基于小波变换和人工神经网络模型的三峡入库月径流预报

为探讨小波变换中小波基函数对模型预报精度的影响,选取三个小波基函数haar、db10、sym8对原始序列进行小波变换预处理,并分别建立人工神经网络模型(ANN)和基于不同小波基函数的W-ANN(haar)、W-ANN(db10)、W-ANN(sym8)模型进行预报。以三峡水库月径流为例,采用纳什效率系数、平均绝对误差及平均相对误差对建立模型的预报效果进行比较。结果显示,采用三个小波基函数haar、db10、sym8对数据进行小波变换预处理后的模型精度均得到了不同程度提高,W-ANN(sym8)模型在各项指标上表现最好。表明小波基函数的选择对模型预报精度结果影响较大,选择合适的小波基函数至关重要。     

GFS可利用性研究及其在旬径流预报中的应用

分析了中长期降雨径流预报研究应用现状和存在的主要问题,研究了利用GFS降雨数值预报信息进行旬径流预报的方法,建立了旬降雨-旬初土壤含水量-旬径流预报模型(PSRM).通过对实例流域历史旬径流资料的模拟优选出模型参数,分析了GFS降雨数值预报信息的可利用性,并给出了利用GFS降雨预报信息和PSRM模型推求径流的方法.结果表明,基于GFS预报降雨信息和PSRM模型推求径流期望值和概率分布用于水库的实时调度可行.     

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。     

BFS在洪水预报中的应用研究

采用贝叶斯预报系统(BFS)水文不确定性处理器(HUP)对水文预报不确定性进行分析,实现概率洪水预报。以新安江流域水文模型为洪水预报模型提供流量初始预报系列,通过亚高斯模型对流量初始预报系列及实测系列分别进行正态分位数变换,由贝叶斯公式得到预报变量的后验概率分布并进行洪水过程的概率预报,采用分布点估值定值预报,并可通过构造置信区间对点估值预报的不确定性进行评估。以南一水库流域为例,将BFS后验概率分布均值与新安江模型预报进行对比,结果表明BFS可提高预报精度。     

基于BP神经网络的贝叶斯概率枯季径流预报研究

根据枯季径流的特点,采用多元线性回归模型模拟了先验分布和似然函数,建立了基于BP神经网络的贝叶斯概率枯季径流预报模型.与传统枯季径流预报方法相比,该方法预报精度高,能以概率分布形式定量描述预报的不确定性,为水量调度提供了科学的决策依据,实例应用表明,效果理想.     

单要素径流分级预报不确定性推理模型

针对传统径流模糊推理中模糊子集隶属函数描述模糊概念的静态问题,提出了基于云理论的单要素径流分级预报不确定性推理模型,并分别对北方三座水库的入库年径流进行推理预报.与传统模糊推理模型的对比结果表明,该方法径流定性预报合格率高,初步验证了单要素径流预报不确定性推理模型的科学性及有效性.     

GFS预报信息在水电站运行中的应用研究

针对水电站水库的中长期优化调度中若能充分有效地利用预报信息将可获得更大经济效益的问题,利用GFS发布的10~14 d降雨数值预报信息,构建了其信息的统计方法,并以预报降雨为主因子建立了二滩水电站汛期旬径流的枯、平、丰三级预报模型,基于已建立的二滩水电站有、无预报信息相结合的发电调度模型,针对汛期无径流预报的时段,利用径流定性预报结果修正改进了其调度决策。模拟调度结果表明,改进方案可行、优越。     

考虑降水预报的三峡入库流量概率预报模型

以三峡水库为例,建立了基于降水预报信息的降水随机模拟模型,提出了将预见期降水随机模拟模型与概念性水文模型相耦合的概率水文预报模型,并进行了入库流量预报.该模型能充分利用降水预报信息,能定量描述水文预报结果的不确定性,概念清楚、易于构建,具有推广应用价值.     

