基于逐步回归均生函数模型的哈尔滨站年径流预测分析

中长期水文预报模型很多,目前还没有一种模型对所有的水文序列来说都是适用的.文章在进行哈尔滨站年径流预测的过程中,建立了均生函数模型,并利用逐步回归技术筛选因子,通过实例计算,预测效果较好,验证了模型的可行性,最后对存在的主要问题进行了分析,提出了改进意见.     

均生函数逐步回归模型在水文长期预报中的应用

利用嫩江江桥站自1953年以来流量年极大值系列资料,采用均生函数逐步回归建立水文长期预测模型,并采用模型进行试报和检验。结果分析表明,均生函数逐步回归预测模型具有较好的历史拟合及预测效果,其结果具有一定的可信度。     

时间序列均生函数模型在降水量预测中的应用

近年来,全球化气候变暖,对降水的变化具有一定的影响。降水量的变化对人类活动及农业生产具有重要的作用,对其进行分析研究及预测,有利于对灾害的防御与控制。但由于降水的变化受到诸多因素的影响,准确的预测降水量具有一定的难度,本文利用均生函数方法,建立均生函数模型,对降水量进行分析与预测,结果表明,时间序列均生函数模型对降水量进行预测,其模型精度高,其预测结果可作为提出防灾减灾措施的依据,具有一定的现实意义。     

均生函数与神经网络在长期水文预报中的应用

本文采用均生函数与BP人工神经网络相结合建立一种新的长期水文预报方法，经实际预报证明，该方法在年平均流量预报上具有较好的拟合和预报精度。     

均生函数、马尔可夫链法在中长期洪水预报中的应用

中长期洪水预报,影响因素多,目前科技手段难以在很长预见期内实现准确预知。通过对均生函数、马尔可夫链法综合应用,对比分析,可以确认是值得推广应用的新方法。     

基于统计模型的西江枯季中长期径流预报研究

准确的中长期径流预报对水资源开发利用、优化配置和水量调度具有重要指导意义。基于均生函数、周期分析和多元逐步回归3种统计模型,进行西江上游龙滩水库、下游梧州水文站当年10月至次年3月各月以及整个枯水期(当年10月至次年3月共6个月)的中长期径流预报研究。结果表明,3种模型均呈现了较好的预报效果,率定期和验证期平均合格率均在75%以上,平均绝对百分比误差基本在30%以内。均生函数和多元逐步回归的预报精度明显高于周期分析,在较大值的预报上误差更小。多元逐步回归相比其他2个模型稳定性更强。而受资料一致性影响,上游龙滩水库的预报精度明显高于下游梧州站。综合来看,多元逐步回归在西江流域的预报效果最佳,在各个量级、各个阶段都能保证较高的预报精度,能够为流域水量调度决策提供更高的参考价值。下一步,可采用多模型融合的方式,以进一步提高预报效果。     

逐步回归模型在呼兰河兰西站凌汛最高水位预报中的应用

水文中长期预报,影响预报准确度的因子不止一个,既不能不考虑,又不能完全考虑,因此参数寻优就成了问题的关键,从这些因子中挑选出相关系数高且相互独立的因子,建立＂最优＂的回归方程进行预测,就能得出较满意的结果。此模型用于呼兰河干流兰西站的凌汛最高水位预报,其合格率在70%以上。     

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。     

大坝变形预测的径向基函数网络模型

在大坝变形预测中,运用人工神经网络模型进行预测分析已较为广泛,目前使用最多的是BP网络模型,但由于存在计算量巨大,且易出现局部极小和收敛慢等缺点,为此建立了大坝变形预测的径向基函数神经网络模型,并与改进的BP网络模型进行比较.实例表明,径向基函数模型具有良好的泛化能力,克服了BP模型的局部极小和收敛慢等缺陷,在预测精度及训练速度方面显著优于BP模型,具有一定的推广价值.     

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。     

基于Copula函数的东江博罗站年最大洪水联合分布研究

以东江博罗站1953—2013年长系列年最大洪峰流量及其峰现时间为基础,采用Von Mises函数拟合年最大洪水洪峰出现时间的分布特征,皮尔逊III型函数拟合年最大洪水洪峰流量的分布特征,采用Frank Copula函数构建了洪峰流量和峰现时间两变量的联合分布,分析了东江博罗站洪峰出现时间分布特性,年最大洪水事件联合重现期和条件重现期。结果表明:以Von Mises,皮尔逊III型及Frank Copula函数构建的联合分布函数均能较好拟合东江博罗站年最大洪水分布特征,可有效挖掘流域洪水信息,为流域防洪规划和风险管理提供参考。     

