人工神经网络模型与新安江模型的应用比较

新安江模型是我国研制的经典的概念性流域水文模型,其参数往往通过人工试错法进行率定,在洪水的实时预报中需建立误差自回归模型来修正预报值.人工神经网络模型是一种数据驱动模型,它可以通过算法调节权值和偏王值来模拟信息,实现了模型参数的自动率定.在实时预报的应用中,人工神经网络模型可以根据计算误差调节权值和偏置值,反映水文过程的时变性,模型结构显得更加简洁.本文将两种模型应用于潢川流域并作比较.它们的预报结果都达到了作业预报要求.在实际应用中可以根据资料情况选择模型进行洪水预报.     

鳌江流域洪水预报调度决策支持系统

位于浙江省温州市南部的鳌江是一条洪水灾害频繁的河流.介绍了鳌江流域洪水预报调度决策支持系统的总体设计、功能模块、逻辑结构、模型组织以及应用水文学及水力学的方法对流域洪水演进过程进行模拟计算的方法等,建立了一个可以在中小流域推广应用的防洪预报调度系统.     

ν-支持向量机洪水预报模型研究

为了提高洪水过程的非线性拟合能力和预报精度,对支持向量机洪水预报模型进行了深入研究。针对鸭绿江流域临江站的实际情况,建立了临江站洪水过程ν-SVR预报模型,采用1998~2014年间的大水年份降水资料和洪水过程资料对ν-SVR预报模型进行了率定和验证,并与线性动态系统模型、BP人工神经网络模型和ε-SVR模型进行了比较。结果表明:ν-SVR洪水预报模型比线性动态系统模型和BP人工神经网络具有较高的精度。ν-SVR洪水预报模型具有较好的非线性拟合能力和泛化能力,能很好地控制支持向量个数、降低模型的复杂程度,同时能保持良好的预报精度。     

淮河临淮岗洪水控制工程洪水调度模型研究

为了建立临淮岗工程洪水调度运行模型,建立了淮河中游润河集至鲁台子区段一维和二维嵌套式洪水演进模型,利用1982年和1991年实测洪水过程,验证所建立的数学模型。验证结果表明,所采用的数学模型能够较好地预报洪水演进过程,可为临淮岗工程运行调度方案确定提供科学依据。     

基于EasyRiv1D模型的漳卫河流域河道洪水演进模拟研究

漳卫河中下游河道断面变化较大,该流域的洪水预报调度十分复杂。传统的水文学方法只是借助于历史洪水进行汇流参数率定,本文借助于水力学方法和河道实测断面,利用Easy Riv1D模型对河道洪水演进模拟研究,取得了较好的预报效果,可以为漳卫河流域的河道洪水演进提供技术支撑。     

三峡区间入库洪水实时预报系统研究

三峡区间的数字流域水系模型采用基于格网型的数字高程模型坡面流模拟方法和处理"洼地"的最短流程法构建,并以新安江模型为基础建立具有诸多特点的三峡区间流域水文模型;以水动力学理论为基础建立考虑水利工程影响的河川型水库洪水演进模型,并实现这两者的有机耦合。在GIS平台上,将三峡区间流域水文模型、库区洪水演进模型和流域水系生成模型在底层集成,研制了功能先进和完善的三峡水库实时洪水预报系统。该系统已安装在三峡总公司梯级水库调度中心,投入试运行。     

人工神经网络模型在渭河下游洪水预报中的应用

通过对渭河下游站点的时间序列及空间分布的分析,确定出影响华县站流量的时间和空间信息,并将其引入神经网络模型;采用典型的BP神经网络,重点对网络的隐含层节点数、训练次数和学习率进行分析,构建了渭河下游华县断面流量预报的人工神经网络模型;并采用RMSE、NSC和相关系数 R作为模型效果评定标准,将其与传统多元统计回归模型进行了对比。结果表明,所建的BP神经网络模型较多元统计回归模型的预报效果有显著的提高。     

人工神经网络在海浪数值预报中的应用

探讨将人工神经网络技术和传统的数值模式相结合,以期得到一个更有效的海浪预报方法.以第3代海浪模式的模拟结果作为输入,浮标观测资料作为输出,采用人工神经网络进行训练,训练的初步结果显示,人工神经网络可以改进海浪数值模式的预报精度,但在波高比较大时,改进的效果并不令人满意.为此,对观测值大于1.5m时的有效波高进行再训练,从而结果有了进一步的改善.研究结果证明人工神经网络技术可以提高海浪数值预报的精度.     

长江中游洞庭湖防洪系统水流模拟——Ⅱ．模型实现和率定检验

在长江中游洞庭湖防洪系统水流模拟模型的建模思路和基本算法的基础上,侧重讨论建模过程中遇到的内、外边界条件的特殊处理、洪水实时预报校正模型的应用、资料处理和模型数据的拟定等重要环节,强调了有关处理及其与模型基本算法的磨合在复杂水流模型中的重要作用.采用80年代两场实测洪水对所建模型进行了率定和检验.结果表明,所建模型清晰地重现了长江中游--洞庭湖区的洪水动态演进过程,得到了总体趋势合理的水位分布和流速或流量分布;模拟的控制站水位、流量过程与实况比较,峰谷完全对应,过程吻合良好,精度满足防洪预报和分析的要求,能够较好地模拟洪水波在这样复杂水系中的水流特征.     

