基于修正组合模型的河川径流中长期预报

为了充分发挥灰色模型在单变量预测及神经网络在处理非线性问题上的优势,同时降低二者的线性组合模型中组合权系数计算方法的不确定性对模型预测效果的影响,本文基于修正组合预测的思想,借助马尔科夫链对灰色GM（1,1）、BP神经网络及组合灰色神经网络模型预测的误差序列进行了修正处理,并通过分析比较修正单一模型与修正简单组合模型在中长期径流预测精度上的差异,提出了基于修正组合模型的河川径流中长期预报方法。将该方法应用于黄河中游区四条一级支流窟野河、秃尾河、无定河与孤山川的控制性水文站年径流预测中,结果表明基于马尔科夫链修正的组合灰色神经网络模型具有更好的拟合与预报精度,是一种更有效的径流预测方法。     

年径流预测的最小二乘支持向量机-马尔可夫链组合模型

基于最小二乘支持向量机(LLSVM)与马尔可夫链(MC)提出了一种新的年径流预测模型——最小二乘支持向量机-马尔可夫链组合模型(LLSVM-MC).首先利用LLSVM模型对年径流进行第一步预测;其次将预测误差看作是马尔可夫过程,用MC对预测误差进行估计,作为第二步预测;最后,将两步预测结果叠加得到年径流预测值.实例预测表明,建议模型有效地提高了预测精度.     

黄河径流长期演化模式与EMD灰色自记忆模型

为了研究径流的长期演化模式及自记忆特征,采用自相关函数确定重构序列的回溯阶数,并构建基于经验模态函数（EMD）分解的灰色自记忆GM（1,N）预测模型。分析回溯阶和自相关函数之间关系,进一步阐明自记忆原理在水文领域应用的合理性。结果表明,黄河花园口86年天然径流序列存在长期演化的自记忆特征,演化模式可由7个内在本征模态函数（IMF）和趋势项组成;受流域水资源开发及气候变化因素影响,1965年后,径流演化模式发生变化,出现周期衰减现象;回溯阶与时间序列自相关函数变化相对应,序列平稳化后,依据自相关函数确定回溯阶数,可提高自记忆模型预测精度。     

自我调节蚁群-RBF神经网络模型在短期径流预测中的应用

为提高短期径流预测精度,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑气象、天气、季节、降雨等影响因素,对上马水库进行径流预测.仿真表明,该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了短期径流预测的精度,预测相对误差小于3%.可有效用于短期径流预测.     

自回归模型在月径流过程概率预报中的应用

把自回归模型用于月径流过程概率预报中。首先根据历史径流的概率分布利用自回归模型预报出一个概率，再根据这个预报出的概率进行径流概率预报。并把这种方法用于三峡电站的入库径流预报中，取得了较好的效果。     

数据挖掘技术在径流预报中的应用

介绍了基于数据挖掘技术的径流预报方法，建立了以人工神经网络（ANN）为挖掘工具的水文预报模型，利用反向传播（BP）模型进行挖掘工作，通过权系数修正提高收敛速度。结合工程项目进行了模型的实际预测，并与普通模型相比较。实测结果和分析说明，该模型有较好的预测精度，有实际应用价值。     

基于随机森林模型的长江上游枯水期径流预报研究

预报因子选取和预报模型构建是长期径流预报的两大难点。本研究采用随机森林模型从当年1月份至10月份长江干流的实测径流和国家气候中心74项水文—气象特征因子共750个变量中选取预报因子集合,对长江上游屏山站、寸滩站枯水期（当年11月～次年5月）径流预报进行了研究。结果显示,随预见期增加,径流自相关关系逐渐减弱,水文—气象遥相关关系逐渐强于径流自相关关系。在屏山站和寸滩站的径流预报中,预报结果与实测结果呈显著线性关系,平均相对误差在20%以内。月径流预报误差还较大,枯水期总径流预报精度优于单月径流预报。不确定性分析结果表明随机森林模型除了预报径流变化趋势,还可以用于预报径流丰枯概率。     

入库径流预报误差随机模型及其应用

为了在量化入库径流预报误差的条件下有效提高调度方案制作的精度，基于高斯混合模型（GMM）良好的自适应性，能更准确地描述单一预见期径流预报误差分布的特点，以及高维meta-student t Copula函数具有将多个类型边缘分布有机耦合的优势，建立了多个预见期入库径流预报误差的GMM-Copula随机模型。以雅砻江流域锦屏一级水电站水库为例，对预见期分别为6 h、12 h、18 h、24 h的入库径流预报误差进行了分析与随机模拟。结果表明，随着预见期的增加，模拟误差与实际误差的主要统计特征值相差不大，满足预设精度要求，且变化规律一致，验证了模型的可行性与有效性，为水库调度方案的编制与实施提供了参考依据。     

组合模型在卫星钟差中长期预报中的应用和比较

针对应用单一模型预报卫星钟差的局限性,提出3种加权组合单一模型预报结果的方法.即经典加权组合法、预报有效度加权组合法和平均加权组合法;并将加权组合后的模型用于卫星钟差中长期的预报.同时,将3种组合模型的预报结果同单一模型所预报的结果进行了对比且分析了3种加权组合模型的优缺点.     

