珠江梧州水文站枯季月径流预报

梧州站流量作为珠江下游河口地区压咸控制流量,其上游来水的丰枯直接关系到珠江流域枯季水量统一调度的成功实施。基于梧州站枯季(10月-3月)月径流资料,采用逐步回归法提取径流序列的趋势项、周期项,自回归方法预测随机项的组合预测方法建立了梧州站枯季径流预报模型。结果表明:逐步回归与自回归组合的方法在径流预报中取得了较好的预报效果,1月径流预报精度达到甲等,10月、11月、12月、2月以及3月预报精度均达到乙等,可用于实际水文预报工作中。     

两类集成学习算法在中长期径流预报中的应用

将前期130项遥相关气候指数作为预报因子,利用分类回归树算法(CART)作为基学习器,引入基于Bagging算法的随机森林模型(RF)与基于Boosting算法的梯度提升树模型(GBDT)的两类集成学习算法作为强学习预报模型,实现对丹江口水库未来1个月、1季度及1年3类径流序列的滚动预报,并通过相对误差绝对值的平均值(MAPE)、Nash效率系数(NSE)、相对均方根误差(RRMSE)、合格率(QR)等指标进行对比分析。研究结果表明,两类模型在验证期模拟精度相似,结果相仿,误差分布较均匀,可进一步用于集合径流预报;随着预报对象量级的增加,径流序列的不稳定性与极值序列分布的不均匀性得以降低,预报的准确度、可靠度以及稳定度得到提高。     

丹江口水库来水情势分析与径流预测

基于丹江口水库1956—2016年逐月平均流量资料,采用数理统计手段分析丹江口水库年径流量的周期性和趋势性;从百项气候系统指数集和太阳黑子数中筛选出预测因子,构建月平均流量与预测因子间的多元线性回归模型和随机森林模型,实现丹江口水库月径流预测。结果表明,丹江口水库年径流量呈显著的减小趋势,并伴随有6～8 a、18～21 a两类尺度的周期振荡特性;以2017年逐月平均流量为例,随机森林模型和多元线性回归模型的预报合格率分别为83.3%、75.0%,预报精度均较好,且随机森林模型的预测精度优于多元线性回归模型,可用于丹江口水库月径流预测。     

非平稳复杂年径流序列分析及耦合模型研究

本文针对复杂的年径流序列,提出首先识别并处理跳跃项,然后再进行趋势项、周期项的识别和提取,接着对剩余序列建立随机项模型,最终将趋势项模型、周期项模型和随机项模型耦合,建立复杂年径流预测耦合模型的新思路。并对某流域的年径流序列进行分析和预测,其预报结果具有一定的精度,表明模型是有效的,对其它复杂径流序列的研究具有一定的借鉴和指导作用。     

径流贝叶斯概率预报在水库发电优化调度中的应用

为了充分考虑降雨、径流预报的不确定性和降低水库发电调度模型的复杂性,采用贝叶斯概率水文预报系统(BFS)耦合降雨预报的不确定性和径流预报模型本身的不确定性来定量描述径流预报的不确定性,发布径流确定性预报、概率预报和概率预报期望值;结合随机动态规划(SDP)模型和贝叶斯随机动态规划(BSDP)模型来制定发电调度图;以浑江桓仁水库流域为背景,采用美国国家天气局的全球预报系统(GFS)发布的10d降雨预报信息作为预报模型输入,模拟桓仁水库的发电调度过程。模拟结果表明基于径流贝叶斯概率预报的水库发电调度能有效提高水库的发电效益和保证率。     

基于EEMD与ANN混合方法的水库月径流预测

为了解决径流序列复杂的非稳态特征并提高径流的预报精度,采用EEMD-ANN组合方法构建径流预报模型,其中EEMD方法通过将非线性非稳态的水文序列分解为多组固有模态分量及趋势项,实现径流序列的稳态化,然后使用ANN方法分别进行预测,进而完成径流序列重构。以黄河龙羊峡水库为例,基于EEMD-ANN预报模型对入库径流量进行了预测,结果表明该方法可较精准地预测径流量。同时,通过对比分析发现,采用EEMD-ANN连续滚动预测月径流量在汛期的预报效果较好,而非汛期可采用同期预报的手段提高径流预报精度。     

