基于BP-DEMATEL算法的冰情预报因子敏感性分析

冰情发展受到水文、气象、水力、河道条件和人类活动等多因子相互作用的影响,获得各影响因子的权重关系是进一步明晰冰情发展演变规律和提高预报精度的基础。本研究提出了基于BP-DEMATEL算法的冰情预报因子敏感性分析模型,应用于黄河内蒙古河段巴彦高勒水文站流凌、封河及开河冰情影响因子的分析中,得到影响冰情演变各因子的权重和不同因子之间的相互耦合关系,明确了冰情预报中关键的影响因子。采用不同权重的因子开展流凌、封河和开河的预报,结果显示利用权重值大、相关性强的预报因子开展冰情预报的预报值与实测值吻合较好。因此本研究提出的BP-DEMATEL模型开展冰情预报因子敏感性分析能够得到合理的权重值。     

神经网络理论在黄河宁蒙河段冰情预报中的应用

本文研究了以神经网络理论为核心的黄河上游宁蒙河段冰情预报。通过分析河流冰情特点，开发出了用Levenberg-Marquart算法改进传统BP神经网络理论进行冰情预报的数学模型，适用于流凌、封河、开河、水温、流凌密度、冰塞、冰坝等的预报。把该模型应用到2004—2005年冰情预报中，提前预报出2004～2005年冰情发生情况，具有良好效果。理论分析和实例论证都表明该神经网络模型能够进行宁蒙河段冰情预报。     

黄河宁蒙河段冰情预报决策支持系统的设计与开发

以黄河宁蒙河段为例，在对河段历史冰情变化规律及其影响因素分析的基础上，建立冰情预报数据库，进行数据挖掘，并以地理信息系统（GIS）为平台，以水文学流量演算、热力学、冰水力学等原理为基础，结合相关经验预报模型，建立用实测资料进行参数率定的冰情预报概念性数学模型和人工神经网络模型，初步探讨了集信息查询、模型参数率定、气温预报、冰情预报等功能为一体的冰情预报决策支持系统的设计与开发。     

克孜加尔水库上游冰情特征分析与预报

以野外实地观测为依据,对克孜加尔水库上游河段2010年～2015年的冰情进行分析,采用人工神经网络模型对克孜加尔水库上游河段的封河历时、开河历时、开河日期等进行测算与预报。结果表明,该预报方法的预测合格率高达93.33%,预测精度较高。人工神经网络模型对克孜加尔水库上游河段冰情的特征分析与预报适用性很强,可有效解决流域冰情预报问题。     

黄河内蒙古段开河日期预报模型及应用

对黄河内蒙古段的冰情特点进行分析,选用1970—1971年度至2007—2008年度共38个冬季的冰情资料,提取合适的预报因子,分别采用人工神经网络模型和多元线性回归模型,对黄河内蒙古段的开河日期进行预报。结果表明,神经网络模型和多元线性回归模型预报样本合格率分别为86.7%和80.0%,神经网络模型的预报精度高于多元线性回归模型,更适用于黄河内蒙古段开河日期预报。     

基于峰值识别理论的BP神经网络模型及应用

针对神经网络模型在进行河道洪水预报中,由于大流量样本少而使洪峰模拟精度不高的问题,在自适应BP模型的基础上,引入一种峰值识别理论,即对峰值样本的网络误差加入合理的误差修正系数,建立一种BPPR算法模型.并将两种算法(BP,BPPR)模型进行了对比,通过实例计算,加入误差修正因子的BPPR算法模型比没有加入误差修正因子的BP算法模型对洪峰峰值的预报精度明显提高,而且总的模型的预报精度也有所提高,这对河道洪水预报在延长其预见期和提高其预报精度方面提供一种新的思路.     

黄河内蒙古段冰情的自适应神经网络预报

运用数理统计理论的互相关分析方法,对黄河内蒙古段冰情信息时间序列进行分析,筛选出了冰情信息的预报因子,建立了冰情预报的自适应BP神经网络模型。预报结果表明:流凌日期为乙等预报方案,封河日期为甲等预报方案,开河日期为丙等预报方案。     

基于建立凌汛预报方案中的几个问题的分析

通过分析河流冰情变化因素及灾害性冰坝的形成情况,提出了建立凌汛预报方案中必须考虑河流所处地理位置、河道形态、河流的水情变化,从而确定预报的主要内容.     

