产流误差平稳矩阵的系统响应修正方法

为提高洪水预报的精度以及修正结果的稳定性,提出了产流误差平稳矩阵的系统响应修正方法。该方法基于产流误差动态系统响应曲线修正方法,通过引入产流误差平稳矩阵,在计算方法中增添了稳定约束项,使时段产流修正值相互联系,增强了修正结果的稳定性。应用动态系统响应曲线,反演计算出较稳定的产流误差,对时段产流进行修正。将产流误差平稳矩阵的系统响应修正方法应用于滩坑流域,并与产流误差动态系统响应曲线修正方法相比较,结果显示,对于流域的17场历史洪水,前者修正结果的稳定性明显优于后者,修正效果也有所改善,适用情况更加广泛。新方法具有一定的物理基础且不损失预见期,值得进一步推广与应用。     

产流误差动态系统响应曲线修正方法的应用

动态系统响应曲线修正方法(Dynamic System Response Curve,DSRC)是一种基于微分响应的有明确物理意义并且有效的实时修正新方法,属于向误差源头进行修正的方法。通过计算产流的系统响应曲线对产流系列进行修正,实现流量过程的修正。将该方法与新安江模型相结合应用于闽江上游的水吉流域,并将修正效果与递推最小二乘法进行了比较。利用水吉流域29场洪水资料进行模拟和修正,结果表明该方法可以有效提高洪水预报的精度,且其效果优于递推最小二乘法。     

按等价观测值理论进行导线网平差

按等价观测值的理论进行导线网的平差(非相关平差),结合条件平差和间接平差的优点,使得观测元素的数据处理和点位精度的评定更具最小二乘特点。     

抗差主成分估计在单位线推算中的应用

流域汇流单位线的推求常使用最小二乘法,但当法方程系数矩阵病态或是观测值中含有粗差时,用传统的最小二乘法估计的误差会很大。针对这些情况,采用抗差最小二乘法和有偏估计的抗差主成分估计法,与最小二乘估计进行计算比较。计算结果表明,抗差主成分估计不但能够克服法方程系数矩阵病态的影响,而且能够抵御观测值中异常值的干扰,得到光滑合理的单位线。     

产流误差平稳矩阵的系统响应修正方法参数分析

为进一步提高洪水预报精度,扩展产流误差平稳矩阵的系统响应修正方法的应用范围,首先通过理论推导,比较了产流误差动态系统响应曲线修正方法与产流误差平稳矩阵的系统响应修正方法的特点,比较结果表明后者具有更强的修正稳定性以及更好的修正效果;然后通过理想案例和实际案例对该方法应用效果和参数选取进行讨论,应用结果显示产流误差平稳矩阵的系统响应修正方法应用于达开水库流域具有较好的修正效果,明显提高了洪水预报精度;参数分析结果显示存在一个最优的权重系数使得修正效果达到最佳,并且在实际流域上权重系数取值幅度较大。     

大坝变形监测网平差模型优化设计

介绍了水利工程大坝变形监测网数据处理的平差模型。在观测值和平差模型的系数矩阵同时存在误差的情况下,运用传统平差模型处理监测网的观测数据精度较低,无法满足变形监测需要。通过附加限制条件的平差模型优化,能对测量数据进行有效处理,消除和削弱观测值和模型系数矩阵的误差,提高监测网的解算精度,为大坝变形分析提供精确数据。     

一维非恒定水动力学模型的实时洪水预报

本文建立了一维非恒定水动力学模型与最小二乘法耦合的实时洪水预报模型。运用最小二乘的递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,并动态修正参数,实时改变一维非恒定水动力学模型结构,对洪水预报进行实时修正。通过长江干流宜昌～螺山段洪水实时预报应用．改进后模型预报精度比原一维非恒定水动力学模型计算结果有很大提高,表明所建立的模型用于洪水预报是行之有效的,在洪水预报中具有推广应用价值。     

谷幅变形全天时自动化监测的精密气象改正方法

谷幅变形监测对保障蓄水电站等重大基础设施安全有重要作用。然而，传统谷幅变形监测方法大都选择河谷两岸气象条件较为稳定且一致时观测，很大程度上限制了谷幅变形监测全天时自动化监测的实施。为此，引入测量平差理论，研究谷幅变形全天时自动化监测的气象误差改正方法。首先，采用传统气象改正模型初步改正光电测距的气象误差；其次，采用Fourier级数拟合建立初步气象距离的全天时趋势误差模型，并据此削弱趋势项误差；再次，提出联合稳健卡尔曼滤波和加权最小二乘算法获取全天时谷幅变形观测值；最后，选用了锦屏一级水电站测试上述方法。结果显示，该方法估计的谷幅变形精度约0.9 mm,基本能够满足谷幅变形监测对精度的要求。     