珠江梧州水文站枯季月径流预报

梧州站流量作为珠江下游河口地区压咸控制流量,其上游来水的丰枯直接关系到珠江流域枯季水量统一调度的成功实施。基于梧州站枯季(10月-3月)月径流资料,采用逐步回归法提取径流序列的趋势项、周期项,自回归方法预测随机项的组合预测方法建立了梧州站枯季径流预报模型。结果表明:逐步回归与自回归组合的方法在径流预报中取得了较好的预报效果,1月径流预报精度达到甲等,10月、11月、12月、2月以及3月预报精度均达到乙等,可用于实际水文预报工作中。     

基于改进调度函数的梯级水库群联合调度研究

梯级水库联合调度规律是指导梯级水库优化运行的重要手段,目前尚无完整的梯级水库群调度规律的理论体系.为此,提出一种可获取梯级水库群联合调度规律的改进调度函数方法,并应用逐步回归法对调度函数进行拟合及相关因子的选择.以乌江流域梯级水库群为例,开展其联合调度研究.结果表明,该方法计算结果较原设计方案,多年平均发电量比设计值增加了14.43亿kW.h,涨幅达5％,保证出力提高到2431.9 MW,经济效益显著.     

二滩水电站水位计测值分析

运用数理统计的方法和最小二乘法的原理，对二滩水电站大坝３支水位计观测资料进行分析，求出回归方程并经实践检验，证明水位计是可以继续工作的。     

基于SRA-GP的水库年末水位预测模型

为了克服传统预测方法的不足,利用逐步回归分析优选因子的功能和遗传程序设计搜索模型结构能力强的优点,建立了多年调节水库年末消落水位预测模型,并将其用于多年调节水库年末消落水位的预测。模型通过逐步回归分析寻找因子,再利用演化计算自动寻找最优的模型结构,与传统方法相比不仅具有较大的灵活性和智能性,而且在一定程度上提高了遗传程序的寻优效率。实例表明,模型适应性强,预测精度高,可以为水库调度提供一定依据。     

小波-ANFIS模型在年最大洪峰预测中的应用

洪水的非线性变化特征使其预测结果在防汛指挥中难以让决策者实时有效利用,基于此,提出两种小波-ANFIS模型,将其应用于张家庄水库的年最大洪峰流量预测中,从而选出预测效果较好者。首先拟合1973—2002年的原始数据S,利用不同小波分解函数db5和sym8,分别对S信号进行尺度为4的分解,得到两组系列的低、高频信号;然后利用各低、高频信号对ANFIS模型进行训练,调试得到最佳模型并用来预测各低、高频信号在2003—2007年的信息;最后将各系列低、高频预测信号进行重构,即生成由sym8-ANFIS和db5-ANFIS模型预测的两个序列。经比较分析,sym8-ANFIS模型具有较快的收敛速度,且精度更高。     

多元逐步回归模型在滑坡变形预测分析中的应用

在滑坡体变形监测数据分析中,引入时效、温度和降雨等作为滑坡体变形的影响因子,应用SPSS软件,采用多元逐步回归算法,建立滑坡变形的统计回归模型.将该模型拟合值与实测值的对比分析,能较好地反映滑坡体的变形规律和发展趋势,并识别影响滑坡变形的主要因素.工程实例表明,该模型的预测精度高于以往其他方法构建的模型,且操作简便.     

基于三峡—葛洲坝梯级出力最大的两坝间水位控制策略

基于三峡—葛洲坝梯级统一调度的思想,首先分析了三峡水库不同出库流量下两坝间水位变化对梯级水电站运行水头的影响规律,然后以三峡水库汛限水位和正常蓄水位为例,利用建立的梯级水电站发电模拟模型探讨了两坝间水位变化对梯级出力的影响。最后,通过大量模拟计算,得到三峡水库坝前水位和出库流量各种组合下的梯级最大出力及其对应的两坝间水位,据此提炼了两坝间水位的优化控制策略。     

逐步回归和BP神经网络模型的枯季月径流预测

枯季径流是工农业用水的重要来源,分析和预报流域枯季来水情况,可为科学制定用水方案、合理调配水资源提供依据。运用逐步回归模型和BP神经网络模型分别对盘龙河流域枯季月径流进行拟合和预报分析,并采用相关系数、相对误差、合格率对两个模型预测精度进行比较。结果表明BP神经网络模型预测精度更高,预测结果精度满足规范要求,更适用于盘龙河流域枯期月径流的预测。     

基于网络仪表及潜入式液位计的水电站水位监测系统

一种新型的潜入式液位传感器,以网络仪表为核心和载体,可与上位计算机组成远距离水位监控测量系统,自动测量水电站水位,可在水利监测中得到广泛应用.