基于BP人工神经网络的枯水径流预报方案研究

介绍了BP人工神经网络的桔水径流预报方法,编制了锦屏一级水电站枯水径流预报方案.根据枯水径流预报方案的预报精度评定成果,总结了应用BP人工神经网络进行枯水径流预报的特点.研究表明基于BP人工神经网络的枯水径流预报方案能够满足水文情报预报规范,具有较好的实用性和可行性.     

山洪预报预警技术研究进展

山洪预报预警研究是实施山洪灾害防治的重要科学支撑。目前国内外学者对山洪预报预警技术的研究主要集中在山洪预警指标、山洪预报预警模型以及山洪灾害风险分析等方面,本文对山洪预报预警技术相关研究进展进行了总结,并指出未来在山洪灾害监测、山洪预报预警模型研制、多元信息融合技术、结合山洪特点和区划有针对性进行预报预警等方面还应进行更深入的研究。     

水库防洪实时调度决策模糊推理神经网络模型及其应用

水库防洪实时调度决策方法是研究水库调度问题的主要内容。针对传统方法研究不系统、不全面、不能综合利用面临时刻所有信息、不具有学习功能等缺点，提出了水库防洪实时调度决策模糊推理神经网络模型，它在一定程度上较好地解决了这个问题。用大伙房水库75704次、85804次洪水调度作为计算实例，取得了比较理想的效果。     

BP神经网络洪水预报模型在洪水预报系统中的应用

采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。     

洪水预报过程的交互式修正技术研究

由于预报模型的局限性和实时信息的不完善,洪水预报过程存在许多误差,而基于图形交互式修正技术是消除预报误差的有效手段。分析了水文预报过程交互式修正技术在洪水预报工作中的重要性,介绍了过程拟合平滑技术和样条插值技术,基于此基础上研究实现了以橡皮筋形式交互式修正水文预报过程的技术,并应用于洪水预报系统中。研究实例表明,该技术使用方便,有效地提高了洪水预报精度。     

三种基于神经网络的洪水实时预报方案的比较研究

在总结神经网络应用的基础上,归纳了3种基于神经网络的洪水实时预报方案。第一种是神经网络水文模型的模拟模式加模拟误差的自回归校正模型,第二种是权重系数固定的神经网络实时预报方案,第三种是权重系数自动更新的神经网络实时预报方案。采用10个不同流域的日流量资料对这3种方案进行率定和校核。比较这3种方案的实时预报精度。结果发现,第三种方案不仅预报精度要高于其他两种方案,而且比第一种方案少了一个自回归校正模型,结构简洁。本文建议采用第三种洪水实时预报方案。     

上海市防汛辅助决策系统研究

针对威胁上海的三大水灾，研制暴雨积水模型、风暴潮模型、河网水力模型、灾害评估模型，在GIS基础上建立了上海市防汛辅助决策系统，实现了对处于平原感潮河网的上海市洪涝灾害的实时监测、分析预报、风险评估和网上发布。为分析洪涝形势、制定防汛成灾方案、进行灾情评估以及工程管理，提供准确、及时、全面的信息支持。阐述了系统的总体设计、功能模块、关键技术和特色，分析了GIS、水动力学模型在系统中的作用。     

复杂洪水预报系统的集成技术研究

以广西南盘江天生桥一级电站施工洪水预报系统为例,讨论了以水情数据库、洪水预报模型、数据库管理系统和模型管理器为基础构建集成化复杂洪水预报系统的若干技术问题,提出了用邻接矩阵来形式化和规范化预报系统水情数据与预报模型之间复杂关系的一般方法.     

灰关联神经网络法及防洪堤边坡稳定性分析

灰关联分析神经网络方法首先是对防洪堤边坡稳定性影响因素进行灰关联分析,得出各因素影响程度的大小排序,然后建立该工程的神经网络模型,选择灰关联分析得到的优势因子作为样本输入以及关联度作为网络权值确定的一个因素,利用大量南宁市防洪堤边坡工程实例对网络进行训练学习,最后用训练成功的网络对工程进行预测。预测的结果与实际情况进行对比表明,这个方法能够满足南宁市防洪堤边坡稳定性预测的要求。     

感潮河段水位过程预报探讨

感潮河段水位过程同时受径流、潮流影响,其预报较为困难.将水位过程视为时间序列,用不同的模型进行了预报比较,认为以潮汐作用为主的水位预报可采用神经网络模型,对高水位预报可采用ARMA(2,1)模型,而对洪水作用为主的河道,各模型的预报能力均有待提高