共查询到20条相似文献，搜索用时 15 毫秒
1.
以郁江流域百色水库入库径流为研究对象，分别采用基于水文气象因子的逐步多元回归模型、人工神经网络模型（气象因子）和基于时间序列的混沌理论模型、最近邻抽样回归模型、小波分析法、神经网络—自回归模型共6个模型方法对百色水库年尺度、月尺度以及旬尺度入库径流进行中长期径流预报工作，随即采用平均相对误差、合格率、TS评分以及均方根误差4种评价指标对上述6个模型的预测结果进行精度评估，并依据熵权法的理论对上述4种指标进行客观赋权形成综合性指标分析体系，来确定最优模型以进行郁江流域百色水库不同尺度和预见期的入库径流中长期径流预报工作。结果表明：各模型预报结果中的平均相对误差相对较大，但其所对应的合格率以及TS评分指标均处于优良水平；月尺度预报过程中，各模型非汛期预报精度都要高于汛期预报精度。结合各模型自身特点以及综合性指标分析的基础上，可在年尺度中长期径流预报过程中采用神经网络—自回归模型、月尺度中长期径流预报过程中采用混沌理论模型，旬尺度中长期径流预报过程中依据不同的预见期分别采用人工神经网络模型（气象因子）以及小波分析法进行相关的中长期径流预报工作，从而为郁江流域百色水库制定未来中长期调度计划提供... 相似文献
2.
《中国农村水利水电》2019,(10)
使用神经网络进行水文预报的关键之一是预报因子(输入变量)的筛选。鉴于现有方法对预报中因子与径流间复杂的非线性相关关系考虑不充分以及因子间信息重叠导致的算法"过拟合"等问题,提出了一种信息熵理论和主成分分析方法相结合的预报因子筛选方法,并应用至石羊河流域的中长期径流预报中。实例研究表明:运用基于MI-PCA的预报因子筛选方法构建的石羊河流域中长期径流预报BP神经网络模型检验期预报合格率为91.67%,优于单独基于互信息法(83.33%)和主成分分析法(75.00%)的合格率,预报精度满足相关标准规范的要求,可为石羊河流域中长期径流预报提供实际支撑。 相似文献
3.
通过分析暴雨融雪混合径流的物理成因,确定其主要影响因子,然后分析雨雪混合径流主要影响因子对径流的影响,建立一个基于BP神经网络雨雪混合径流预报模型。并利用新疆喀浪古尔河流域暴雨融雪径流资料对模型进行仿真训练实验和验证,通过结果比较分析,在一定程度上提高了模型预报精度,取得了一定成效。 相似文献
4.
径流预报在水资源综合开发利用、科学管理、优化调度等方面起着至关重要的作用。针对不同预报方法预报精度存在差异的问题,本文选用多元线性回归模型（MVLR）、灰色动态GM（1,N）模型、人工神经网络模型（ANN）分别对宜昌水文站日、月、汛期、非汛期流量进行模拟与比较分析,并在此基础上建立组合预报模型（CP）。结果表明：ANN模型预报精度相对较高,预报效果总体优于MVLR、GM（1,N）两种模型;CP模型能够降低预报的风险,但预报合格率略有下降;各模型日尺度流量预报精度高于月尺度,非汛期预报精度高于汛期。 相似文献
5.
《中国农村水利水电》2019,(5)
为了解决寒区春汛期径流预报问题,给寒区水资源利用提供指导依据,以嫩江上游库漠屯水文站控制流域为研究区,分析土壤温度、冬季降水、春汛期降水和流域蓄水状态对春汛流量过程和径流量的影响,建立春汛期径流预报方法,为寒区春汛期降水径流预报工作提供技术支持。研究结果表明:寒区春汛过程可进一步划分为融雪期和融冻期两个阶段,其中,-3℃为研究区春汛开始的标志。融雪期径流量与冬季降水和径流起涨阶段的降水之和高度相关,融冻期内退水流量与综合产流系数高度相关。预报方法易于操作,实现了春汛期降水径流模式预报,在研究区取得了良好的效果,融雪期和融冻期模拟结果的合格率分别达到80%和90%,可以广泛地应用到寒区其他流域。 相似文献
6.
降雨径流相关模型在丹江口水库洪水预报中的应用研究 总被引：1，自引：0，他引：1
针对丹江口流域已有水文资料及流域气象特点,将该流域划分为12个单元区,建立降雨径流经验相关模型,应用于丹江口水库的短期洪水预报系统,并采用基于可变遗忘因子递推最小二乘算法的校正技术对预报流量过程进行实时校正。计算结果表明,基于降雨径流经验相关模型预报的洪水过程与实测过程基本一致,洪峰数值及峰现时间指标合格率较高。实践证明,模型具有较高的预报精度,可为防汛部门提供较为准确的降雨径流预报方法。 相似文献
7.