全过程联合校正的洪水预报修正方法

洪水实时校正是洪水预报的重要组成内容,也是水文预报研究的热点与难点。为进一步提高洪水预报精度,提出了一种全过程联合校正的洪水预报修正方法。该方法的主旨是在雨量站数目较多的流域,构建雨量站网密度与洪水预报误差分配比例之间的定量关系;对雨量站数目较少的流域,借用该比例关系,将洪水预报总误差按比例划分为面雨量输入误差和模型误差两部分;再基于系统响应理论,对研究流域的这两部分误差进行修正,从而实现输入误差与模型误差的全过程联合校正。在淮河三个典型流域的应用结果表明,相较于目前单变量的系统响应曲线修正方法,全过程联合校正方法可进一步提升误差修正效果,提高洪水预报精度。     

小浪底-花园口区间洪水智能预报方法研究

结合实际资料,以改进的神经网络模型检验了小浪底一花园口区间洪水智能预报方法的可行性和精度的可靠性,并对出现个别较大误差的原因进行了分析。研究结果表明,采用遗传算法优化网络初始权再和引人峰值修正系数的改进BP算法进行洪水预报,其模型合理、算法可靠、精度较高。同时,为充分发挥神经网络对复朵系统映射的优势,建议：①加强水文观测力度,获得较为准确的观测资料,包括连续的水位、流量资料,洪峰传播时间以硬区间人流等;②在实际应用中直接采用当前洪水数据作为训练样本,以使网络更能反映当前洪水的演进规律,并提高预报精度;③开展误差实时修正的研究,将误差修正方法引入到模型中;④扩大建模范围,建立降雨-径流预报模犁,并考虑区间入流情况,以进一步提高网络的预报精度,延长预见期。     

改进的偏最小二乘法在青海省农业用水预测中的应用

根据2000—2009年影响青海省农业用水的11个因子的基础数据,建立偏最小二乘回归模型,考虑到模型的实用性和准确性,运用后退法对偏最小二乘法进行改进,剔除了5个不需要的变量,得到了拟合精度更高的结果。选取2010—2013年数据进行模型检验。结果表明:运用偏最小二乘法预测的结果与实际情况贴近,并且改进的模型的贴近度更高。通过模型的应用,可以看到偏最小二乘法在青海省农业用水预测中有较好的应用价值,并且改进后的偏最小二乘法简化了模型,提高了预测精度,为青海省的农业用水预测提供了依据。     

一种高效的SWAT模型参数自动率定方法

本文分析了SWAT模型和PSO算法的原理,将PSO算法引入SWAT模型中,构建了新的SWAT模型参数自动率定模块,通过在天津蓟运河流域实例研究,发现该方法率定精度较高,收敛速度快,运行结果稳定,整体率定效果优于模型自带的参数率定模块。如果用改进后的模块在Linux平台开展自动率定,可以使模型自动率定效率提高到当前水平的7倍,适用于大型流域或长时间系列模拟。而PSO算法作为一种通用的优化算法,可广泛用于各种水文模型的参数率定。     

An investigation of the instrumental variable-approximate maximum likelihood method of modeling and forecasting daily flows

The instrumental variable-approximate maximum likelihood (IV0AML) method provides a technique to develop better models for short-time increment hydrologic data. In this method, a recursive input-output model, which consists of a deterministic model and a stochastic noise model are used. These models handle the system and measurement noise separately. The instrumental variable method has been developed to eliminate the bias in parameter estimates.The IV-AML method is investigated in the present study. Parameters of daily rainfall-runoff models are estimated by the IV-AML and by least squares methods and compared. The effects of a rainfall filter on parameter estimates are also investigated. Forecast accuracies of models whose parameters are estimated by IV-AML and least squares methods are compared.The results indicate that the forecast accuracy of models whose parameters are estimated by least squares method is comparable to that of models whose parameters are estimated by IV-AML method. The rainfall filter, on the other hand, reduces the parameter variation and improves forecasts.     

