SSA分解预校正模型在辽宁西部水库年径流预测中的应用研究

本文采用SSA分解预测模型结合灰色预测模型对辽宁西部某水库年径流进行预测。研究结果表明:SSA分解预测模型可降低年径流低频振荡的显著性,可对灰色预测模型预测的年径流系列进行预先校正,提供模型预测精度。相比于校正前的灰色模型,校正后的模拟预测年径流系列和水库实测年径流系列相对误差减少15.2%,年径流相关系数提高0.21,研究成果对于水库年径流预测方法提供参考价值。     

非相依年径流序列的随机模拟

本文提出了一种非相依年径流序列的随机模拟方法。该法应用谐波分析方法,从原始序列中分离出适宜的复合周期分量,使剩余序列具有良好的相依性,然后通过模拟剩余序列来实现对非相依年径流序列的随机模拟。模拟中选用了偏态的一阶自回归模型。结果显示,用本文提出的方法及选定的模型模拟的非相依年径流序列较好地保持了实测年径流序列的主要统计特征,具有较好的实用性。     

小波神经网络在径流预测中的应用

将小波分析与传统的BP神经网络模型进行组合,提出了一种新的径流中长期预测方法。该方法对年径流序列进行Mallat小波分解,将分解后得到的不同尺度下的低频成分和高频成分分别进行Mallat算法重构,对重构系列采用BP神经网络模型进行预测。采用黄河三门峡站1470-2002年的年径流资料进行模型的预测和检验,并与传统的BP神经网络模型进行比较,研究结果表明小波神经网络在径流预测中具有较好的预报精度,可以成功地用于径流模拟和预测。     

加权马尔可夫链在开都河径流预测中的应用

基于径流过程不确定性、不精确性的特点,可利用资料系列的均方差方法把径流序列分为不同的状态,在此基础上用加权马尔可夫模型预测径流状态,并根据级别特征值预测径流量.在开都河的实例应用表明:将加权马尔可夫链方法应用于径流量预测是可行的,预测精度较高.     

基于GA-Elman神经网络模型的年径流预测

针对传统神经网络模型静态性及训练算法易陷入局部极值的缺陷,为了实现神经网络训练全局寻优,提高模拟精度,并使网络结构能动态反映年径流系列的时变特性,本文以年降雨及气温作为输入因子、年径流量为模型预测对象,结合遗传算法和Elman神经网络各自的优点,采用遗传算法对网络权值阈值全局优化,通过二者的耦合构建了GA-Elman年径流预测模型。利用构皮滩站1961—2015年的径流系列对模型进行了训练及测试,并对各模型预测性能比较分析。结果表明:GA-Elman模型预测平均相对误差5.29%、均方根误差55.81 mm,效果良好,对于径流预测具有实用价值;神经网络模型预测精度优于基于线性方法的模型,预测平均相对误差从12.01%降至7.07%以下;采用遗传算法改进神经网络权值阈值优化过程,预测平均相对误差从7.07%降低到5.29%,可明显提高模型泛化能力,从而改善径流预测效果。     

基于相似流域法的SWAT模型模拟黄河中游无资料地区径流

选用黄河中游两个小流域,基于相似流域法探求分布式水文模型SWAT在黄河中游小流域无资料地区径流模拟的适用性。通过距离、流域面积相近及属性相似的方法,用已知流域率定参数移植到无资料流域进行径流模拟。选取2009-2013年的日径流与月径流进行模型率定,以效率系数(NS)和决定系数(R2)为评价指标,率定出4个模型敏感系数,并用2014-2016年的日径流与月径流进行模型验证。结果显示:率定期月径流模拟的R2为0. 76,NS为0. 70;日径流模拟的R2为0. 70,NS为0. 64;验证期月径流模拟的R2为0. 82,NS为0. 74;日径流模拟的R2为0. 78,NS为0. 68。说明基于相似流域法的SWAT模型对于无资料的小流域月径流量模拟具有很好的适用性。     

年径流预测的Shepard插值模型

年径流现象是多种因子综合作用的结果,各预测因子与年径流之间是复杂的非线性关系。目前提出的年径流预测模型大多用显式函数来表示,其具体的函数形式需随研究地区的不同而作相应的改变,求解这些函数一般较复杂。实际预测工作则常常是把本次年径流的预测因子值与当地年径流预测因子历史样本系列逐个进行比较分析,实践表明这种方法行之有效。为此,提出用Shepard插值方法构建年径流预测的新模型（SP模型）。实例研究的结果说明,SP模型简便、实用性强,可在径流中长期预测中广泛应用。     

周期叠加外延—最近邻抽样回归组合模型在韩江流域年径流预测中的应用

为提高年径流预报精度,尝试将周期叠加外延法与最近邻抽样回归模型结合,用韩江流域潮安站年径流系列作试验,结果表明组合模型预测合格率比单一周期叠加外延模型高,预测效果较好.     

基于自相关分析的BP网络年径流预测模型及其应用

在目前利用BP神经网络进行径流预测的方法中,网络输入与输出的确定方法比较模糊,缺乏理论依据.鉴于此,提出通过对数据系列进行自相关性分析来确定网络结构的方法,此方法建立的BP网络预测模型应用于某电站的年径流预测.结果表明,该模型预测精度高,能够满足电站对径流预测的需要.     

漳河流域径流演变规律及月径流预报模型研究

采用20世纪50年代以来的长系列水文资料,通过统计方法对漳河流域径流量进行趋势性及突变性分析,发现漳河流域总体年径流量呈现减少的趋势,1980年前后为该流域的突变年份,20世纪80年代以来流域人类活动影响较大。通过对径流演变的分析,采用三参数月水量平衡模型对流域月径流量进行模拟预测,通过遗传算法进行模型参数率定,并采用神经网络对预测结果进行实时校正。结果表明,该方法对漳河流域月径流预测有比较好的效果,可以应用于该流域的模拟预测研究。