为满足降雨径流预报的需要，研究了基于GIS的降雨径流预报方法。分析了水文过程的影响因素并阐述了数据信息的预处理方法；提出了基于遗传算法的神经网络模型，该模型提高了神经网络的训练精度和效率，将该模型应用在降雨径流预测中能有效提高预测水平；提出了结合地理信息系统的流域降雨径流预报方法，通过GIS对降雨信息的处理，提高了降雨径流预报模型的输入数据的精度；通过实例分析，验证了该方法在降雨径流预报应用中的可靠性和高效性。 相似文献
8.
为满足降雨径流预报的需要，研究了基于GIS的降雨径流预报方法。分析了水文过程的影响因素并阐述了数据信息的预处理方法；提出了基于遗传算法的神经网络模型，该模型提高了神经网络的训练精度和效率，将该模型应用在降雨径流预测中能有效提高预测水平；提出了结合地理信息系统流域降雨径流预报，通过GIS对降雨信息的处理，提高了降雨径流预报模型的输入数据的精度；通过实例分析，验证了该方法在降雨径流预报应用中的可靠性和高效性。 相似文献
9.
《中国农村水利水电》2019,(9)
针对石羊河流域开展水量调度对中长期径流预报的迫切需求,以西营水库为研究对象,在分析石羊河流域径流特性的基础上,构建基于主成分分析法筛选预报因子的BP、Elman和PSO-SVR三种预报模型对西营水库进行年径流预报。结果表明,基于主成分分析的Elman和PSO-SVR中长期径流预报模型在率定期和检验期的合格率均满足相关规定对作业预报模型的精度要求,可为石羊河流域中长期径流预报提供实际支撑,为石羊河流域开展水资源优化配置和水量调度提供依据。 相似文献
10.
径流中长期预报一直以来都是人们关注的热点研究问题,常用的时间序列法、多元回归分析法等都存在预报精度偏差过大的问题。以年径流作为自回归因子,降水和气温作为多元回归因子,建立了年径流预测的非线性混合回归模型,并利用BP神经网络进行模型求解。戴营水文站的年径流预报结果表明,与自回归模型、多元回归模型、BP网络模型和线性混合回归模型相比较,非线性混合回归模型具有较高的预报精度。 相似文献
11.
黄河上游年降雨-径流预测研究 总被引：5，自引：0，他引：5
基于多层前向人工神经网络理论，通过GA-BP混合算法，使用黄河上游兰州水文站45年实测降雨和径流序列资料，建立了降雨—径流预测的GA-BP神经网络模型。研究表明，仅用预报前时段的降雨和径流作为输入，来实现下时段的径流预测，其预报精度较差，但在预报期内有一定精度的降雨预报输入时，所建模型对下时段的径流预测，与传统的统计建模方法相比，预报精度较高，能较好地反映黄河上游区的降雨—径流规律，可应用于实际需要。 相似文献
12.
山洪灾害往往给山区人民生命财产、自然环境等造成了极大的损害,降低山洪灾害的有效途径之一是实现基于降雨径流模型的实时预报预警系统。选取四川省山洪易发流域-清溪河流域为研究区,通过GIS技术,结合流域DEM、土壤及土地利用数据提取流域信息,构建HEC-HMS降雨-径流模型进行流域山洪预报。根据降雨径流形成过程,分别采用SCS-CN曲线法、SCS单位线法、指数退水法和马斯京根法进行计算产流、坡面汇流、基流和河道汇流四个部分。选取6场洪水进行模型参数的率定,4场洪水进行模型验证。模拟结果表明:Nash效率系数均值为0.792,相关系数均值为0.84,峰现时差均在3 h以内,合格率为90%,该模型对清溪河山洪预报具有较好适应性,可为四川省中小河流域山洪预报提供借鉴和参考。 相似文献
13.
