基于自适应模糊推理系统模型的径流中长期预报

介绍了自适应模糊推理系统ANFIS的原理结构及学习算法。以漫湾和双牌两座水库实测月径流序列为研究对象，研究不同的输入及不同的模糊数对自适应模糊推理系统模型做中长期预报的影响，并通过与人工神经网络模型的预报结果进行比较，显示本模型是中长期水文预报方法中较为准确的方法之一。     

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。     

优化的灰色拓扑模型在年径流预测中的应用

由于河川径流具有变化剧烈、波动频繁的特点,采用常规水文预报方法的预测效果较差。为此引进灰色拓扑方法,在优化原始GM(1,1)模型的基础上,通过改进拓扑预测的矛盾点筛选方法,建立了优化的灰色拓扑预测模型群,对梨园河流域的实测年径流序列进行模拟和预测,发现所建模型的拟合曲线与实测序列的变化趋势一致,比传统的灰色拓扑方法具有更高的精度。结果表明,改进的灰色拓扑模型能够有效克服振荡序列的非线性影响,可作为研究区域的径流预报和水资源分析的参考依据。     

基于组合回归方法的尼洋河流域中长期径流预报

鉴于仅使用单一的中长期径流预报方法很难有效地拟合和预测整个径流过程,将逐步回归法和自回归方法相结合,对尼洋河流域1956~1999年逐年年径流序列进行非平稳序列逐步回归趋势分析、周期分析及平稳序列自回归分析,并与AR(1)模型的计算结果进行比较研究。结果表明,组合回归方法的预测效果较好。     

BP神经网络模型结构对漫湾径流预报精度的影响研究

以云南省漫湾水电站历史径流状况为研究对象，运用三层前馈反向传播神经网络模型对径流进行中长期预报。为解决神经网络预报模型结构难以确定的问题，尝试在预报过程中通过改变该网络模型的结构并对得到的结果进行比较，从而找到适合该径流序列的最佳神经网络模型结构。实际应用表明，使用该结构的模型在实际预报过程中取得了良好的效果。     

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。     

基于EMD分解的AR模型在年径流预测中的应用

为提高年径流中长期预测的精度,提出了一种新的时间序列预测方法——基于EMD分解的AR模型,以汾河上游上静游、汾河水库、寨上和兰村四座水文站1956~2000年的年径流序列为例,首先利用经验模态分解(EMD)方法将四座水文站的年径流序列分解为若干个固有模态函数(IMF)分量和一个残余项分量,然后运用自回归(AR)模型分别对各阶IMF进行预测,最后将各阶预测值重构得到年径流量预测值与单独运用AR模型的预测结果进行比较。结果表明,运用基于EMD分解的AR模型对汾河上游年径流进行预测,其预测精度比单独运用AR模型的预测精度有明显提高,表明该方法可行、有效。     

年径流变化的BP神经网络预报模型研究

针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。     

MCEEMD-HGWO-MGU混合模型在径流预测中的应用

为分析径流非线性特征对预测精度的影响,在改良的互补集成经验模态分解(MCEEMD)基础上,建立混合灰狼优化算法(HGWO)与最小门控单元(MGU)混合的径流预测模型,并利用该模型预测黄河下游三个水文站处的月径流。选取纳什效率系数和合格率评价模型性能,并选择多个误差指标与其他模型进行比较。结果表明,与其他模型相比,MCEEMD-HGWO-MGU模型在径流预测方面表现更好,其纳什效率系数达0.92,合格率达71%,所有误差指标均为最小。此外,考虑到气候变化对径流的影响,引入大气环流因子,筛选出对径流影响较大的因子融合到径流中进行预报,进一步提高模型精度。所构建的MCEEMD-HGWOMGU模型具有较高的稳定性和精度,可作为中长期径流预报和相关水文数据研究的有效工具。     

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.     

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。     

基于决策树的大小水电长期协调调度模型及应用

针对西南水电富集地区大小水电抢占输电通道外送电力的问题,构建了基于决策树的大中型水电与小水电长期协调调度模型,以水电总体可消纳电量最大为目标,以确定性逐次优化方法（POA）对历史长系列水文资料进行模拟调度,在此基础上采用决策树挖掘大小水电长期协调调度规则,在应用阶段,结合CFS降雨预报信息,预报大中型水电站径流和小水电发电能力,并作为决策树输入,以获得面临时段大中型水电站的决策出力。云南省德宏地区大规模大、小水电混合分区实例应用结果表明,该模型能够有效利用具有良好调节能力的大中型水电站协调大小水电运行,提高外送通道利用率,为电力调度部门提供了一种良好的大小水电长期协调调度方法。     

基于小波分析的BP网络预测模型及其在年径流预测中的应用

鉴于小波变换序列中尺度系数系列和小波系数系列变化特征存在较大差异,提出了一种新的小波分析与BP网络结合方式,即建立两个BP网络分别对两类系数系列进行预测,再对各小波变换系数的预测值进行小波重构,获得原序列的预测值。将该模型应用于二滩电站入库年径流量预测,结果表明该模型预测精度高,可为水电站提供可靠的入库年径流预测结果。     

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。     

模式识别方法在径流长期预报中的应用

预测水电站所在河流未来的径流情势,可为水电站合理运行提供科学的依据,对实现预期的各项经济效益指标有着相当重要的意义.本文应用模式识别的基本原理和方法,对龙羊峡电站入库径流的长期预报进行了尝试,得到了较为满意的结果.     

基于Web的径流中长期预报系统

以云南电网水调高级应用软件系统为工程背景,采用面向对象的编程思想开发了B/S模式下的径流中长期预报系统.系统涉及云南电网所属的5座主力水电站及其他重要的中小水电站,采用四种常用的中长期预报模型和频率分析方法进行径流预报.系统主要功能包括预报参数率定和检验、多种预报方法间的比较分析、与历史径流过程的对比分析、基础资料添加维护与报表生成等.系统操作简便、功能强大,同时具有良好的稳定性、移植性和可扩展性.     

径流补偿时梯级水电站群系统保证出力的计算模型

简述了一般梯级水电站群不考虑上下游电站径流补偿时系统保证出力的计算方法，在此基础上提出了利用龙头水库进行梯级水电站群径流补偿时系统保证出力的计算模型和通用算法。根据该算法应用面向对象技术编制了相应的梯级水电站群补偿调节电算模型，并且在建模过程中充分考虑了模型的通用性和实用性。实例验证，该模型能够解决混联水电站群保证出力的计算，达到了进行梯级水电站系统实际规划的要求。     

电力市场环境下水电站月滚动发电计划研究

系统地提出了电力市场环境下水电站月滚动发电计划的研究方法。通过对径流的滚动预测来适时修正未来月份水电站的发电计划，以满足水电站在电力市场环境下的效益最大，同时保证完成上报的发电计划。     

基于CMIP5变化条件下的清江流域径流响应研究

为预测气候变化和土地利用变化条件下清江渔峡口站以上清江流域未来径流变化情况,首先建立SWAT模型,采用CMIP5三种模式下2016~2100年月降水情景数据,经降尺度后预测月径流。结果表明,未来年内最大月降水和月径流出现时间提前1~2个月,经Mann-Kendall(M-K)检验,降水和径流在2016~2100年间均呈整体增强趋势,但在2016~2035年内的降水和径流量均较历史时期(1990~1999年)低。在空间优化配置土地利用情景下的平均年径流量相对基准期年径流的变幅较现有土地利用情况下有所减小。研究成果对长江防洪、梯级电站调度工作有积极意义。