改进的EEMD-NNBR耦合模型在年径流预测中的应用

基于极值中心三次样条插值法对集合经验模态分解(EEMD)技术进行改进,在此基础上将改进的EEMD与最近邻抽样回归模型(NNBR)结合,提出了改进的EEMD-NNBR耦合模型。改进的EEMD能对上、下极值点进行较好的拟合,且将序列均值延拓到序列两端以减缓端点效应。首先由改进的EEMD分解年径流序列,得到各本征模函数IMF和趋势项,然后分别对各本征模函数和趋势项建立最近邻抽样回归模型得到各分解序列的预测值,最后将预测值累加即为年径流预测值。将改进的EEMD-NNBR耦合模型用于屏山站年径流预测,并与EEMD-NNBR耦合模型对比,其预测值的平均相对误差由10.08%提高到8.59%,表明建议模型能提高径流预测精度。     

石羊河流域中长期径流预报模型应用

以石羊河流域西营水库为研究对象,采用时间序列模型(逐步回归自回归组合模型、ARMA模型)和改进的人工神经网络模型(逐步回归BP神经网络模型、逐步回归RBF神经网络模型)进行中长期径流预报并对比分析,为石羊河流域水量调度系统设计提供参考。结果表明:4种预报方法都达到预报精度要求,其中RBF神经网络方法合格率最高,但耗时长,逐步回归自回归预报精度和模型耗时都比较合理,可为石羊河流域水资源调度提供参考。     

大伙房水库径流资料代表性分析

文中在对径流系列的随机模拟方法进行了简要论述的基础上,以辽宁省东水西调调水工程,受水水库——大伙房水库为研究背景,通过系统分析,采用了径流AR(Ⅰ)预报模型模拟延长径流系列。通过输入基础数据和约束条件,进行长系列调节,并将随机模拟序列的调节结果与实测序列的调节结果进行对比分析,得出所建立的模型简单,应用的实测径流资料具有很强的代表性及可靠性。     

基于EEMD的黄河上游主要来水区年来水量预测

为了提高径流预测的精度,采用EEMD将非线性、非平稳的径流时间序列分解为若干固有模态分量和趋势项分量,高频分量采用GA-SVM模型进行预测,低频分量采用GA-BP模型进行预测,趋势项采用RBF模型进行预测,然后对各分量进行重构,从而建立了EEMD组合预测模型,并应用于黄河上游主要来水区年来水量预测。结果表明:黄河上游主要来水区年来水量预测误差小于20%的预报合格率为100%,预测精度高,具有较高的实用价值。     

一种新型耦合模型在月径流预测中的应用

基于投影寻踪分析与随机分析提出了一种新的耦合预测模型,运用投影寻踪技术将年内12个月径流由遗传算法优化得投影值,获取投影值与年径流的相关关系;建立年径流预测模型,由预测的年径流推算对应的投影值z^;寻找与z^最近邻的h个模式,由最近邻回归进行年内月径流展望预测。将耦合模型应用于宝珠寺和三峡水电站入库月径流展望预测,结果表明该耦合模型可行且预测效果较好。     

隔河岩水库入库年径流长期趋势分析

运用非参数法小波分析和Mann-Kendall检验分析隔河岩水库入库年径流长期变化趋势.应用M-K法对径流进行检验,在置信水平5%下径流没有显著的变化趋势.应用连续小波变换阐明径流的时间尺度特征,径流存在1～3年、5～9年、12～15年三类尺度的周期性变化规律.应用离散小波成分分析影响径流趋势变化的主要周期成分,结果显示2-年周期成分是主要的周期成分.径流的离散小波成分趋势分析清晰地展示了径流的趋势结构,对于径流的中长期预测具有重要意义.     

奇异谱分析在中长期径流预测中的应用研究

针对目前中长期径流预测精度较低的问题,运用奇异谱分析法对隔河岩水库1951～2009年入库径流资料进行预处理得到重构序列,以达到浓缩主要信息和减小误差的目的。分别采用自回归模型和混沌支持向量机模型对原始序列和处理后的重构序列进行模拟预测。结果表明,应用奇异谱分析法进行资料的预处理可以大大提高中长期径流的预测精度。     