基于小波分析的两种神经网络耦合模型在月径流预测中的应用

为提高河川径流的中长期预报精度并延长其预见期,采用小波分析充分提取有用信息,基于BP神经网络和GRNN神经网络,构建了两种小波神经网络耦合模型,测试了Daubechies族中9种母波函数对模型模拟效果的影响,并采用合格率(Q_(QR))、平均相对误差(M_(MPRE))、均方根误差(R_(RMSE))和确定性系数(N_(NSE))等指标评价了模型精度。将该模型应用于金沙江流域向家坝水文站未来1~5个月的径流预报,结果显示,相比于传统BP和GRNN模型,耦合模型具有明显优势,且基于小波分析的BP模型预报结果更接近实测值,预报精度更高,其未来4个月的平均相对误差在±20%以内。表明小波分析方法能充分挖掘隐藏在原始数据中的有用信息,可有效提高耦合模型的预报精度延长预见期,在径流预测方面有明显的优越性。     

月径流的分期组合预报模型及应用

针对年内汛期与非汛期径流变化规律的差异,建立了月径流分期组合预报模型.针对汛期径流预报不确定性较强的特点,该模型可量化预报不确定性并发布概率预报进而为制定决策提供参考.针对原贝叶斯平均模型参数优化方法存在的缺陷,提出了基于模糊优选模型的多目标粒子群算法优化参数.实例表明,该模型预报精度高,发布的概率预报对制定水电站的月调度计划具有一定的参考价值.     

基于水文—水力学耦合的淮河中游河道洪水预报及不确定性分析

淮河王家坝至鲁台子的中游干流,河道平缓,复式断面特征明显,单纯以传统的水文模型进行洪水预报难度较大。为此,利用新安江模型进行上游及区间入流预报,采用MIKE11水动力学模型进行主要支流及干流洪水演算,从而建立了淮河中游河道洪水预报方案。选取1990~2012年间的场次洪水资料,采用SCE-UA优化算法分别对新安江模型参数和MIKE11的糙率系数进行率定与验证,并使用水文不确定性处理器(HUP)对预报结果进行不确定性分析。结果表明,模型预报结果具有较高精度,不确定程度较小,并可提供某一置信度的预报区间,为实时作业提供参考。     

福建省电网中长期水文预报系统设计与开发

利用Java技术平台,采用双机群集数据库系统(Orade 10g)成功设计并开发了基于Web的福建省电网中长期水文预报系统.将长期预报和中期预报分离,前者采用多种数理统计模型,以月或旬为预报时段提供未来1 a的径流预报及相关的频率预报;后者采用考虑城市气象预报的人工神经网络模型,以日为预报时段提供未来7 d的自动、滚动式径流预报.重点阐述了系统架构设计、业务逻辑设计、功能模块设计和程序开发过程中的关键技术问题.     

一种基于物理核函数高斯过程回归的月径流预报模型及其应用

鉴于传统的单一径流预报模型很难描述径流未来变化规律，将自适应变分模态分解(AVMD)与基于组合物理核函数的高斯过程回归(GPR-CK)相结合，构建了AVMD-GPR-CK预报模型，该模型采用AVMD将实测径流分解为多个子序列，对子序列依据其自身特点分别建模，子序列预报结果叠加重构即为最终预报结果。模型应用于金沙江流域向家坝站未来1～12个月的径流预报的结果表明，所有预见期AVMD-GPR-CK模型的确定性系数均大于0.94,平均绝对百分比误差(M_MAPE)在±17%以内，预见期在10个月以内时，M_MAPE在±10%以内；预报精度明显优于常见的BP、GRNN、RBF、RELM模型。     

基于支持向量机的水电站中长期径流组合预报

中长期径流预报是充分利用水资源、实现水电站优化运行的重要环节。以金沙江中游龙盘电站为研究对象,分别采用自回归滑动平均模型、最近邻抽样回归模型、BP神经网络建立了该水电站月径流预报模型,在分析三种模型预报结果具有一定互补性的基础上进一步建立了支持向量机分月组合预报模型。统计结果表明,与单一预报模型相比,该组合预报模型具有更高的精度和稳定性,为寻求水电站径流预报规律和制定中长期调度计划提供了技术支持。     

