共查询到20条相似文献，搜索用时 203 毫秒
1.
【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似序列,通过相关性分析选取有效子序列与近似序列相加得到的新序列作为支持向量机回归模型的输入,建立小波支持向量机回归耦合模型,以泾河流域张家山站的日径流为研究对象,利用均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)、相关系数(R)及相对误差(RE)作为评价指标对模型预测精度进行评价。【结果】利用所建立的小波日径流支持向量机模型对张家山站日径流的预测结果显示,该模型在检验阶段的RMSE、MAE、DC、R及RE分别为26.05m3/s,8.26m3/s,0.826,0.910,-13.3%,与仅使用支持向量机回归模型(SVR)相比,耦合模型预测精度明显提高,且非汛期预测效果优于汛期。【结论】建立了小波支持向量机回归耦合模型,该模型可有效模拟和预测日径流,为日径流预测提供了新的途径。 相似文献
2.
《江西农业学报》2022,(10)
基于鄱阳湖流域14702014年的原始旱涝等级序列,利用最新的完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)和BP神经网络(Back Propagation Neural Network),构建了鄱阳湖流域旱涝的长期预测CEEMD-BP模型。结果表明:与EEMD相比,CEEMD对原始数据进行平稳化处理的效果更好,能更有效地提取原始数据中隐含的周期信号和长期趋势;原始数据经CEEMD分解后得到若干个本征模函数(Intrinsic Mode Function,IMF)序列,BP神经网络可以较好地拟合或预测这些IMF序列;CEEMD-BP模型对鄱阳湖流域19852014年的原始旱涝等级序列,利用最新的完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)和BP神经网络(Back Propagation Neural Network),构建了鄱阳湖流域旱涝的长期预测CEEMD-BP模型。结果表明:与EEMD相比,CEEMD对原始数据进行平稳化处理的效果更好,能更有效地提取原始数据中隐含的周期信号和长期趋势;原始数据经CEEMD分解后得到若干个本征模函数(Intrinsic Mode Function,IMF)序列,BP神经网络可以较好地拟合或预测这些IMF序列;CEEMD-BP模型对鄱阳湖流域19852014年旱涝等级序列的预测精度优于单一BP神经网络的。CEEMD-BP模型对20152014年旱涝等级序列的预测精度优于单一BP神经网络的。CEEMD-BP模型对20152064年的长期预测显示,未来50年鄱阳湖流域的旱涝指数有先上升后下降的趋势。 相似文献
3.
燕山水库入库径流演变规律及驱动力分析 总被引：2，自引：0，他引：2
【目的】揭示入库径流的演变规律,探讨人类活动对径流演变的影响。【方法】以燕山水库入库径流为研究对象,运用随机水文学和时间序列理论,对燕山水库1954~2001年近50年来的径流演变规律及其驱动力因素进行了全面分析。【结果】燕山水库入库径流的年径流量、汛期径流量均存在不太显著的减少趋势;径流演变呈现出7,11和19年丰枯交替的现象和阶段性特征;3个阶段人类驱动力对径流减少的贡献率依次为0%,3.2%和7.5%。【结论】入库径流和汛期径流减少的趋势受降水的影响逐渐减弱,而人类活动对径流演变的影响在逐步增强;工业、城镇居民大量用水和农业灌溉用水是影响径流减少的最主要驱动力。 相似文献
4.
《沈阳农业大学学报》2015,(2)
入库径流同时受自然及人为因素影响,为了更好的调控径流,更加合理的利用水资源,采用1959~2011年53a大伙房水库入库径流及降水资料,借助Mann-Kendall法、有序聚类分析、Morlet小波分析等方法分析大伙房水库入库径流年际、年内变化规律,探讨降水及人类活动对入库径流的影响。结果表明:53a来大伙房水库入库径流年径流、汛期径流、非汛期径流均呈不明显减少趋势,且存在6a和28a的丰枯交替现象和阶段性特征;入库径流年内分配极不均匀,最大月入库径流可占年入库径流的67%以上。降水对大伙房水库入库径流的影响逐渐变小,而人类活动对入库径流的影响呈递增趋势,1959~1975年和1976~2011年两个阶段中人类活动对入库径流减少的贡献率分别为3.1%和9.6%,说明人类活动为大伙房水库入库径流减小的主要驱动因子。 相似文献
5.
月塘水库为仪征市应急备用水源地,流域内农业为主要产业,由农业活动产生的非点源污染也成为该水库污染物的主要来源。选择总氮(TN)、总磷(TP)作为污染物代表指标,构建SWAT模型,模拟月塘水库流域2008—2018年月尺度下径流、TN、TP的入库量,以及年尺度下TN、TP负荷的空间分布,结合区域农业管理分析,结果表明：入库径流量与TN、TP峰值出现在汛期;流域上游氮、磷负荷弱于下游,关键污染源区主要为集中于水库周边以耕地为主的区域;水量调度会影响模拟精度,自然-人工水循环耦合是该模型的改进方向。 相似文献
6.
