二滩水电站中期径流序列预测研究

分别利用门限回归模型（TR模型）和人工神经网络模型对二滩水电站的月平均径流量序列进行了预测。通过计算可知，门限回归模型和人工神经网络模型都可以很好地解决月平均径流的预测问题，相对误差总体上都比较小。但门限回归模型计算繁琐，不能及时、快速得到计算结果，而人工神经网络模型计算快速，占用内存小，还有很好的容错性，即使在数据不完全的情况下，也能及时准确地得到径流预报值。考虑到模型自身的特点和优势，在实际运行中推荐使用人工神经网络模型进行月平均流量的计算和预测。     

多模型不同时间尺度中长期径流预报研究

为研究多模型不同时间尺度中长期径流预报效果,本文结合工程实例,以不同的时间段为检验期,模拟预报该工程的坝址月、旬和周平均流量,并分析了不同资料系列长度对模拟预报精度的影响。研究结果表明,最近邻抽样回归、人工神经网络和门限自回归模型对该工程月、旬、周时间尺度平均流量模拟预报精度随着时间尺度减小呈增高趋势;门限自回归模型模拟预测精度略高于其他两个模型;资料系列达到一定程度后,不同模型对月、旬、周时间尺度平均流量的模拟预报比较稳定。     

嘉陵江中游段中长期径流预报研究

通过对嘉陵江流域中游段的径流特性及变化规律进行研究,应用目前较为成熟的人工神经网络模型、最近邻抽样回归模型、自回归模型和均生函数模型,对嘉陵江流域中游段年径流进行预报。实例分析和预测结果比较表明:人工神经网络模型与最近邻抽样回归模型能更好地预测嘉陵江中游段的年径流。     

最近邻抽样回归模型及其在枯水期月径流预报中的应用

为合理调配水资源,做好枯季径流预报,可采用最近邻抽样回归模型进行预测。按照最近邻抽样回归模型的基本思路和实现算法,根据长江上游主要控制站——寸滩站1893年1月—2009年12月历史同期月整编资料,对该流域的枯季径流特性进行分析研究,通过建立模型,对模型预测效果进行验证。结果表明：该模型对枯季径流的预报精度较高,可用于作业预报。     

丹江口水库来水情势分析与径流预测

基于丹江口水库1956—2016年逐月平均流量资料,采用数理统计手段分析丹江口水库年径流量的周期性和趋势性;从百项气候系统指数集和太阳黑子数中筛选出预测因子,构建月平均流量与预测因子间的多元线性回归模型和随机森林模型,实现丹江口水库月径流预测。结果表明,丹江口水库年径流量呈显著的减小趋势,并伴随有6～8 a、18～21 a两类尺度的周期振荡特性;以2017年逐月平均流量为例,随机森林模型和多元线性回归模型的预报合格率分别为83.3%、75.0%,预报精度均较好,且随机森林模型的预测精度优于多元线性回归模型,可用于丹江口水库月径流预测。     

黑河中游高崖水文站水沙关系及时空分布特征

对黑河中游河段高崖水文站自1976年设站以来径流、泥沙时空变化以及流量和泥沙的关系分析结果表明:(1)径流年内分配不均,年际变化不大的特点,Cv值为0.23;(2)含沙量年内分配极不均匀,年际变化较大的特点,Cv值为0.69;(3)输沙量的年际变化和年内分配与径流量的年际变化和年内分配基本相似,但输沙量量级的年变幅较径流量更大,Cv值达0.82;(4)河流泥沙变化规律分析及水沙关系研究对目前水文监测改革实施具有十分重要的意义。     

周期叠加外延—最近邻抽样回归组合模型在韩江流域年径流预测中的应用

为提高年径流预报精度,尝试将周期叠加外延法与最近邻抽样回归模型结合,用韩江流域潮安站年径流系列作试验,结果表明组合模型预测合格率比单一周期叠加外延模型高,预测效果较好.     

最近邻—径向基函数网络模型在日径流预测中的应用

介绍了NNB—RBFN模型的基本思想和实现算法。通过日径流中的实例对模型的预测效果进行了验证，并与最近邻抽样回归模型的预测结果进行了对比，取得良好的效果。     

一种新型耦合模型在月径流预测中的应用

基于投影寻踪分析与随机分析提出了一种新的耦合预测模型,运用投影寻踪技术将年内12个月径流由遗传算法优化得投影值,获取投影值与年径流的相关关系;建立年径流预测模型,由预测的年径流推算对应的投影值z^;寻找与z^最近邻的h个模式,由最近邻回归进行年内月径流展望预测。将耦合模型应用于宝珠寺和三峡水电站入库月径流展望预测,结果表明该耦合模型可行且预测效果较好。     

基于四种方法的月径流预测研究

径流预测对于水资源的合理开发利用与统筹配置具有重要意义。根据黄土高原地区渭河支流-北洛河状头水文站和泾河张家山站的月径流资料,运用门限自回归模型、神经网络模型、方差分析外推法以及季节水平模型四种方法对其进行预测,观察模拟效果并比较各自优缺点。对于枯水期月径流,季节水平模型对于两站预测合格率均为100%;方差分析外推法对于状头站和张家山站预测合格率分别为90%,80%;门限自回归模型对于两站的预测合格率均为80%;神经网络模型预测两站汛期月径流合格率均为100%。表明季节水平模型适用于枯季月径流的预测,神经网络模型适宜于汛期月径流预测,并且精度良好。     

