基于成因模糊综合分析的冰凌预测模型

在分析物理成因的基础上,采用模糊识别、聚类及优选理论综合模糊成因的方法建立了冰凌预报模型。实例应用结果表明:模型对于5个检验年的开河历时预测误差全部在6 d以内,精度良好,能够较好地预报封河、开河日期,可以直接用于凌汛期实际作业预报。     

SCE—UA算法有效估计马斯京根模型参数

针对马斯京根模型参数最优估计问题,结合绝对残差绝对值之和最小准则,将SCE-UA算法用于模型参数的直接优选中.实例分析表明:SCE-UA算法可以有效、快速地搜索到模型参数全局最优解,具有更强的优化性能,收敛效果更佳.     

基于距离判别分析法的山洪泥石流预报模型研究

山洪泥石流预报是山洪灾害防御中的一项重要措施。为提供一种有效的预报途径,采用距离判别分析法构建了山洪泥石流预报的距离判别分析模型,选用前期实效雨量和当日雨量为判别因子,以实测山洪泥石流资料为学习样本进行训练,建立相应的判别函数对山洪泥石流进行预报。实例结果表明,该模型预测精度高、误报率低,行之有效。     

粗细同轴射频电缆低反射系数连接器的物理设计

在脉冲辐射信号测量中,经常需要对粗细同轴射频电缆进行连接,为了保证传输的脉冲信号畸变尽可能小,需要设计合适的低反射系数连接器。针对同轴射频电缆SYV-50-7连接SYV-50-17的情况,按照精密同轴元件的三项基本设计原则、电磁波传输理论和射频电缆的参数理论,采用内外锥顶尖重合法,设计了渐变过渡型连接器。计算表明通过优化粗细电缆连接器物理设计参数,连接器主体物理设计理论反射系数远小于0.3%是可能的。     

组合模型在灌区引黄水量预测中的应用

以内蒙古河套灌区为例,针对引黄水量受多种因素影响、变化趋势复杂且无规律可循、单一的数学模型难以准确预测的问题,构建了基于灰色与神经网络理论的组合预测模型,采用简化方法求解,有效地将灰色预测弱化数据序列波动性的优点与神经网络高度的非线性适应能力相融合,避免了模型权系数分散的任意性。实例结果表明,该组合模型精度高,更能准确反映灌区引黄用水需求现状。     

基于熵权法赋权的贝叶斯水质评价模型

基于贝叶斯水质评价理论,运用熵权赋权法求各评价指标权重,提出了熵权法赋权的贝叶斯水质评价模型,并以南四湖下级湖徽山站和韩庄闸为例进行了水质评价。结果表明,该模型有效可行,较等权重贝叶斯法对水质所属类别分辨率更高,为水环境保护与治理提供了依据。     

基于RVA法和生态功能的河流生态需水量估计

鉴于河流维持正常的生态功能需要必要的水量做支撑,通过RVA法建立IHA指标体系,并对基于生态功能的河流生态需水量计算方法进行改进,以有效去除重复水量的计算,进而运用RVA方法将基于生态功能的总水量进行全年分配,估计出多沙河流月平均生态需水量。对渭河干流的月平均生态需水量的估计结果表明,该方法合理、有效,能为渭河的生态改善和调水工程提供一定的决策指导。     

SWAT模型土壤物理属性数据库本土化构建研究

SWAT模型是美国农业研究中心研发的专门针对流域水文过程和非点源污染模拟的分布式水文模型,在我国有较为广泛的应用。由于美国同我国的土壤指标的分类标准不同,导致SWAT模型中土壤数据库的本土化构建较为困难,目前已成为制约其在我国进一步推广的瓶颈。鉴于此,为寻求更为便捷、高效的参数确定途径,对SWAT模型土壤物理属性数据库的本土化构建进行了相关研究,并将构建好的SWAT模型用于洪安涧河上游东庄水文站以上流域的水文过程模拟。结果表明,相关系数R~2达到了0.875,效率系数E_(ns)达到了0.840,取得了较好的模拟效果。该研究为建立符合我国国情的土壤物理属性数据库提供了思路和方法,可进一步促进SWAT模型在我国的应用,可为流域水文模拟提供技术支撑。     

基于最大熵原理的区域农业干旱度概率分布模型

提出了构建综合考虑自然因素与农作物生长周期之间量化关系的干旱度评价指标,并基于最大熵原理建立了项目区干旱度分布密度函数,避免了以往构建概率分布的随意性,实现了对区域农业干旱度进行量化评价的目的。首先根据作物在非充分灌溉条件下的减产率,建立了干旱程度的量化评价指标,然后通过蒙特卡罗法生成了长系列降雨资料,并计算历年干旱度指标,最后利用最大熵原理,构建了农业干旱度分布的概率分布密度函数。以河南省濮阳市渠村灌区为对象进行了实例计算。结果表明,该模型概念清晰,计算简便实用,结果符合实际,是一种较好的评估方法。     

基于VMD-EEMD-CNN-LSTM混合模型的月径流预测

针对传统径流预测模型对月径流序列尖峰点预测精度不足的问题,文章提出了一种VMD-EEMD-CNN-LSTM混合预测模型。首先,对原始月径流序列进行变分模态分解(VMD)处理,得到具有有限带宽的本征模态分量(VMF)和较高复杂性的残差项(Res)。然后通过集合经验模态分解(EEMD)对Res进行二次分解,有效挖掘原始径流的隐藏信息。把各分量作为卷积神经网络(CNN)-长短期记忆网络(LSTM)组合预测模型的输入,最后对各预测结果进行叠加重构,得到最终的结果。以乌江流域洪家渡水电站实测月径流数据为例,结果表明：VMD-EEMD-CNN-LSTM模型具有更高的精确度,能有效提高对月径流序列尖峰点的预测精度。