青海湖水位动态趋势预测

为预测青海湖水位下降趋势及其对湖泊生态的影响,本文对青海湖主要来水项——入湖径流采用一阶周期性自回归模型进行人工生成系列,并依据径流与降水和蒸发的频率对应关系,以及未来暖干气候条件下降水和蒸发的可能变化量,建立了相应的降水和蒸发序列。通过长系列水量平衡计算表明,青海湖水位仍会继续下降,2030年是未来50年序列中水位最低的时期,最低水位将达3191.35m,此后水位开始小幅度回升并逐渐趋稳。同时,在历史平均气候条件下对青海湖水位进行了预测,预计2035年后水位的持续下降速率开始变缓并趋于稳定,2100年左右稳定在3192.2m。     

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。     

ICESat-2/ATLAS测高数据在青海湖湖泊水位估计中的应用

湖泊既是陆地水资源的重要储蓄场所,也是区域和全球水文循环系统的重要水汽源,是气候变化的重要载体和指示器。为了评估ICESat-2/ATLAS（ice, cloud and land elevation satellite-2/advanced topographic laser altimeter system）测高数据在湖泊水位估计中的精度和应用潜力,以地处青藏高原地区的青海湖为例,基于2018年10月31日至2019年11月8日期间ATL13产品提取的青海湖湖区瞬时水位数据,并结合水文观测、LEGOS（Laboratoire d’Etudes en GéOphysique et ceanographie Spatiales）水位和风浪观测资料,验证了ATL13产品在青海湖的湖泊日均、月均水位估计精度。结果表明：ATL13产品中6束脉冲的光斑脚点高程与高程实测值的绝对误差为0.07 m,标准误差为0.18 m;2018年10月至2019年11月青海湖日均水位呈上升趋势,2018年10月青海湖月均水位估计值为3 195.75 m,2019年11月的月均水位估计值为3 196.21 m,年内湖泊月均水位上升了0.46 m;青海湖的LEGOS水位和水位观测显示,时段内月均水位分别增加了0.29±0.20 m和0.58±0.10 m;ATL13产品估计的湖泊月均水位与水位观测值较为一致,与LEGOS水位的绝对误差为0.17 m,可能受到观测时段、数据质量和空间异质性影响。     

灰色马尔科夫模型在寸滩站年最高水位预测中的应用

本文将灰色系统理论与马尔科夫链理论相结合，建立灰色马尔科夫预报模型，对寸滩站年最高水位进行预报分析。从模拟效果分析，计算值与实际值大体吻合。模型可推广应用长期水文预报中。     

基于灰色-BP神经网络组合模型的水位预测案例

为了提高水位预测的精确度,提出一种将灰色模型和神经网络模型相结合的灰色-BP神经网络预测方法。该方法通过分别计算灰色模型和神经网络模型预测结果的均方误差,按照误差计算权重并重新组合,得到最终的预测结果。研究证明,该方法比灰色模型和神经网络模型预测精度高,预报结果更加接近实测值。     

ACA-BP网络在冰塞水位预测中的应用

为了更准确地预测冰塞水位,将蚁群算法和神经网络结合起来建立了ACA-BP神经网络模型,并利用黄河河曲段实测资料对冰塞水位进行了预测。结果表明：ACA-BP网络和BP网络都有一定的逼近能力和预测能力;预测结果与实际冰塞水位基本吻合;ACA-BP网络的预测结果优于BP网络。     

多元回归模型在秦淮新河节制闸测压管水位预测中的应用

结合秦淮新河水利枢纽工程的测压管实际观测资料,建立多元回归模型并进行回归分析。结果表明,多元回归模型可以根据观测时间、观测时上下游水位数据来预测测压管水位,多元回归模型预测方法精度相对较高,优于传统的最小二乘回归法。     

Seq2Seq模型的短期水位预测

为有效预测未来一定时间内的连续水位,提出了基于序列到序列(Seq2Seq) 的短期水位预测模型,并使用一个长短期记忆神经网络(LSTM)作为编码层,将历史水位序列编码为一个上下文向量,使用另一个LSTM 作为解码层,将上下文向量解码来预测目标水位序列。以流溪河为研究对象,针对不同预测长度分别建立水位预测模型,并与LSTM 模型和人工神经网络(ANN)模型进行了对比。结果表明:Seq2Seq 模型对连续6 h、12 h 和24 h 水位预测的纳什效率系数最高分别为0.93、0.90和0.85;当预测长度为6 h 时,LSTM 和Seq2Seq 模型预测结果相似,ANN 模型精度较低;当预测长度为12 h 和24 h 时,Seq2Seq 模型相比LSTM 模型和ANN 模型预测效果更好,收敛速度更快。     