《江西农业学报》2017,(10)
基于鄱阳湖流域1470~2014年的原始旱涝等级序列,利用最新的完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)和BP神经网络(Back Propagation Neural Network),构建了鄱阳湖流域旱涝的长期预测CEEMD-BP模型。结果表明:与EEMD相比,CEEMD对原始数据进行平稳化处理的效果更好,能更有效地提取原始数据中隐含的周期信号和长期趋势;原始数据经CEEMD分解后得到若干个本征模函数(Intrinsic Mode Function,IMF)序列,BP神经网络可以较好地拟合或预测这些IMF序列;CEEMD-BP模型对鄱阳湖流域1985~2014年旱涝等级序列的预测精度优于单一BP神经网络的。CEEMD-BP模型对2015~2064年的长期预测显示,未来50年鄱阳湖流域的旱涝指数有先上升后下降的趋势。 相似文献
7.
【目的】探讨熵谱模型在月径流预报中的应用效果以及训练期长度对模型预报精度的影响,为熵谱模型在径流预报中的应用提供参考。【方法】月径流预报依据黑河莺落峡站月径流资料,采用伯格熵(BESA)和构造熵(CESA)2种熵谱模型进行月径流预报,并用平均相对误差(RE)、均方根误差(RMSE)、相关系数(R)和纳西效率系数(NSE)对模型预报精度进行评价。【结果】训练期长度过短会使模型阶数偏低,模型无法做出准确的预测;训练期长度过长会使模型阶数偏高,此时训练期和验证期精度反而略微下降;适中的训练期长度能够使模型的训练期和验证期精度均相对较高且稳定。对于黑河莺落峡站,BESA模型的最佳训练期长度为13年,CESA模型的最佳训练期长度为19年,CESA模型的训练期拟合精度和验证期预报精度均高于BESA模型,同时CESA模型在汛期预报精度相对较高,而BESA模型在非汛期预报精度相对较高。【结论】BESA和CESA 2种模型都可用于月径流预报,但需要合理选择训练期长度,使模型阶数适中且稳定,以提高预报精度和可靠性。 相似文献
8.
根据太子河流域降水和产汇流特点,利用流域试点区观音阁水库枯季入库径流量、上游汛期降水量、汛末入库径流量和枯季降水量等实测系列资料,对所建立的BP神经网络模型进行训练、检验和对比分析,结果表明,所建立的枯季径流BP预报模型是合理可行的,并且具备较高的精度,可在同类地区推广使用. 相似文献
9.
BP算法在辽宁观音阁水库枯季地表入库径流实时预报中的应用 总被引：1，自引：0，他引：1
根据太子河流域降水和产汇流特点,利用流域试点区观音阁水库枯季入库径流量、上游汛期降水量、汛末入库径流量和枯季降水量等实测系列资料,对所建立的BP神经网络模型进行训练、检验和对比分析,结果表明,所建立的枯季径流BP预报模型是合理可行的,并且具备较高的精度,可在同类地区推广使用。 相似文献
10.
【目的】预测黑河金盆水库的入库流量过程,为水库汛期的安全运行提供理论依据。【方法】根据陕西省黑河金盆水库流域水文、气象资料,采用Topmodel模型模拟流域的降雨径流过程,以流域内2003-2007年雨量站及水文站的实测数据进行模型率定,以2009年的实测资料对模型进行检验。【结果】Topmodel模型模拟结果显示,模拟期Nash系数平均值为0.78,洪峰预报误差的平均值为-10.3%,峰现时间平均值为-1 h;检验期Nash系数平均值为0.875,洪峰预报误差平均值为11.2%,峰现时间平均值为-1 h。Topmodel模型在黑河金盆水库流域的预报水平为乙等水平。【结论】模型在该流域具有较强的适用性,可以用于金盆水库汛期的入库流量预报,可为水库的安全运行和科学管理提供数据支持。 相似文献
11.
基于改进马尔可夫链的径流预测模型 总被引：5，自引：0，他引：5
径流预测在区域水资源规划中发挥着重要作用。基于径流过程不确定性、不精确性的特点,利用资料系列的均方差方法把径流序列分为不同的状态。在此基础上,采用统计方法,建立转移概率矩阵,以规范化的各阶自相关系数为权重,用加权的马尔可夫模型预测径流状态,并根据模糊集理论中的级别特征值预测径流量。最后把改进后的马尔可夫预测模型应用于宝鸡市的渭河径流丰枯状态及年径流量的预测中。1998￣2000年径流量预测的相对误差分别为3.64%,7.50%和1.00%,结果较好。 相似文献
12.