河道特征对黑龙江上游冰坝生消影响

为探究黑龙江上游典型河段不同河道特征与冰坝形成的相关性,在2019年开江期进行了GPS追踪试验,观测开江期流速变化及流凌阻塞程度,并采用多元回归方法建立典型河段河道特征与冰坝生消相关的预报模型。试验结果表明：黑龙江上游不同河段开江期流速呈现先减小后增大的趋势,所得流速变化可以反映开江期各河段流冰阻塞情况,低流速区域与冰坝易发河段契合良好。将典型河段预报结果与实际冰情对比,结果表明在“武开江”条件下,河道比降区间为2‰~3‰,河道弯曲系数处于2.0~3.0之间,河道突缩宽窄比超过3.0的河段易形成冰坝。与传统经验统计预报模型相比,河道特征回归模型优先考虑河道特征元素,预报精度为85%,更为准确地模拟了黑龙江上游各河段在“武开江”期间的冰坝发生概率。     

基于流溪河模型的湘水流域洪水预报方案研究

为了探讨流溪河模型在中小河流洪水预报中的适用性,本文以湘水流域构建了流溪河模型.在研究中,根据河道分级的不同分别构建了基于1级河道、1~2级河道、1~3级河道的流溪河模型,采用1场洪水进行参数优选,以50场洪水进行洪水模拟精度验证.研究结果表明,河道分级对流溪河模型模拟精度有较大影响,基于1~3级河道构建的流溪河模型可以很好地模拟洪水过程;采用1场实测洪水进行参数优选的流溪河模型,在实测资料系列不长的我国中小河流洪水预报中应用具有明显优势;研究建立的模型,模拟效果良好,可用于湘水流域的洪水预报.     

基于可变模糊综合分析的冰凌预测模型

在分析凌汛成因影响因素的基础上,以可变模糊集理论为核心,采用二元比较法确定指标权重,结合统计相关分析确定预报因子相关程度,提出一种基于可变模糊综合分析的冰凌预测模型。将该模型应用于黄河内蒙古段开河日期的预测,结果表明该模型计算简便,对开河日期的预测具有较高的精度。     

神经网络算法在南水北调冰期输水中的应用

通过分析南水北调沿线气候和气温特点,用LevenbergMarquart算法改进传统BP神经网络算法进行气温稳定转负日期的预报。把该模型应用到南水北调沿线新乡、安阳、邢台和石家庄2003—2006年气温稳定转负日期预报中,取得良好效果。立冬日作为气温转负日期统计的基准点,提高了预报精度,说明中国传统二十四节气对于冰情预报及其它同气温和气候相关的预报有重要的参考价值。     

明渠冰情预报的数学模型

本文根据寒冷地区输水渠道的冰情建立了冰情预报数学模型，这个模型由一维非恒定流水力学模型和一维热力学模型组成，可以预测渠道的水流特性，水温沿程分布，冰花流量，冰盖形成，冰盖下冰花的传输和堆积，冰盖的热力学增厚和融化，为保证渠道正常运行提供依据。     

黄河内蒙古段冰情变化特性的统计分析

运用数理统计理论的相关分析方法,对黄河内蒙古段冰情时间序列自身以及对它有一定影响的水文气象序列之间的相关关系进行了分析和检验。结果表明:冰情时间序列在长期变化中都存在一定的自相关性;冰情与水文气象要素存在一定的互相关性,影响冰情的主要因素有流量、温度和风速。     

基于网络的自适应模糊推理系统在冰情预报中的应用

本研究将基于网络的自适应模糊推理系统应用在冰情预报中。通过分析基于网络的自适应模糊推理系统的网络结构、水温数据及其相关预报因子的分布特点、隶属度函数个数及预见期对预报结果影响的比较,确定了隶属度函数类型、隶属度函数个数和预报的预见期。文中以黄河宁蒙河段石嘴山为例,介绍水温预报的应用研究,并将预报水温同实测水温进行比较。通过描述预报值和实测值关系的确定性系数,对预报结果作了分析。结果表明,除了石嘴山水文站2002年预报结果实测值和预报值偏差较大、确定性系数偏小之外,其余预报组次中预报值和实测值均吻合较好,达到甲等预报方案。     

基于粒子群神经网络的凌汛开河日期预测研究

为了更准确地预测凌汛开河日期,提出用粒子群算法和BP神经网络相结合的粒子群神经网络模型。介绍了模型的设计和算法实现的流程。该模型通过粒子群算法对BP神经网络初始的权值和阈值进行优化,并以黄河内蒙段三湖河口站作为研究实例进行冰凌开河日期预测。结果表明,经粒子群优化后的BP神经网络预测精度比遗传神经网络和单一BP神经网络更高。     

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。