白山水库径流中长期预报研究与应用

基于时间序列和物理成因分析，将成因分析，统计方法与人工神经网络相结合，挑选出影响白山水库汛期入库流量的前期大气流影响因子，建立了逐步周期分析模型和逐步多元回归与人工神经网络的耦合模型。预报实践表明，所建模型合理，预报效果好，精度高，具有较高的推广和应用价值。     

基于支持向量机的水电站中长期径流组合预报

中长期径流预报是充分利用水资源、实现水电站优化运行的重要环节。以金沙江中游龙盘电站为研究对象,分别采用自回归滑动平均模型、最近邻抽样回归模型、BP神经网络建立了该水电站月径流预报模型,在分析三种模型预报结果具有一定互补性的基础上进一步建立了支持向量机分月组合预报模型。统计结果表明,与单一预报模型相比,该组合预报模型具有更高的精度和稳定性,为寻求水电站径流预报规律和制定中长期调度计划提供了技术支持。     

二滩水电站中长期径流预报研究

针对二滩水电站的实际径流特性和水电站发电调度的要求,应用季节性自回归模型和人工神经网络模型对二滩水电站的月径流、汛期分段和年径流预报进行研究.结果表明,这两种模型对二滩水电站的月径流预报、汛期定性预报均达到了一定精度,可为二滩水电站优化调度的径流输入提供参考依据,尤其是AR(P)模型的非汛期月径流预测和BP模型年径流预测结果可在实际运行中使用.     

基于EMD和LS-SVM的中长期径流预报

提出将EMD与LS-SVM模型相耦合的新的径流中长期预测方法,采用EMD分解年径流序列,应用LS-SVM模型预测和重构IMF分量.基于岷江紫坪铺水文站年径流资料预测和检验该模型,并与单独的LS-SVM模型及BP神经网络模型比较.实例结果表明,该方法预报精度高,预测径流行之有效.     

基于Web的径流中长期预报系统

以云南电网水调高级应用软件系统为工程背景,采用面向对象的编程思想开发了B/S模式下的径流中长期预报系统.系统涉及云南电网所属的5座主力水电站及其他重要的中小水电站,采用四种常用的中长期预报模型和频率分析方法进行径流预报.系统主要功能包括预报参数率定和检验、多种预报方法间的比较分析、与历史径流过程的对比分析、基础资料添加维护与报表生成等.系统操作简便、功能强大,同时具有良好的稳定性、移植性和可扩展性.     

基于自适应模糊推理系统模型的径流中长期预报

介绍了自适应模糊推理系统ANFIS的原理结构及学习算法。以漫湾和双牌两座水库实测月径流序列为研究对象，研究不同的输入及不同的模糊数对自适应模糊推理系统模型做中长期预报的影响，并通过与人工神经网络模型的预报结果进行比较，显示本模型是中长期水文预报方法中较为准确的方法之一。     

NNBR与SVM耦合模型在径流中长期预报中的应用

在充分考虑模型输入因子的基础上,利用最近邻抽样回归(NNBR)与支持向量机(SVM)模型各自的特点,建立了耦合预测模型,并对柘溪水库汛期径流进行预测.结果表明,与单独的SVM和NNBR模型相比,该耦合模型提高了预报精度,预报可行有效.     

基于遗传算法的参数投影寻踪回归径流预报模型及应用

为提高径流预报精度,采用单相关系数法挑选预报因子,建立了基于遗传算法的参数投影寻踪回归径流预报模型,利用该模型对雅砻江二滩水电站月平均流量进行了预报。结果表明,与BP神经网络模型预报结果相比,投影寻踪回归模型具有更好的预报结果和更高的预报精度。     

基于气象因子的中长期水文预报方法研究

气象因子与径流序列在物理成因上有着比较密切的关系。基于此，对气象因子与径流的关联性进行空间上的变异分析。先对气象因子进行R型主成分分析．然后选择出影响径流量的主因子，计算因子得分．通过聚类分析进行径流量的定性预报。实践证明，此种方法有很好的可靠性，值得应用和推广。     

