基于BP神经网络的不同时间尺度泵站前池水位预测模型

针对建筑物调控下的水位预测难题,建立基于BP神经网络的泵站前池水位预测模型,在不同时间尺度下分析时间序列、影响因子、预报因子对水位预测精度的影响。将构建模型应用于胶东调水工程东宋泵站,研究结果表明：在数据总量一定的情况下,训练期和预测期之比为7∶3时,预测结果较好;数据量越大,保持一定预报精度所需要的正相关的影响因子数量越多;短时间内,预测时间间隔与数据本身时间间隔相同时,预测效果更好。该构建模型能够满足明渠调水工程泵站前池的水位动态预测需求,实现泵站前池水位的2 h准确预测和4 h一般准确预测,同时可在其他类似明渠调水工程中推广应用。     

考虑水文模型参数时变的水库水位多预见期实时预报——以水布垭水库为例

精准可靠的坝前水位预测可支撑水库的调度决策,保障流域防洪安全。传统水库水位实时预报方法均基于降雨径流稳态假定,在变化环境下精度不高。为此,本研究提出了一种整合水文模型参数时变和实时校正的水库水位多预见期实时预报方法：识别变化环境下水文模型参数的时变过程,构建时变参数与自然、社会经济因子的函数关系;基于时变参数函数式构建预报调度集成模型,以预见期内多个时刻预报水位与观测水位的吻合程度为目标函数率定水文模型的参数;采用基于反向拟合算法的实时校正技术进行误差校正,输出不同预见期的水库水位预报。以水布垭水库流域为研究对象,结果表明,较传统水库水位预报方法,论文提出的方法在率定期和检验期的平均绝对值误差分别下降了0.050和0.040 m,可为防洪减灾提供高精度、长预见期的水库水位预测。     

基于PSO-BP神经网络的西洞庭湖南咀站径流预测

为建立因子少、预报周期短、预报精度高的西洞庭湖控制性水文站南咀站的月平均径流量预报模型,通过对松滋-太平水系控制性水文站安乡、澧水控制性水文站石龟山站月平均水位、流量以及沙湾站月平均水位进行相关性、因子贡献率分析,确定输入因子,借助PSO-BP神经网络对南咀站1956年1月至2005年12月各月平均径流量进行训练,获取网络结构及参数进而预测2006年1月至 2008年12月各月径流量。结果表明：① 石龟山、安乡站水位对南咀站月平均径流量影响最显著;② 汛期、非汛期的划分一定程度上可提高南咀站月平均径流量预报精度;③ 以安乡、石龟山站月平均水位、流量以及沙湾站月平均水位作为输入因子,PSO-BP神经网络预报效果最好,合格率77.8 %,预报等级为乙级;④ 基于相关性、因子贡献率分析,将安乡、石龟山站作为输入因子,预报合格率降为61.1 %,预报等级降为丙级,但仍满足预报要求。     

基于影响因子的GM(1,1)-BP模型在八字门滑坡变形预测中的应用

滑坡的预测预报是世界性难题,特别是如何把外界影响因素定量计入到滑坡中长期预报模型中。在滑坡中长期预报模型适用性分析的基础上,提出了基于影响因子的GM(1,1)-BP模型,该模型能考虑库水位、降雨等外界影响因素。以三峡库区八字门滑坡为例,在八字门滑坡工程地质条件的基础上,通过对位移、库水位、降雨等监测资料的分析,系统研究了八字门滑坡的变形特征、影响因素和变形破坏模式。在确定八字门滑坡影响因子的基础上,分别采用本文模型、GM(1,1)模型和不考虑影响因子的BP神经网络对滑坡位移进行了预测研究,发现本文模型预测精度较高。     

基于小波分析的NARX神经网络在水位预测中的应用

高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。     

三峡水库水位调度对出库水质影响分析与水质预测

出于防洪、发电与航运需求,三峡水库在汛期维持145 m低水位运行,在非汛期抬升水位至175m维持高水位运行。水库运行期按水位变化分为:水位下降期(175～145 m)、低水位运行期(145 m)、水位上升期(145～175m)和高水位运行期(175 m)。基于2011-2018年三峡水库出库断面水质因子(DO、COD_(Mn)和NH_3—N)监测周报数据,采用综合水质标识指数Pi和自回归综合移动平均模型ARIMA模型评价预测水质,研究三峡水库水位调度对出库断面水质的影响,探究水质对水位变化的响应,并预测水质变化趋势。结果表明:三峡水库季节性水位调度对出库水质影响显著。水质因子(DO、COD_(Mn)、NH_3—N)浓度随水位运行期的改变而出现周期性变化,不同水位运行期水质因子浓度存在差异。高水位运行期DO浓度显著高于低水位运行期,COD_(Mn)和NH_3—N浓度小于低水位运行期;各运行期的综合水质标识指数Pi均符合综合水质指标Ⅰ级标准,其中高水位运行期水质最好,低水位运行期水质最差; ARIMA预测结果显示未来水质符合Ⅰ级标准。水库水文条件受季节性水位调度影响,水质与水位、流量和外源污染输入相关。评价结果有利于在高时间精度下掌握水质实情,进行水资源管理。     

