共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
径流长期分级预报的Kohonen网络方法 总被引:11,自引:0,他引:11
提出了径流长期分级预报一种新的模式识别方法。该方法不直接描述径流形成的物理机制,而是通过Kohonen自组织神经网络对历史样本(径流级别及其影响因子集)的学习,识别出蕴含在样本中径流级别与其影响因子之间的规律性。辽宁省大伙房水库基于气象因素的汛期径流预报实践,表明了该方法的可行性和有效性。 相似文献
3.
4.
5.
目前以气象要素作为预报因子对水文变量(如径流量)做出预报是常用的一种长期预报方法。介绍了以北半球500hPa高度(H500)、100hPa高度(H100)和西太平洋海温(SST)三个气象场要素作为预报因子,采用逐步回归分析方法,对长江大通站的月径流量、7—10月份的径流总量做预见期为一年的预报。结果表明,建立的统计预报方案满足精度要求,可供实际预报工作参考。 相似文献
6.
关联规则是一种重要的数据挖掘技术。现结合水文长期预报的特殊性,将关联规则挖掘分析方法应用于径流长期预报中。根据预报目标初选出预报因子,构成长期预报事务数据集。然后将其进行离散化处理,对离散化后的数据集进行关联规则分析,挖掘出满足事先设定的最小支持度和最小置信度的强关联规则,解释规则并建立模型。以嫩江江桥站汛期径流长期预报为例,挖掘出满足要求的强关联规则,这些强关联规则中蕴含着北太平洋海温变化和江桥汛期径流的关系,说明了关联规则挖掘分析方法在径流长期预报中的可行性。 相似文献
8.
9.
10.
11.
12.
13.
介绍了服务于黄河水量调度的中长期径流预报技术方法、主要模型、预报系统及应用情况,并对未来黄河流域径流预报发展方向进行展望。黄河中长期径流预报模型从每个控制站点水文序列的影响因子和自身演变规律出发,根据各站点不同时期、不同影响因素,选择适当的统计方法分别建立。非汛期径流预报模型主要以前期径流、降水为预报因子,采用多元回归分析、门限回归分析和时间序列分析等方法建立;汛期径流受降雨影响强烈,流域降水主要受大气环流等因子影响,因此从前期环流因子中挑选预报因子,建立了汛期径流预报模型;天然径流量预报模型主要采用实测径流还原、时间序列分析及大气海洋物理因子相关等方法建立。黄河中长期径流预报模型及预报系统的建立,提高了黄河流域径流预报技术水平和能力,在1999—2018年20 a的水量调度中,提供了准确的年度水量预报和旬月径流预报,其中每年10月中下旬发布的花园口站年度天然径流总量预报平均误差为3.7%,最小预报误差为0.6%。 相似文献
14.
(一)前言我国近代的水文气象长期预报是由涂长望于1935年创始的。他根据瓦克的理论与方法,研究冷暖和旱涝同世界各地天气,特别同三大涛动的关系,提出了预报方程。解放后,中长期预报有了长足的发展,预报方法主要有:(1)天气学方法,研究大范围环流的持续异常造成某些地区洪涝与干旱的规律;(2)数理统计方法,根据大量历史资料应用数理统计方法寻找水文要素历史变化的统计规律和关系;(3)宇宙地球物理方法,分析宇宙地球物理因素的长期变化引起水文要素变化的规律,研究主要集中在太阳活动、海洋状况(海水表面 相似文献
15.
根据汉江流域皇庄站1981-2008年逐月径流量与1980-2007年逐月74项环流指数、北太平洋海温场、500hPa高度场的相关关系,利用逐步回归挑选预报因子,构建基于遗传算法的支持向量回归机模型(GA-SVR),并对2009-2013年逐月径流量进行预报;结果表明,径流预报精度较高,汛期平均相对误差在30%以内,非汛期、年总量平均相对误差在20%以内,均优于随机森林和多元线性回归模型。将GA-SVR模型的预报结果作为概率预报的基础,采用贝叶斯理论中的水文不确定性处理器(HUP)对预报的可靠度进行分析;结果表明,HUP不仅可以提供精度更高的定值预报,还能以置信区间的方式量化预报的可靠度,提供更为丰富的预报信息。 相似文献
16.
本文阐明了鸭绿江上游临江水文站做好超长期洪水预报的重要性和必要性,并较详细地介绍了用近远日点月相、日月食等天文指标建立预报模型的方法和步骤,同时又作了该站未来三年的超长期洪水预报,最后对本模型优缺点进行了讨论。 相似文献
17.
18.
以闽江流域1950-2007年月径流时间序列为例,采用毛毛虫-奇异谱分析方法进行长期径流预报研究。经过嵌套、奇异值分解、聚合、对角线平均等步骤,识别序列的趋势、周期等特征,得到趋势成分,以及3个月、4个月、6个月、12个月、2.6年和6.7年的周期成分。进一步基于获得的趋势、周期成分,采用线性递归公式检验验证期(2006-2007年)预测效果,并对未来24个月份(2008-2009年)的径流进行预测。结果表明:毛毛虫-奇异谱分析对水文时间序列具有较好的长期预测能力。 相似文献
19.
水库长期径流预报对于研判水文情势变化和指导水库调度管理具有重要意义。针对云南龙江水库年、汛期和枯水期平均入库径流,利用随机森林从环流指数、海温、气压和前期月径流中选取关键预报因子,基于粒子群与交叉验证相结合的算法优选参数,建立随机森林与支持向量机模型,开展龙江水库入库径流预报研究。结果表明:太平洋中北部与西部气候因子对径流预报的影响较大,前期月径流对年、汛期径流的重要性偏低,但对枯水期的影响程度与部分气候因子相当。随机森林与支持向量机模型总体精度较高,模拟与预报的合格率均达到85%以上,平均绝对百分比误差均低于15%,支持向量机的泛化能力强于随机森林,但二者在局部极值流量处的预报精度尚有待提升。 相似文献