利用R/S分析法研究密云水库潮河流域大阁水文站1969-2013年的径流数据的变化趋势，以BP神经网络为背景，EEMD分解为辅助，建立分解-重构-预测的组合模型对月径流序列进行预测，利用蝴蝶算法（BOA）优化组合模型，综合得到最优预测模型。结果表明，大阁站年、月径流序列均呈现下降趋势；对月径流序列预测，BPNN预报合格率为60.0%，不能用于预报作业，但可作为参考使用（MAE=0.406，RMSE=0.539，MAPE=0.349 7）；引入BOA算法优化BP网络参数，得到EEMD-BOA-BP模型预报合格率为83.3%，可以用于预报作业（MAE=0.257，RMSE=0.347，MAPE=0.219 5）。通过EEMD分解得到分解-重构-预测组合模型对提高模型精度有一定的作用，同时在组合模型中引入优化算法能进一步提高模型精度。 相似文献
13.
利用潇河流域51 a的径流量资料,选择每月之前的12个月径流量作为预报因子,采用逐步回归分析的方法,对枯水期径流量进行了分析研究。结果表明,可以利用月径流量之间的关系建立枯水期月径流量预测模型,所建立的预测模型包含的自变量不超过5个,每个预测模型中均包含前一个月的径流量,均没有常数项,可用于实际作业预报;模型的预测精度随月径流量的增加有降低的趋势,其中12月份到翌年4月份的预测模型精度可以达到甲等,10月份、11月份和5月份可以达到乙等。 相似文献
14.
[目的]对我国巢湖东部水源区及入湖河流无机氮的形态特征及其影响进行研究。[方法]研究巢湖东部水源区及入湖河流溶解性无机氮(DIN)的形态组成和分布特征,并探讨它们对水质的影响。[结果]NH3-N、NO2--N平均浓度在汛期较高,非汛期较低,NO3--N正好相反;双桥河口NH3-N浓度远高于其他各点,污染最为严重。柘皋河口、小柘皋河口DIN主要为生活污水及工业废水污染所致;双桥河口地表径流、船舶污染等对DIN含量贡献较大。[结论]该研究为巢湖富营养化控制和治理提供了基础数据和理论依据。 相似文献
15.
针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%. 相似文献
16.
土长城形成的长城梁处在西北来风的风口上,干旱少雨,蒸发强烈,土壤干燥,植被稀疏,拦蓄径流能力极差,汛期洪水冲刷山坡严重,而且坡面洪水直接威胁着城市新区的安全。 相似文献
17.
18.
针对无监测站的河流断面的径流量预测难的问题,选取了有针对性的影响因子,采用人工神经网络的BP改进算法—自适应调节学习速率算法,以Matlab神经网络工具箱为工具,以辽河干流铁岭站为假想对象,建立了无站条件下年径流量预测模型,模型训练48次误差达到要求,以2004～2006年3年实测资料作为检验样本进行仿真,验证模型的精度。仿真结果表明:3年预测结果全部满足要求,说明该模型可用于河流任一断面年径流量的预测。 相似文献
19.
【目的】研究改进非参数解集模型在陕北地区月径流随机模拟中的适用性,为该区域水资源规划、开发利用和保护等提供决策依据。【方法】采用非参数核密度估计模型模拟年径流,利用改进非参数解集模型将年径流分解为月径流,对月径流进行随机模拟,并探讨改进非参数解集模型中不同正定型矩阵的分解方法。【结果】改进非参数解集模型考虑了分量与总量以及分量与各分量前期值的关系,克服了首尾自相关不一致的问题,对月径流实测序列的均值、均方差、Cv、Cs、最大值、最小值以及一、二阶自相关系数等统计特性保持较好,模拟效果比较理想。交口河站、张村驿站和绥德站S′矩阵为正定矩阵,可采用Cholesky分解法进行分解;刘家河站、志丹站、安塞站和杏河站S′矩阵为非正定矩阵,宜采用Schur分解法进行分解。【结论】利用改进非参数解集模型进行月径流的随机模拟是可行的。 相似文献
20.
[目的]对我国巢湖东部水源区及入湖河流无机氮的形态特征及其影响进行研究。[方法]研究巢湖东部水源区及入湖河流溶解性无机氮(DIN)的形态组成和分布特征,并探讨它们对水质的影响。[结果]NH3-N、NO2--N平均浓度在汛期较高,非汛期较低,NO3--N正好相反;双桥河口NH3-N浓度远高于其他各点,污染最为严重。柘皋河口、小柘皋河口DIN主要为生活污水及工业废水污染所致;双桥河口地表径流、船舶污染等对DIN含量贡献较大。[结论]该研究为巢湖富营养化控制和治理提供了基础数据和理论依据。 相似文献