水库汛限水位动态控制的风险评估

水库汛限水位的动态控制实质上是一种风险调度.在对短期水文预报不确定性分析的基础上,提出了将洪水预报精度等级评定指标转化为人库洪水过程的随机特征值的方法,利用水库调洪演算的随机微分方程,分析了不同预报精度等级和不同预见期条件下水文预报误差的传递与演化过程,并建立了水库汛限水位动态控制的风险率计算模型,以定量评估抬高汛限水位对水库大坝和下游河道防洪安全的影响.算例分析表明,汛限水位的抬高将使水库和下游河道的防洪风险率增大,通过提高预报精度和延长预见期可以降低由汛限水位拾高所增加的风险率.     

基于互信息的湖泊日水位预测——以西洞庭湖为例

鉴于传统的湖泊水位预测在输入因子选择时具有一定的盲目性,以西洞庭湖为例,利用基于互信息的输入因子选择法建立了日水位预测模型。按河流生态功能将水文年划分为枯水期、汛前涨水期、汛期、汛后退水期4个时期,然后分期计算影响湖泊日水位的自变量与日水位的互信息,并引入广义相关系数将互信息归一化,选出各时期互信息最大的自变量因子作为模型的输入变量。经过模型计算与数据分析可得:F检验结果显著,回归值与实测值的相关度高,剩余标准差小。由此证明用互信息筛选出的因子作为模型的输入变量能取得较好的精度并在实际中易于操作。     

2012年“海葵”台风对太湖水位影响分析

根据2012年"海葵"台风期间太湖流域的雨水情、风力、风向、水位实测资料,分析了台风对太湖水位的影响。分析结果表明:"海葵"台风对太湖西南岸、北岸水位影响显著,导致西南岸水位上升、北岸水位下降。由于台风的影响,太湖湖面发生倾斜,水位失真,一定程度上影响了太湖水位的预报精度。通过分析认为,在今后的实际工作中,当出现台风时,太湖的水位预报应进行修正或对太湖出入湖水量进行平衡分析,以提高太湖水位预报精度。     

基于流变统一格式的库岸堆积体斜坡变形监控模型及应用

库岸堆积体斜坡受库水位变化、时效和降雨的影响显著,研究蠕变对堆积体稳定性的影响可为其准确预测、预报提供科学依据.基于岩土体流变统一格式的推导,结合修正的西原模型,提出多因素作用下的库岸堆积体斜坡变形监控模型,为其时效因子的选取提供了理论依据.实际应用表明,相对于传统的统计模型,该模型可明显提高回归精度,具有一定的实用价值和推广价值.     

基于TOPSIS-模糊综合评判的模糊推理模型在开河预报中的应用

冰凌开封河受到较多自然和人为因素的影响,具有较高的不确定性,为了进一步提高冰凌开封河预测的精度,考虑各因素的综合作用成为解决问题的关键。先采用主成分分析法初步确定冰凌开封河历时影响因子的权重,运用模糊推理模型依据影响因子矩阵的相似性进行初步预测,进而采用TOPSIS-模糊综合评判模型对预报因子进行识别,筛选出合理的预报因子进行二次预测。运用实例对基于TOPSIS-模糊综合评判模型冰凌预报因子识别的模糊推理模型的效果进行了检验,同时与冰凌预报模糊优选神经网络BP模型进行对比,结果表明:在TOPSIS-模糊综合评判模型因子进行识别基础上的模糊推理模型预测精度较高、效果较好,既能够有效识别预报因子,又能够较好地提高预报封河、开河历时的精度,为凌汛预测提供了新的途径。     

BP神经网络在感潮河段水动力洪水预报中的应用

鉴于下边界条件对水动力洪水预报模型精度的影响,采用提高下边界条件的质量来提高洪水预报精度,在同时受径流和潮流影响的感潮河段,水位流量关系复杂,利用BP神经网络,通过建立试验流域上、下游站水位与下边界断面水位变化率之间的相关关系作为水动力洪水预报模型的下边界条件,在长江流域大通至南京段的水动力洪水预报模型中的应用表明,该方法预报精度较高。     

