基于 BP 神经网络的场次洪水河道沙量预报

针对日益严重的河流泥沙问题,掌握河流泥沙的影响因素和泥沙的变化过程是泥沙治理的关键。以神经网络模型为基础,建立场次洪水沙量预报模型,对多沙河流的洪水挟沙量进行预报,并取得较好的预报效果。选择辽西北多沙河流大凌河作为研究实例,首先将1984年-1998年间的29场历史实测洪水资料进行分析,得到影响下游沙量的主要因素;然后,通过神经网络模型建立上游影响因素与下游沙量之间的关系;最后,选取其中6场洪水资料进行验证。模型计算结果表明,计算结果与实测结果误差在合理范围之内,精度符合要求,可以用于下游沙量的预报。     

中期降雨分级预报信息的可利用性分析

分析了中期降雨分级预报用于跨流域调水中的必要性和重要性,研究了大伙房水库流域中期降雨的分级方式,采用聚类分级法及误差特征值分析法对2001～2007年5～9月流域实际3～7 d降雨资料与GFS提供的流域预报降雨量进行预报降雨分级统计,并分析了各量级降雨预报精度及在跨流域引水中的可利用性.结果表明,大伙房水库流域分级降雨预报信息基本达可利用程度,可为跨流域引水提供参考.     

基于水文要素的闹德海水库入库沙量预测模型

针对水库调度需要,以闹德海水库为背景开展入库沙量预报研究。首先分析水库的入库水沙特性,以确定入库沙量的主要影响因素;进而研究建立基于水文要素的BP神经网络入库沙量预测模型,并利用历史场次洪水资料进行训练学习。结果表明所选择的产沙因子基本能够反映流域降雨-产沙-输沙过程的传递关系,模型可用于入库沙量预报,指导水库实时水沙调度决策。