基于遗传算法的参数投影寻踪回归径流预报模型及应用

为提高径流预报精度,采用单相关系数法挑选预报因子,建立了基于遗传算法的参数投影寻踪回归径流预报模型,利用该模型对雅砻江二滩水电站月平均流量进行了预报。结果表明,与BP神经网络模型预报结果相比,投影寻踪回归模型具有更好的预报结果和更高的预报精度。     

结合均生函数的神经网络在中长期水文预报中的应用

针对中长期径流预报在水库中长期运行方案制定及调度决策形成中的作用,基于传统和智能预报方法各自的优势,利用均生函数模型记忆时间序列的内在规律,采用偏最小二乘方法对预报因子进行降维处理,建立了结合均生函数的神经网络预报模型,并利用神经网络模型修正预报结果。实例计算表明,该模型不仅可提取径流序列的特征,且预报精度也较单一的均生函数模型和神经网络模型有所提高。     

二滩水电站中长期径流预报研究

针对二滩水电站的实际径流特性和水电站发电调度的要求,应用季节性自回归模型和人工神经网络模型对二滩水电站的月径流、汛期分段和年径流预报进行研究.结果表明,这两种模型对二滩水电站的月径流预报、汛期定性预报均达到了一定精度,可为二滩水电站优化调度的径流输入提供参考依据,尤其是AR(P)模型的非汛期月径流预测和BP模型年径流预测结果可在实际运行中使用.     

新安江模型在董铺水库洪水预报中的应用研究

针对大中型水库的水位观测资料较丰富,库区存在着难以观测的直接入库径流及主要入库河道径流观测资料缺乏的现状,以安徽省合肥市董铺水库流域为例,将水库流域划分为陆面和水面两部分,水面按直接产流计算,通过水库水位和水库泄水、用水资料反推入库径流过程,采用实码加速遗传算法对日模型和次洪模型的参数进行率定,构建了基于三水源新安江模型的董铺水库洪水预报模型。对董铺水库坝址以上所控制流域进行了模拟计算,日模型率定期14年中,径流深合格率为92.9%,确定性系数为0.94;日模型验证期18年中,径流深合格率为100%,确定性系数为0.93;次洪模型率定期34场洪水中,径流深合格率为88.2%;次洪模型验证期26场洪水中,径流深合格率为92.3%;60场洪水时水库水位推算合格率90%;方案整体预报精度达到甲级。研究结果表明考虑大中型水库流域产汇流特点和水文观测资料的现状,将水库流域的产流分为陆面和水库水面两部分,反推入库径流过程,基于三水源新安江模型进行大中型水库的洪水预报是可行的,其预报精度达到水库洪水调度的要求。     

基于长期水文预报的蓄能电站水库优化调度研究

为提高蓄能电站发电收益,建立了基于长期水文预报的水库优化调度方案。通过相关性分析与多元线性回归分析法进行长期水文预报。根据预报径流信息,应用动态规划法求解了未来蓄能电站水库优化调度计划。天堂蓄能电站实例计算结果表明,该方案可提高蓄能电站运行水平、增大发电收益。     

基于小波-ANFIS的水库月径流预报模型

根据径流变化特性,提出一种基于小波-ANFIS的水库月径流组合预报模型.利用Mallat算法对月径流序列进行多尺度分解,得到对应尺度下的低频信号和高频信号,分别对这两种信号建立了ANFIS模型进行预报,将各模型预报结果叠加作为原径流的预报值.该模型用于淮河支流沙河上游年月径流变化幅度较大的昭平台水库月径流预报中,结果表明所建模型能够较好地预报原始信号的趋势,预报精度比单一ANFIS 预报模型有较大改善,但仍有待提高.对导致这一现象的主要原因进行了分析,并对模型的改进提出了合理化建议.