基于GRA-NARX神经网络的泵站站前水位预测模型

针对多种水工建筑物相互作用和影响下的泵站水位预测难题,提出基于GRA-NARX（grey relation analysis-nonlinear autoregressive model with exogenous inputs）神经网络的泵站站前水位预测模型。该模型包括灰色关联分析(GRA)和NARX神经网络两部分,利用3种训练算法和不同时间延迟分别对密云水库调蓄工程屯佃泵站站前水位进行2 h预测,并与NARX模型和GRA-BP(grey relation analysis-back propagation)模型的预测结果进行比较。研究结果表明,GRA-NARX-BR(grey relation analysis-nonlinear autoregressive model with exogenous inputs-bayesian regularization)模型用于水位预测能够比较全面地考虑影响因子,预测精度高,相关系数最高达0.986 62,均方根误差最小为0.008 6 m,预测效果比NARX模型和GRA-BP模型好,且时间延迟越长,均方根误差越小。模型也可在其他调水工程中推广使用。     

基于互信息与神经网络的天山西部山区融雪径流中长期水文预报

为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:①互信息法优选出的预报因子作为模型输入可以提高预报精度;②采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;③以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。     

基于遗传程序设计的水库年末水位预测模型

为了克服传统预测方法的不足，采用遗传程序设计，建立了多年调节水库年末消落水位预测模型。该模型利用演化计算自动寻找最优的模型结构，比传统方法具有较大的灵活性和智能性。通过对洪家渡多年调节水库的实例计算，不仅得出影响因子与年末消落水位的最佳函数式，而且用于拟合和预报的精度均满足要求，可以为水库调度提供一定的依据。     

水力学耦合水文学模型在沮漳河河溶水文站洪水水位预报的应用研究

为解决目前在变动回水影响下采用传统水文模型进行水文站水位预报面临的困难,本文研究采用水文模型与水力学模型相结合的方法进行洪峰水位预报,以沮漳河河溶水文站洪水水位预报为例,从河溶水文断面到鸭子口断面运用水力学模型,采用常糙率和变糙率两种方法进行洪水水位预报,结果表明使用变糙率方法预报精度更高。其结果对沮漳河流域水文预报具有一定的指导意义。     

基于LSTM模型的宁蒙河段封河时间预测研究

为解决目前使用的封河时间预测模型输入参数多、边界条件要求高以及长预见期预测精度较差等问题,采用长短时记忆(LSTM)循环神经网络模型方法,对黄河宁蒙河段封河时间进行预测.结果表明:在非极端天气条件下,LSTM模型的预报精度满足水情预报的要求,该模型的预见期和预测精度优于传统预报模型,对运行条件和边界条件的要求远低于现有...     

基于Copula熵-随机森林的中长期径流预报研究

预测因子作为中长期预报模型的输入项,是影响预报结果精度的关键要素。为进一步提高预报精度,提出了一种Copula熵与随机森林模型相结合的中长期径流预报方法。该方法首先采用Copula熵指标对预测因子进行筛选,然后将选取的预测因子作为输入项,导入随机森林模型中对月径流进行相应预测。将该方法应用于汉江流域丹江口水库的逐月入库径流预报中,并与相关系数筛选法进行对比。结果表明:基于Copula熵指标筛选出的预测因子对应的模拟结果具有更高的精度,尤其对于汛期而言,其模拟值与实测值的拟合优度显著优于比选方法,说明其筛选出的预测因子具有更好的合理性。     

混合门限回归模型在河道水位预报中的应用

针对松花江干流汛期洪水的特点以及松花江流域防洪减灾的需求,采用多元门限回归模型建立了松花江干流肇源、三家子、涝洲、木兰、富锦5个水位站的水位预报模型;在多元门限回归模型的基础上进行改进,得到混合门限回归模型,并以此建立松花江干流5个站的水位预报模型。两种模型的预报因子均通过AIC准则和DW检验法筛选确定,并用最小二乘法估算模型的参数。选取各水位站2008—2012年汛期的水位资料分别率定相应的水位预报模型,选取2013年汛期的水位资料对各个率定的模型进行验证。率定和验证的结果表明:多元门限回归模型的预报精度偏低,而混合门限回归模型的预报精度高,且有一定的通用性,适用于水位预报。     

怀洪新河新胡洼闸BP神经网络洪水预报模型

本模型基于BP神经网络仿真学原理,结合水文学理论研制.模型输入为:何巷闸下水位、区间流入量(包括何巷闸流入量和四方湖闸流入量)、新胡洼闸过去时段的出流量和闸上水位,输出即为预见期的新胡洼闸上水位.采用Sigmoid激活函数输出限幅改进算法,分别建立了胡洼闸上8h、16h、24h三种滞时BP神经网络洪水预报模型.经检验分析,三种滞时BP 神经网络洪水预报模型预报精度均达到洪水预报规范中甲级精度要求.