丹江口水库径流预测方法与趋势分析

针对径流量时间序列非线性、非平稳性的特点,基于丹江口水库1933~2001年的入库水量资料,采用紧致型小波神经网络预测水文序列,将小波基与输入向量的内积进行加权计算和反复训练,发挥小波变换良好的时频局域化性质及神经网络的自学习功能,再通过1961~2001年降水量和入库水量的对比,分析了降水和径流的变化过程。结果表明,径流量有减少的趋势。     

中小洪水调度对三峡水库泥沙淤积的长期影响

当前中小洪水调度对三峡水库淤积的影响尚局限在短期过程,且年内各种调度方式影响叠加,很难单独区分中小洪水调度的影响。为了解长期实行中小洪水调度对三峡库区泥沙淤积的影响,基于一维水沙数学模型,计算分析了有、无中小洪水调度情况下三峡库区泥沙淤积过程、分布特征及防洪库容保留状况。结果表明,长期实施中小洪水调度情况下,三峡水库泥沙淤积增加,影响集中在变动回水区下段及常年回水区,淤积三角洲向坝前推进较无中小洪水调度情况慢;水库达到初步淤积平衡的时间推迟约50年,平衡淤积量增加约19%,防洪库容损失约3%。     

不同数据驱动模式下三峡长期径流预测比较研究

采用周期均值叠加和小波分析长期预测径流方法,并选择横向与纵向数据驱动模式,对比分析了三峡入库径流长期预测效果.结果表明,周期均值叠加法优于小波分析方法、枯水季节纵向数据驱动模式优于横向、汛期横向优于纵向,采用两种数据驱动模式的组合预测年径流的精度更高.     

基于随机森林的中长期降水量预测模型研究

为解决降水预测中存在的非线性问题,避免传统人工智能方法的过拟合弊端,提高中长期降水预测精度,引入了随机森林算法,通过优选预报因子,分别构建了年、月降水预测模型,并应用南京市1951~2013年降水系列及水文气象因子系列,验证所建模型的适用性。结果表明,随机森林模型预测精度较高、稳定性好、泛化能力强,能有效预测年、月降水量;与BP神经网络模型和支持向量机模型相比,随机森林模型效率更高、性能更优,尤其适用于大样本的逐月降水量预测中。     

基于统计图形的入库流量预报误差分布规律

基于2003~2008年三峡水库汛期入库流量预报误差资料,分析了其正态特性,给出了通过K-S检验的分段入库流量预报误差统计图形,并利用统计图形比较了Laplace与Logistic分布拟合效果。结果表明,2003~2008年三峡水库汛期入库流量预报误差基本服从正态分布,且Laplace分布更适合描述其分布规律。     

基于最小二乘支持向量机的水库来水量预测模型

为提高水库来水量的预测精度,提出了一种基于最小二乘支持向量机(LS-SVM)的来水量预测模型。实例应用结果表明,该模型预测能力强、预测精度高,其预测精度明显高于BP模型,为来水量预测提供了一种可靠、有效的方法。     

欧阳海水库径流量预报的模糊神经网络方法

将成因分析、统计分析以及模糊集理论同神经网络系统有机地结合起来,建立了基于神经网络的模糊系统水资源预测模型,通过运用于欧阳海水库入库径流量的实际预测表明,所建系统预测能力强,预报效果好,具有较高的推广和应用价值。     

水动力调控三峡库区支流水华方案初步研究

针对三峡水库蓄水运用后支流库湾春季水华频现问题,利用MIKE 21模型建立了香溪河—三峡库区整体平面二维水动力数学模型,对春季不同水文条件下香溪河口回水区的流速进行了数值模拟。计算结果表明,三峡水库单独调控时,小于香溪河库湾水华的临界流速0.05 m/s,而支流水库单独调控时,在丰水年香溪河口流速可大于0.05 m/s,仅利用三峡水库小幅度水位变动(0.6~1.0 m/d)对支流库湾流速的改善效果十分有限,而利用干支流水库对香溪河库湾流速的联合调控效果明显,可适度控制三峡库区支流库湾水华的爆发。