密云水库入库径流演变特性及成因分析

密云水库是北京唯一的地表饮用水源地,水库水量的多少直接关系到首都人民的生活。根据密云水库1960—2009年年入库径流量和汛期径流量2类序列,采用随机水文学方法结合序列统计性质揭示了入库径流演变规律,从降雨、人类活动和土地利用变化角度探讨入库径流演变的成因。结果表明:年入库径流和汛期入库径流都呈现减小趋势,1999年以后减小趋势更为明显,年径流减小程度比汛期显著,年际变化有明显的阶段性。受多种因素影响的密云水库入库径流序列包含相依成分,特别是年径流序列相依关系较强。入库径流减少的趋势不是单一由降水造成,流域内人类活动和土地利用变化是径流量锐减的主要原因。     

丹江口水库中长期径流量的多模型预报结果分析及综合研究

水库中长期入库径流量的预报方法有多种模型,各有优缺点,预报结果也存在一定差异,应用过程中给实际决策造成了一定困难。本文以丹江口水库月径流量为研究对象,通过分析多种预报模型计算结果的变化规律,将精度和稳定性等作为性能指标,构建以加权平均和最小二乘法原理为基础的综合预报模型,并对丹江口水库月径流预报进行了建模计算。应用结果表明,该综合模型提高了预报精度,增强了预报稳定性,使其具有更高可信度,为入库径流量预报提供了一个有效的分析方法,为水库调度决策提供了便利。     

时间序列分析方法在郑州市降水量预报中的应用

根据1971年-2013年郑州市的降水量资料,采用二次多项式拟合提取降水量的趋势分量,采用谐波分析法提取降水量的周期成分,利用自回归模型求解随机成分,最后将三者叠加,构建了郑州市降水量的预报模型。模型计算结果与实测数据对比可知,应用预报模型对降水量进行预报精度较高。因此利用建立的预报模型对2014年-2016三年的降水量进行了预测,为该区水资源的管理提供依据。     

时间序列分解模型在乌拉斯台河年径流量预测中的应用研究

在剖析了现有年径流量预测方法的基础上,根据乌拉斯台河年径流量(1960年~1989年)序列的长期变化特征,提出了时间序列分解预测模型,即将年径流系列分解为趋势项、周期项、随机项,通过对其各项进行识别、提取,再将各项线性叠加,从而建立年径流量预测模型。从模型的识别过程可得,乌拉斯台河年径流具有不显著的递减趋势和明显的周期变化,同时具有一定的随机性。从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性。     

丹江口水库入库径流变化特征分析

为了揭示丹江口水库入库径流的变化特征及其对南水北调中线工程供水的可能影响,采用Mann–Kendall趋势检验方法、Markov过程和游程理论对丹江口水库实际入库径流序列的趋势性和丰枯变化特征进行了分析。结果表明:①丹江口水库入库径流呈下降趋势,1999～2017年年均径流量较1956～1998年减少了50.5亿m~3,主要是由于汛期径流减少导致的;②年入库径流出现丰水转丰水、丰水转枯水、平水转枯水、枯水转平水的状态居多,状态转移概率均大于40%;③入库径流发生连续4 a及以上丰、平、枯水年的概率较小,但仍需考虑水库遭遇连续枯水年的调度问题。     

丹江口水库实时调度模型及方法研究

丹江口水库是南水北调中线的水源。本文构建了丹江口水库年调度和月调度两层模型相结合的水资源调度模型,从而实现对水库“宏观总控、长短嵌套、实时决策、滚动修正”调度过程模拟。该模型采用基于反馈修正的等流量方法,实现了对三种情景下的年调度以及月调度方案最优方案的模拟。模型符合实际情况,为丹江口水库优化调度提供了重要的决策依据。     

基于GWO-LSTM的丹江口水库入库径流预测

入库径流预测对丹江口水库调度及水资源利用具有重要的指示意义。基于灰狼优化算法（GWO）构建不同的预测模型,开展丹江口水库月入库径流预测研究,并探讨网络结构超参数的选取及验证GWO全局遍历性、收敛快的特点。结果表明:灰狼优化的长短期记忆模型（GWO-LSTM）的预测精度和泛化性能优于灰狼优化的人工神经网络模型（GWO-BP）和逐步回归模型,其验证期的纳什效率系数平均达到0.969,整体趋势预测较好,峰值捕捉略有不足,可适用于丹江口水库月入库径流预测;模型超参数依据经验取值时,其预测结果不如GWO优化,验证期的纳什效率系数不足0.5,未达到可接受范围,而且带有一定的偶然性,建议选用具有全局优化特性的优化算法进行超参数选取;验证了GWO算法全局遍历性和收敛快的特点,平均在3次迭代后可达到收敛状态。