新疆玛纳斯河年径流频率分析

采用Mann-Kendall检验法和滑动t检验法,针对新疆玛纳斯河1956—2014年径流序列构建混合分布模型和条件概率分布模型进行频率分析。结果表明:玛纳斯河1956—2014年的年径流序列存在巨变异,1995年为年径流序列变异年份;拟合曲线上部混合分布和条件概率分布相近,与P-Ⅲ分布存在较大差异;拟合曲线中部混合分布比条件概率分布和P-Ⅲ分布拟合更佳;拟合曲线下部三种拟合均无明显波动,拟合较好;混合分布模型更适于玛纳斯河年径流进行频率分析。     

时间序列分解模型在乌拉斯台河年径流量预测中的应用研究

在剖析了现有年径流量预测方法的基础上,根据乌拉斯台河年径流量(1960年~1989年)序列的长期变化特征,提出了时间序列分解预测模型,即将年径流系列分解为趋势项、周期项、随机项,通过对其各项进行识别、提取,再将各项线性叠加,从而建立年径流量预测模型。从模型的识别过程可得,乌拉斯台河年径流具有不显著的递减趋势和明显的周期变化,同时具有一定的随机性。从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性。     

非线性混合回归模型在年径流预报中的应用探讨

在气候变化和人类活动等影响下,径流变化日益复杂,常用的流域径流预报方法有时间序列法、多元回归分析等,但这些方法预报精度较差,笔者建立起基于BP神经网络系统的年径流预报非线性混合回归模型,并以1961~2001年的数据为训练样本,以2002~2010年的数据为预测检验样本对新疆天山北坡昌吉州呼图壁县内的军塘湖流域年径流进行预报,结果表明,该预报方法具有较高的预报精度。     

基于灰色—拓扑模型的玛纳斯河年径流预测研究

新疆缺水,其径流丰枯变化规律一直备受关注。以新疆玛纳斯河为研究对象,以年径流频率为变量,采用拓扑原理计算实测频率的拓扑值。将对应的拓扑值作为变量,建立灰色模型GM(1,1),寻找实测玛纳斯河年径流的变化规律。建立了基于关联度、光滑离散函数等概念以及有限范围内近似的关联度收敛原理、生成数、灰微分方程等观念和方法,进而建立了微分方程动态模型。根据新疆玛纳斯河肯斯瓦特水文站1963-2010年的平均径流量资料,建立河流年径流量灰色-拓扑模型,以年平均流量为预测检验值预测来验证模型的精度。预测结果的相对误差为21.5%,满足预测的精度要求。结果表明,灰色-拓扑模型对玛纳斯河的年径流结果是可行的。     

年径流序列一致性修正分析

本文采用基于可变模糊集的变异点诊断方法和里海哈林法对新疆玛纳斯河1956—2014年年径流序列进行变异检验,1995年为年径流序列变异年份.使用假设平稳序列方法、基于同一参数关系法和时间序列分解合成方法三种方法对玛纳斯河年径流序列进行一致性修正,修正后年径流序列的均值分别为13.18×108m3、14.94×108m3...     

ARMA校正模型在玛纳斯河洪水预报中的应用

为了降低预报的不确定性,提高预报的可靠性和精度,选择用贝叶斯方法对玛纳斯河洪水预报的ARMA模型预测结果进行了校正。结果表明:确定性系数平均值从0.64提高至0.92;平均合格率从77.01%提高至88.26%;径流总量平均相对误差从0.14降低至0.04;平均峰现时间合格率从68.11%提高至84.32%;校正后预测结果的精度有了较大的提高,达到了对原模型进行实时校正的目的。     

基于多重演化模式重构的水文预报模型及应用

因长期受人类活动、气候变化等多重因素作用,水文时间序列表现出多时间尺度、多频率、动态变化、自记忆性等复杂性特征,增加了水文预报结果的不确定性。本文将经验模态分解模型,核主成分分析模型和支持向量机模型耦合,建立了针对复杂性水文时间序列的预报模型,并采用NASH效率系数、自相关系数、相对误差作为模拟预测精度及参数率定的多目标判断标准。模型应用于黄河花园口水文站径流序列的长期水文预报中,结果表明:模型预报时段长,具有较好的预测准确性和实践应用价值。该模型为多重因素作用的复杂性水文时间序列预报提供了一种方法。     

基于ARMA模型的短期风功率预测研究

针对风功率预报中出现的资料获取困难、预报精度差等问题,提出采用基于时间序列数据的ARMA模型,并重点对ARMA模型进行识别和参数进行估计。在一定范围内,枚举输入AIC值,并采用大量数据进行模拟,同时采用MAE、NMAE和NRMSE三种指标对模拟结果进行评价,得到了适合于风功率预报的ARMA模型。同时将模型用于预报,发现预报结果精度比较高,表明ARMA模型有较好的实用性。     

封开河预报模型研究进展

冬季封河和春季开河阶段,我国北部高寒地区将产生大量流凌,容易堆积、拥堵河段,抬高水位,造成凌汛灾害。建立精确的封开河预报模型可为预防凌汛提供充足时间。首先回顾了国内外封开河预报模型的研究进展,对国内应用较多的数学模型、统计学模型和神经网络模型进行总结分析,归纳各模型的优缺点;阐述影响封开河预报模型精度的两个关键步骤即影响因子选取和预报因子筛选方法,筛选影响预报精度的13个预报因子,且通过对比分析3种筛选方法,结果表明逐步分析法可使预报模型更加精准。     

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。