排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
黄泥河流域是典型的岩溶山区河流,喀斯特地貌发育,水资源供需矛盾突出,工程性、水质性缺水并存,流域生态环境脆弱。河道生态流量研究是保障河流健康、维护经济社会持续发展的一项基础性工作。运用水文学法、水力学法、生境模拟法和基流分割法对流域内主要河流控制断面生态流量进行分析。研究表明:水文学法和水力学法比较适宜推广运用,主要河流共9个河道断面的生态流量介于2.35~23.3 m3/s之间。 相似文献
2.
3.
代兴兰 《水资源与水工程学报》2014,25(6):231-235
为克服最小二乘支持向量机(LSSVM)依赖人为经验选择学习参数的不足,利用遗传优化算法(GA)选择LSSVM惩罚因子C和核函数参数σ2,构建GA-LSSVM年径流预测模型,并构建LSSVM、GA-BP和传统BP模型作为对比,以云南省河边水文站年径流预测为例进行实例研究,利用实例前30 a和后22 a资料分别对各模型进行训练和预测。结果表明:GA-LSSVM模型对实例后22 a年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.13%、8.66%,预测精度优于LSSVM、GA-BP和传统BP模型。GA算法全局寻优能力强,利用GA算法优化得到的LSSVM学习参数可有效提高LSSVM模型的预测精度和泛化能力。 相似文献
4.
综合分析曲靖市水资源总量、可供水量、水资源利用现状以及生态环境状况,结合未来经济发展趋势和结构变化,考虑国民经济发展和生态环境改善对水资源的需求,进行了需水量的估计和合理预测;提出了节水型社会建设的水资源合理配置方案,阐明了2010年和2020年水资源承载能力指标、节水潜力以及适应节水型社会建设的水资源发展方向。 相似文献
5.
6.
本文介绍雷达视频融合智能测流技术,通过雷达测单点流速,与视频测量的流速场融合分析断面流速,然后与流速仪法进行比测分析流量系数0.76,分析结果表明:断面流量标准差为3.0%,随机不确定度为6.0%,系统误差-0.28%,符号检验、适线检验、偏离数值检验均为合格,精度达到相关规范要求,可以运用于类似水文站或河道断面的流量测验;雷视融合测流系统安装简单,利用系统自带电源板和华为5G技术,能实现自动测量和远程传输,可有效解决光纤、市电不宜接入的难题,可有效解决山洪灾害易发区大洪水测验不安全等问题,对建设现代化水文站及智慧水利数字孪生系统具有很好的支撑作用。 相似文献
7.
在云南省水资源调查评价的基础上,结舍珠江源片区的地理特点、气候特性,从降水、径流、蒸发、输沙量、地下水及耗水量等方面论述该地区的水文特性,并分析各水文要素的变化趋势。为珠江源片区水资源的承载能力及可持续利用的研究提供参考。 相似文献
8.
分析红河流域的河流输沙量及其演变规律,对照径流量变化,分析流域内水沙灾害的形成原因,发现流域内土壤侵蚀面积比重大,重点区域为红河干流上段、元江和蛮耗站区间,布固江上段、盘龙河上段,涉及南涧、双柏、红河、墨江、元江、石屏等10多个县。提出了维护红河流域生态环境建设必须要加强的基础内容为:加强水土保持工作,扩大植被建设面积,加强泥沙监测,及时发现和掌握泥沙的演变规律。针对流域内特有的地形地貌和气候特征,提出水土保持的对策和建议。 相似文献
9.
代兴兰 《水资源与水工程学报》2015,26(2):119-125
以云南省曲靖市最严格水资源管理评价为研究对象,提出了最严格水资源管理评价指标体系和分级标准,构建基于回归支持向量机(SVR)和径向基函数(RBF)神经网络的评价模型。利用层次分析法(AHP)从用水总量、用水效率、限制纳污与责任考核4个方面遴选出20个指标,构建最严格水资源管理评价指标体系和分级标准;采用随机生成和随机选取的方法在最严格水资源管理评价等级标准阈值间构造小容量训练样本和检验样本对SVR与RBF模型进行验证。利用SVR与RBF模型对实例进行评价分析。结果表明:1SVR与RBF模型具有较高的评价精度和泛化能力,可用于最严格水资源管理评价。2SVR与RBF模型对曲靖市2010、2015、2020和2030年最严格水资源管理评价分别为"不理想","较理想","理想"和"最理想"。 相似文献
10.
为进一步提高径流预测精度和泛化能力,根据回归支持向量机(SVR)特性及基本原理,提出考虑不同影响因子(输入向量)的SVR集成预测模型,以云南省南盘江西桥站1961—2007年径流预测为例进行实例研究。首先,利用相关分析法选取年径流预测的若干影响因子,依次构建不同影响因子的SVR单一模型对研究实例进行预测,并构建对应的RBF模型作为对比预测模型;然后,采用加权平均和简单平均2种方法对具有较好预测精度和互补性的单一模型的预测结果进行综合集成。结果表明基于SVR的加权平均和简单平均2种集成模型径流预测的平均相对误差绝对值分别为1.27%和1.54%,最大相对误差绝对值分别为2.99%和2.74%,其精度和泛化能力均大幅优于各单一模型以及基于RBF的加权平均和简单平均集成模型,表明加权平均SVR和简单平均SVR集成模型具有较高的预测精度和泛化能力。相对而言,加权平均集成模型赋予了预测效果好的模型更大的权重,预测精度和泛化能力均优于简单平均集成模型。预测模型和方法可为相关预测研究提供参考和借鉴。 相似文献