支持向量机及其在径流预测中的应用

给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR) 进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。同时SVM模型适合于小样本情况且能达到全局最优。SVM模型用于径流预测是可行的、优越的。     

区域水资源合理配置的 模糊模式识别-模糊层次分析法的熵耦合模型

为确定区域水资源合理配置各评价指标的权重、有效处理区域水资源分配过程中的模糊性和随机性,提出了基于信息熵原理的模糊模式识别模型与基于加速遗传算法的模糊层次分析法相耦合,进行各子区域水资源量合理配置的新模型(EFPR-FAHP)。结果说明:用EFPR-FAHP进行水资源合理配置,数学物理概念明确,方法简明、通用,计算结果客观、合理,在区域水资源和环境管理中具有推广应用价值。     

集对分析在汛期分期中的应用研究

合理的流域汛期分期,对水库防洪、兴利和实现洪水资源安全利用具有关键意义。现有汛期分期方法较复杂,计算繁琐,不便于应用。为此提出了基于集对原理的汛期分期方法——集对分析法(SPAM)。介绍了集对分析的基本思路和汛期分期计算的步骤。实例分析表明基于集对分析的汛期分期可行,分期结果可信。SPAM概念清晰,结构简单,计算简洁,易操作,是一种有效的分期途径。     

城市洪涝易损性评价的分形模糊集对评价模型

针对城市洪涝易损性评价,提出以反映指标复杂度的分维作为指标权重的思路,同时考虑评价标准边界值的模糊性,基于集对分析原理建立分形模糊集对评价模型.将建立的模型用于湖南省29个城市的洪涝易损性评价,并与其他评价方法进行对比.研究表明,除少数城市外,大多城市的洪涝易损性等级属于中度.所建模型评价结果符合实际,有助推进自然灾害综合评价研究.     

一类洪水预报的非线性时序模型——指数自回归模型

作为雨洪系统的输出——洪水时间序列，它包含了系统中各种变量的过去信息，同时蕴含着大量关于系统演变的规律和趋势，这样的时间序列往往是不可逆的，非性线相依的偏态序列，并且存在着广泛的频幅相依特性。在进行洪水预报时，传统法多采用线性化技术，但预报精度并不理想，因此要提高预报精度，有必要考虑洪水的非线性特性。基于此，本文用指数自回归模型进行洪水预报研究，实例分析表明该模型可提高洪水预报精度。本文的尝试工作为洪水预报提供了一种可行的模型。     

水文水资源集对分析

集对分析是处理不确定性问题的新方法,它通过联系度展示了研究对象间关系的详细结构。方法原理简单,使用方便,能解决很多实际水文水资源问题。简要介绍了集对分析的基本原理,重点分析了集对分析在水文水资源分析计算、预测和评价中的应用研究进展,展望了集对分析在水文水资源领域的研究目标、内容和拟解决的关键问题。     

基于连续小波变换的径流分维研究

讨论了径流时间序列的统计自相似性描述指标——分形维数(分维)的连续小波变换系数估计思路，给出了其基本步骤。将该法运用于黄河流域主要水文站年径流的分维计算，同时与极差分析法估计值进行对比，研究表明，建议的连续小波变换分维估计法是可行的。     

基于Copula函数推求的管运洪水防洪标准探讨

探讨了2种洪水风险理念,论述了现行防洪标准的含义及年标准洪水频率曲线的推求方法,提出了基于年标准洪水频率曲线诊断管运洪水防洪标准的新方法。介绍了基于Copula函数推求管运洪水的方法,研究了其风险结构。以马边河马边站洪水为例推求管运洪水,结果表明：基于Copula函数推求管运洪水选取的样本序列不完全符合防洪规范要求,所得到的管运洪水对应标准高于现行防洪标准,增大了洪水风险,会加大涉水工程的规模。     

以互信息为基础的广义相关系数

提出了描述变量间包括线性和非线性和相关程度的一种以互信息为基础的广义相关系数指标Rg，给出三种算法：等间距法、等概率法和等概率递推法。等概率法计算出的结果与序列的总体概率分布无关，分组为客观、合理，计算简便，较其他算法更优越。在等概率法基础上，通过统计实验途径，得到了广义相关系数分位数表。     

基于TS-SVM模型的水安全评价

核函数参数和误差惩罚因子的选择对支持向量机模型(SVM)的精度有较大影响。为充分发挥SVM的性能,提出基于禁忌搜索算法优化的支持向量机模型(TS-SVM)。将TS-SVM应用于山东省水安全指数计算,得到各个水安全利用方案的评价指数值和安全等级。对比分析表明,TS-SVM具有较强的学习能力,能给出合理的评价结果,是一种有效的评价模型。