变量,既可消除季节因素的影响,也可利用季节均值为预报服务。再辅以迭代最小二乘法使参数处于线估计状态。ＡＲＭＡ模型在雅砻江泸宁站至小得石站河段的应用效果很好。     

产汇流模型参数综合率定在洪水预报中的应用

在蓄满产流模型中引入最大下渗率作为人渗的上限，实现超渗产流的机理和蓄满产流结合，在汇流模型中，采用Г函数和抛物线组合函数作为单位线的逼近函数，用Г函数作为单位线的基本形状，抛物线对Г函数分段修正，且引入2个汇流时间调整指数对单位线进行非线性调整；此外，在单位线计算之前串联一个水库蓄滞单元，有效地模拟洪水在河道演进过程中沿途径流式水库的滞洪作用，根据系统理论知识将上述产汇流模型组合为一个整体，建立综合目标函数，用约束变尺度法优选参数，通过对沙溪口水电站的洪水预报进行实例检验，证明该模型能得到较高的预报精度。     

Novel grey forecast model and its application

The advancement of grey system theory provides an effective analytic tool for power system load forecast. All kinds of presently available grey forecast models can be well used to deal with the short-term load forecast. However, they make big errors for medium or long-term load forecasts, and the load that does not satisfy the approximate exponential increasing law in particular. A novel grey forecast model that is capable of distinguishing the increasing law of load is adopted to forecast electric power consumption (EPC) of Shanghai. The results show that this model can be used to greatly improve the forecast precision of EPC for a secondary industry or the whole society.     

改进NLPM-ANN模型在径流预报中的应用

基于人工神经网络的非线性扰动模型(NLPM-ANN)充分利用了LPM的季节信息处理方法和ANN强大的非线性模拟性能.然而该模型没有考虑流域的前期土壤湿度状态,影响了模型的模拟预报精度.为了将流域的前期土湿加入模型,同时能更加充分利用降水信息,采取一种将LPM与ANN结合起来的联合预报模式.选用8个流域的降雨径流资料,对改进的NLPM-ANN模型与SLM-ANN和NLPM-ANN模型进行比较研究.计算结果表明,改进的NLPM-ANN模型优于SLM-ANN模型和NLPM-ANN,在率定期和检验期的模型效率相对增值指数较NLPM-ANN提高10%左右.     

荆江-洞庭湖洪水演进模型

长江中游是由水库、湖泊、蓄滞洪区组成的复杂防洪工程体系,针对荆江-洞庭湖复杂河网系统规模庞大、水流复杂的特点,建立了一、二维联算洪水演进模型,其中河道与湖区采用一维河网模型,分蓄洪区水流采用二维模型模拟.模型提出了实时预报模式、河网断流计算模式、河道与分蓄洪区水量交换模式.将模型用于荆江特大洪水调度,较好地反映了洪水在荆江-洞庭湖河网区的演进过程,模型可用于实际防洪调度方案评估.     

小波网络模型及其在日流量预测中的应用

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.     

资本资产定价模型在洪水保险费率厘定中的应用

科学厘订费率是确保洪水保险经营稳定的首要前提,由于洪灾损失的特殊性,使传统定价方法在费率安全系数的应用受到限制,且无法解释保险经营风险.为此,尝试从风险补偿的角度,引入资本资产定价模型计算洪水保险费率,并通过应用研究进一步验证了模型的可行性和有效性.     

高关水库流域洪水实时预报方法及应用研究

考虑到高关水库流域降雨时空变化和地形对流域产汇流的非线性影响 ,建立了流域分散产流、非线性汇流模型以及洪水实时预报校正方法 ,将研制的模型应用于实际洪水预报 ,取得了较为满意的效果