基于加权最小二乘的结构模态参数与损伤识别

为提高利用最小二乘进行模态参数识别的精确度,提出了分频段加权最小二乘模态参数及损伤区域识别方法。分别基于各频率段能量和普通克里金插值作为权值,加权计算模态参数。将此方法应用于识别时变系统,用于Koyna混凝土重力坝在地震作用下损伤识别中。结果表明,识别的固有频率时程曲线可以准确地对结构损伤情况进行描述,根据坝体观测点在初始和损伤结束时刻的响应信号识别的归一化振型可以对结构损伤进行定位。该方法可以较大地提高结构模态参数的识别精度,并且准确地识别结构的损伤区域。     

果蝇优化算法在区域高程拟合中的应用

针对最小二乘支持向量机拟合法难以选择最优参数的问题,将果蝇优化算法引入最小二乘支持向量机中,构建区域GPS高程拟合模型的方法,利用果蝇优化算法全局寻优能力强、过程简洁、参数少等优点,解决最小二乘支持向量机的参数寻优问题,并通过最小二乘支持向量机来构建高程拟合模型。结果表明,与BP神经网络拟合方法相比,引入果蝇优化算法的最小二乘支持向量机拟合方法具有更高的稳定性,内符合精度比标准最小二乘支持向量机提高了26%。     

新型和声搜索算法在土坡稳定分析中的应用

首先提出了一种产生任意滑动面的策略,对可行的滑动面采用Spencer法计算其安全系数;其次改进了基本和声搜索算法的寻优思路,充分利用较优异的和声信息,在每一迭代步中产生多个新和声,然后重新选择优秀的个体进入和声库,构成迭代。该新型和声搜索算法应用于两个复杂土坡的稳定分析中,所得结果与文献中已有结果以及基本和声搜索算法的结果进行了比较,充分证明模拟任意滑动面的策略和改进和声搜索算法是高效的,可以用于复杂土坡稳定问题的分析。     

OSC-PLS法在大坝安全监控模型中的应用

为了提高PLS大坝监控模型的可解释性,引入一种数据预处理方法——正交信号修正(OSC)法,对原始自变量进行预处理,去除和因变量无关的信号,再建立PLS监控模型。实例分析表明,OSC-PLS法只需要1个主成分就可以建立监控模型,与PLS模型相比,该模型的回归系数具有明确的物理意义,因子的重要性指标更合理。因此,OSC-PLS大坝安全监控模型结构更简单,解释性更好,具有一定的推广价值。     

随机噪声干扰下水质模型参数的鲁棒估计方法

本文采用Dobbins-BOD-DO水质模型，用仿真试验模拟了随机噪声干扰对河流水质模型参数估计的影响。试验表明，最小二乘(LS)估计方法关于有色噪声和较高水平白噪声干扰不具鲁棒性，噪声干扰使估计参数漂离系统真实参数。为了克服随机噪声对河流水质模型参数估计的干扰，提出了一种水质模型参数的鲁棒估计方法，即基于M-估计的信赖域算法。通过对比试验和计算表明，M-估计对于有色噪声和白噪声干扰具有鲁棒性，无论是没有扰动情况还是有各种水平各种噪声类型的干扰情况，该方法能稳健可靠地搜索到真实值，且在估值精度、收敛性、抗噪性和鲁棒性方面均优于最小二乘(LS)估计方法。     

大华滑坡位移预测模型研究

针对传统滑坡位移预测过程中的不足,提出了一种基于最小二乘支持向量机(LSSVM)的滑坡位移预测方法。以某流域大华滑坡为例,基于时序分析和集合经验模态分解法(EEMD)将原始序列重构为趋势项和波动项,趋势项位移受滑坡内部因素影响,采用最小二乘法与多项式方程进行拟合预测;波动项位移受库水位、降雨、地下水位等周期性因素影响,结合灰色关联度法和核主成分分析法(KPCA)对输入因子进行筛选与降维,并用粒子群算法-最小二乘支持向量机耦合模型(PSO-LSSVM)进行建模预测。最后将趋势项与周期项预测位移相加得到累计预测位移,并对模型预测精度进行定量分析。结果表明,建立的EEMD-KPCA-PSO-LSSVM组合模型预测效果良好,较传统BP神经网络、LSSVM等单一模型有着更高的预测精度,可为同类型滑坡位移预测提供新的思路。