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。     

基于LSTM模型的响洪甸水库旱警水位预测与效果检验

水库旱警水位预测对于水库进行生活、生产、环境等各方面用水的调度具有重要作用。水库的旱警水位受到各种用水需求和来水量、应供水量等多种情况的影响,而且与这些情况的相互关系错综复杂,无法用线性关系进行表示。基于LSTM模型,对响洪甸水库旱警水位进行预测,提出的基于LSTM模型的响洪甸旱警水位预测,通过效果检验,具有较高的预测精度,能够满足水库旱警水位预测的实际工作需要。     

多级串联明渠调水工程多目标水位预测控制模型研究

针对传统的明渠水位预测控制模型无法考虑闸门调控次数限制的问题,本文在以往的预测控制目标中加入了流量调整惩罚量,构造了多目标渠池水位预测控制模型;并采用带有精英排序策略的遗传算法来进行复杂优化问题的求解。将此模型应用于南水北调中线干线工程最后6级渠池的虚拟仿真模型中对模型可靠性进行分析,结果表明在两种测试工况中,本文的多目标预测控制模型相比于传统预测控制模型,能在保持相似的水位控制效果同时使得闸控次数降低43%和52%;而且采用遗传算法求解能考虑闸门死区带来的流量最小变幅约束问题,在需要提前进行流量微调的情况下生成更加合理的调控方案。本文结果也表明,基于水位状态预测模型构造多目标预测控制模型,并采用启发式算法进行优化问题求解,这一思路具有一定可行性。     

基于分段LassoLarsCV算法的水位预测研究 ——以三峡库区长寿站为例

三峡水库蓄水以来,由于入库流量统计和地形资料测量等存在系统性误差,通过求解圣维南方程组计算的长寿站水位精度有时难以满足实际应用需求.对此,采用分段套索最小角回归交叉验证(Lasso Least angle regression Cross Validation,LassoLarsCV)算法预测长寿站水位.首先收集了20...     

AN IMPROVED NUMERICAL METHOD FOR CALCULATIONS IN WAVE KINEMATICS

The prediction of wave kinematics is a necessary basis for ocean engineering design. In this article, an improved method to calculate the wave kinematics especially in the crest region is presented. This method is based on the local approximation method. According to one measured wave surface, the proposed solution focuses on a Fourier series expansion in a somewhat larger segment of the wave surface record. The horizontal and vertical kinematics under the wave crest can be directly predicted. Good agreement between the numerical results and the theoretical Stokes waves verifies the validity of the numerical model. The effectiveness of the numerical method is also proved by the calculation of the wave kinematics of the laboratory focused wave groups.     

采用B-样条神经模糊模型预测粒状土浅地基的沉降—Computersand Geotechnics，2003（8）

粒状土浅地基设计通常由沉降而非承载能力决定。所以，设计时主要关心沉降预测，它是浅地基设计的必备标准。目前，只有用众多数值模拟技术，才能准确而一致地预测出粒状土浅地基的沉降。近来，用反传播算法培训的多层感知器(MLP)已经成功地应用于预测粒状土浅地基的沉降。其缺点是培训期间获得的知识呈关联权重分布，很复杂，难以解释。     

GMS在地下水污染质运移数值模拟预测中的应用

利用地下水模型系统软件GMS,对研究区污染物在地下水中污染运移进行数值模拟.根据模拟结果,规划基地的防渗减小了对地下水的污染影响.建议加强监测,在做好防渗的同时,开展水力调控措施研究,降低地下水污染应急处理的技术难度.     

溢流坝坝面掺气初生点的数值模拟

采用零方程模型对溢流坝上紊流边界层进行数值模拟,引入流函数Ψ将紊流边界层方程组化为常微分方程.用box method对方程进行数值离散,模拟溢流坝紊流边界层的发展.将数值模拟结果与试验结果进行了对比,理论计算与实际观测尚吻合.运用此模型对掺气初生点位置进行了预测,预测出掺气初生点的位置.     

日本大井河河床变动的数值模拟

利用一维的泥沙数值模型研究了位于日本中部的大井河河床变动情况.在传输模块中考虑了床沙的非均质特性.1981至1996年实测的流量和泥沙数据被用于确定模型参数.为了控制下游河道的淤积,针对不同的挖沙范围和大坝的有无对大井河泥沙传输进行了30年的预测.根据计算结果提出了下游河道和河口的整治方案.