中小尺度流域洪水模型模拟比较研究 总被引：1，自引：0，他引：1
中小尺度流域洪水模拟是水文预报和防洪减灾的重要基础工作,选择适宜的水文模型对制定水文预报方案具有重要意义。以长江上游支流沿渡河流域为研究对象,对比分析了3种不同类型的水文模型(新安江模型、TOPMODEL、人工神经网络模型)对场次暴雨洪水过程的模拟效果及适用性。结果表明:各模型在模拟场次和验证场次的平均NSE效率系数均超过0.7,平均径流深误差均低于12%,可见3种模型在沿渡河这一湿润地区典型中小尺度流域均有较好的适用性。在验证期,新安江模型模拟的径流深相对误差均未超出许可误差20%的范围,且NSE系数均值达到0.826,然而Topmodel和BP模型模拟下各场次洪水的NSE系数虽均大于0.6,但个别场次结果精度较低。此外,新安江和BP模型的实测与模拟流量点群更接近1∶1线,在流量模拟方面更好,Topmodel的流量模拟整体偏大。总的来说,新安江模型在流域的适用性更好,Topmodel和BP模型次之。 相似文献
14.
曹伟 《国际沙棘研究与开发》2016,(1):53-56
针对径流时间序列固有的非线性和随机性特点,本文提出了基于灰色关联分析的模糊支持向量机预报方法.该方法在传统支持向量机任意逼近的非线性映射能力上,引入模糊隶属函数来考虑气候和流域下垫面变化下径流样本对预报结果的影响.此外,预报因子选取是中长期径流预报的一大难点,考虑到相关系数法只能衡量因子间线性相关程度的不足,本文采用灰色关联分析来量化预报因子与预报对象的关联程度,并按关联度大小挑选出对径流过程影响显著的预报因子.将该方法应用于新疆车尔臣河的月径流预报中,与GRNN神经网络模型和A-FSVM模型的预报结果比较表明:该方法能提高径流中长期预报精度,是一种有效的径流时间序列预测模型. 相似文献
15.
为具体考虑各水文模型适用条件、灵活利用模型预报特征对研究流域进行高精度耦合径流预报，将雅砻江流域雅江～吉居区间作为研究对象，以提升径流预报精度和稳定性为首要目的，构建涵盖新安江模型、水箱模型和TOPMODEL模型的多模型径流预报方法库，引入最小二乘法、岭回归法和极端梯度提升树法耦合各模型进行水文预报，并提出多评价指标体系对各耦合方法的预测性能进行对比分析。结论表明，极端梯度提升树法相较于其余两种方法有稳定的预测性能和强大的泛化能力，为该流域其他区间的预报工作提供了新的思路。 相似文献
16.
在分析黄河凌汛期的主要影响因素的基础上，建立了黄河三门峡水库入库凌汛期（11～3月）径流预报模型，并对模型进行评定、检验，成果均高于预报规范要求的合格率。为解决黄河水资源供需矛盾，为编制三门峡水库调度和黄河下游多库联合调度方案提供重要的参考依据。 相似文献
17.
河道洪水预测的BP网络模型及应用 总被引：2，自引：0，他引：2
针对长江中游螺山至汉口站洪水过程, 采用一种改进BP算法，初步建立了考虑区间入流的河道洪水预测的BP神经网络模型，利用该模型对汉口站1986～1987，1998～1999年汛期洪水进行了预报。结果表明，在延长预见期为5d的情况下，应用神经网络对长江中游汉口站流量进行预报是可行的。 相似文献
18.
在分析黄河凌汛期的主要影响因素的基础上,建立了黄河三门峡水库入库凌汛期(11～翌年3月)径流预报模型,并对模型进行评定、检验,成果均高于预报规范要求的合格率.为解决黄河水资源供需矛盾,为编制三门峡水库调度和黄河下游多库联合调度方案提供重要的参考依据. 相似文献
19.
径流预测的支持向量机应用探讨 总被引：6，自引：0，他引：6
支持向量机是近年来提出的一种新的机器学习算法，它能针对在样本有限的情况，采用结构风险最小化准则，把学习问题转化为一个二次规划问题来获得最优解，从而克服了神经网络易陷于局部极小值的缺点。尝试将支持向量机算法应用于径流预测，并与BP神经网络方法的预测结果进行了对比，证明SVM方法预测径流量精度要略优于BP神经网络方法。 相似文献
20.
在进行水文预报时，由于影响河道洪水的因素众多，常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力，以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息，对BP网络洪水实时预报校正模型与方法进行了探讨，提出了两种实时预报方法。第一：运用最小二乘递推算法，引入时变遗忘因子实时跟踪模型中时变参数的变化，建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二：利用BP网络模型对误差的可识别性，将模型对输出变量的预报误差再次作为输出变量，对网络可能预报的误差进行实时修正。计算实例表明：以上两种方法提高了神经网络在水文领域的预报精度，给BP神经网络的实时预报方法提供了新的途径。 相似文献