若尔盖湿地流域径流变化及其对气候变化的响应

为探索未来气候变化情景下若尔盖高寒湿地水文过程和水循环演变规律,利用分布式水文模型,研究2020—2050年不同气候变化情景下若尔盖湿地流域径流变化趋势以及气候变化对湿地径流的影响。结果表明:在未来气候变化情景下,若尔盖湿地流域径流呈减少趋势,玛曲站径流减少比率最大,其次为若尔盖站,最后为唐克站;非汛期径流量减少幅度明显高于汛期,若尔盖湿地2020—2050年非汛期径流在未来气候变化情景下径流减少比率大部分在25%以上。非汛期径流的锐减可能会进一步加剧若尔盖湿地的退化和萎缩,导致黄河中下游区域的可利用水资源量减少。     

最大熵分布扰动最近邻抽样随机模型在年径流随机模拟中的应用

年径流随机模拟是水资源系统规划设计和运行管理的依据。基于最近邻抽样随机原理,应用最大熵分布模型建立了最大熵分布扰动最近邻抽样随机模型。以陕西省神木站年径流量为例,进行了该站年径流的随机模拟。结果表明：文中方法可以保持序列的统计参数;最大熵分布扰动最近邻抽样随机模型是年径流随机模拟的一种新途径。     

最大熵分布扰动最近邻抽样随机模型在年径流随机模拟中的应用

年径流随机模拟是水利工程体系规划设计和运行管理的依据。基于最近邻抽样随机原理,应用最大熵分布模型,建立了最大熵分布扰动最近邻抽样随机模型。以陕西省神木站年径流量为例,进行了该站年径流的随机模拟。结果表明,应用文中方法可以保持序列统计参数的特性;最大熵分布扰动最近邻抽样随机模型是年径流随机模拟的一种新途径。     

西藏拉萨河径流预测方法研究

本文介绍了人工神经网络模型、分期平稳自回归模型、一阶季节性自回归模型这三种径流预测模型的基本原理,并且利用西藏拉萨河拉萨站1956至1968年,1973年至2000年41年的月平均流量资料对月径流进行预测和比较,得出BP-人工神经网络模型是相对于其它两种方法更适合对拉萨河径流进行预测的方法。     

大桥水库入库径流预测及电站优化调度研究

大桥水库是安宁河流域的龙头水库,鉴于该水利工程自建成八年多时间以来尚未系统地开展过水库调度研究,因此,通过对入库径流的预测并进行水库电站运行优化调度,必将有利于水资源的合理利用及工程的科学管理,并使其发挥出更好的社会效益和经济效益.在深入分析历史径流资料的基础上,采用自回归模型、最近邻抽样回归模型和人工神经网络模型对大桥水库入库径流进行了预测,在此基础上,尝试了运用动态规划法对大桥水库中长期的发电运行进行优化调度,其结果表明:此次研究在提高大桥水库发电效益和综合利用等方面具有重要的理论与实践参考价值.     

数学模型在漫湾水电站中长期预报中的应用

水文中长期预报作为防灾减灾以及进行水资源优化调度、水电站运行管理的重要依据,一直是水文工作中的重点和难点。为了探究不同数学模型在漫湾水库的适用性,选定人工神经网络、最近邻抽样回归、线性回归3个模型对漫湾水库进行月径流模拟,并将各个模型的模拟径流进行对比和精度评价。最终选定模拟精度较高的最近邻抽样回归方法建立漫湾水库月径流来水预报方案。     

门限自回归模型及其在水文随机模拟中的应用

为了客观描述日流量变化的非线性特性 ,将一种非线性时序模型——门限自回归模型引入日流量随机模拟。根据我国金沙江流域屏山站观测资料建立了日流量随机模拟的门限自回归模型。实用性检验结果表明 ,该模型用于模拟日流量过程是可行的 ,成果实用。这种尝试为日流量随机模拟提供了一种考虑日流量非线性变化特性的新模型。     

门限自回归模型及其在水文随机模拟中的应用

为了客观描述日流量变化的非线性特性,将一种非线性时序模型--门限自回归模型引入日流量随机模拟.根据我国金沙江流域屏山站观测资料建立了日流量随机模拟的门限自回归模型.实用性检验结果表明,该模型用于模拟日流量过程是可行的,成果实用.这种尝试为日流量随机模拟提供了一种考虑日流量非线性变化特性的新模型.     

牟汶河水沙演变规律分析

根据莱芜水文站的径流、泥沙观测资料,通过序列趋势检验方法和变差系数法分析了牟汶河水沙演变规律.结果表明:①牟汶河含沙量与径流量之间存在密切关系,大径流量意味着大含沙量,径流的增减和泥沙的变化具有同步性;②在年内分配方面,与径流量的年内分配相比较,泥沙的年内分配更不均匀,并且含沙量的年际变化也比径流量的年际变化大;③径流量和含沙量均呈总体减小趋势,含沙量的减小程度大于径流量的减小程度.     

基于小波分析的最近邻抽样回归预报模型研究

〗为了提高水文中长期预报的精度,以屏山站1951～2005年年径流序列为例,应用小波分析技术对信号进行多尺度分析,将水文时间序列分解成若干个高频序列和低频序列,再将高频序列和低频序列分别应用最近邻抽样回归建立模型,然后应用小波重构技术将各序列进行重构,从而实现对原始序列的预测。结果表明：应用小波技术建立的组合模型,其精度明显高于单一的最近邻抽样回归模型,可以应用于生产实践中。