三角旋回算法及其在短期水火协调优化中的应用

提出一种新的全局优化方法--三角旋回算法(Triangle Gyration Algorithm,简称TGA),认为该算法具有结构简单、鲁棒性强和快速收敛的特点.算法的寻优过程采用历史最优目标函数值进行指导,利用三角变换进行迭代使其能够快速收敛到全局最优.用一个典型的算例对三角旋回算法进行了性能分析,且将该算法应用在水火电力系统短期(日前现货市场)协调优化调度中,得出的结论是该算法综合性能优越,在优化方法领域具有广阔的应用前景.     

黄河上游径流动态变化趋势预测

本文在综合各种信息后 ,认为应当把水资源的有限性和径流过程的非线性作为径流长期预测的重要前提 ,并在此基础上首次建立了对径流进行长期趋势预测的生命旋回模型。通过黄河上游贵德站和兰州站实例验证表明模型预测精度较高 ,符合规范要求。利用该模型定量预测贵德站和兰州站未来 10 0年径流量 ,结果表明黄河上游径流变化有减小趋势 ,这一结论为黄河上游梯级电站的规划、设计和运行管理提供了科学的依据     

河川径流混沌特征分析

在对混沌理论及其在径流系统应用的适应性分析的基础上,提出河川径流混沌分析方法;以黄河为研究对象对月径流序列进行相空间重构,并进行混沌特征识别和分析,得到如下结论：天然月径流比实测月径流的饱和关联维数要大,要恰当描述实测月径流序列的变化特征,进行动力系统建模,最少需要4个独立变量,最多需要8个独立变量,要描述天然径流序列则最少需要5～6个,最多需要12个独立变量;同一水文站、同一时期的实测径流序列和天然序列的混沌特征不同;下游的混沌特征要强于上游;从上世纪五十年代到本世纪初黄河干流月径流的混沌特性比上世纪二十年代到上世纪七十年代月径流的混沌特性要稍强;所采用径流时间序列的长、短对混沌特征的识别有影响,序列越长,所表现的混沌特征就越强。黄河径流具有混沌特征,为径流系统的建模和混沌预测提供了依据。     

一种智能变电站保护装置寿命预测方法

继电保护设备剩余有效寿命预测是智能变电站二次设备状态检修的技术关键.文中提出了一种基于马尔科夫链的智能变电站继电保护设备寿命预测方法,该方法基于马尔科夫链,利用设备在线监测信息和历史运行数据获得其状态分布向量以及状态转移矩阵,进而根据可靠性原理预测其剩余有效寿命.算例分析结果表明该方法可以对保护装置未来运行状态分布和剩余寿命进行有效预测,其预测结果可以为运行人员提供参考.目前该方法已应用在实际智能变电站的二次设备在线监测系统中,有助于提高智能变电站的安全运行水平.     

基于基尼系数的水文年内分配均匀度变异分析方法——以东江流域龙川站径流序列为例

由于受气候变化、人类活动及流域下垫面变化等因素的影响,许多水文要素序列不仅在年际形式上发生了变异,而且其年内分配特性也发生了不同程度的变异,严重影响了水利工程的规划设计以及水资源可持续利用和优化调配。目前有关水文要素年内分配特性的研究,多集中在分析水文要素年内分配的不均匀性上,很少涉及这种不均匀性是否随环境变化而发生变异,且有些不均匀性指标表达不直观、可比性不强,为此本文提出了基于基尼系数的水文年内分配均匀度变异分析方法。该法首先借用基尼系数构建水文要素年内分配均匀度模型,然后采用水文变异诊断系统分析年内分配均匀度序列的变异规律,最后利用均值差异法对其变异的物理成因进行分析。以东江流域龙川站多年逐月径流量序列为例,计算结果显示：龙川站径流年内分配均匀度GI在1973年发生了跳跃强变异,变异前后GI的均值相对增加了21.07%;这种变异约60%是由于人类活动特别是枫树坝水库的修建运行造成的下垫面变化引起的,而气候变化只占到约40%。     

基于马尔科夫链模型的小金川河流域径流形势预估分析[ 国家重点研发项目资助（2018YFB0905204）]

为了分析小金川河流域中长期径流形势,本文尝试利用马尔科夫链模型进行年径流形势预估,结合历史径流的丰枯变化,计算丰水年、平水年、枯水年相互转变的马尔科夫转移概率,在此基础上,可根据当年来水情况实现对木坡电站下一年径流形势的预估分析。以2018年木坡电站的丰枯形势预估为例,经验证,该径流形势预估分析方法具有较强的实用性,为径流形势预估分析提供了一种切实可行的思路和方法。     

基于FARIMA模型的日流量过程随机模拟研究

本文采用能反映时间序列长相关性的自回归分数整合滑动平均（FARIMA）模型,建立了日流量过程的随机模拟方法。首先提出概率权重矩-正态分位数变换（PWM-NQT）法进行日流量预处理,将预处理后得到的平稳、正态时间序列用于FARIMA模型的辨识和参数估计。基于FARIMA模型得到正态化日流量模拟值,并由正态分位数逆变换及逆标准化分别得到标准化日流量模拟值及日流量过程模拟值。将建立的模型应用于长江流域宜昌水文站日流量过程随机模拟,统计检验表明,建立的随机模拟方法能合理考虑日流量过程的季节性周期和长相关性,同时也能很好地保持日流量过程的其它统计特性。     

基于云模型与马尔科夫链的继电保护装置寿命预测方法

准确预测智能变电站继电保护装置的有效寿命,是保障智能变电站安全稳定运行的关键。提出了一种基于云模型与马尔科夫链的继电保护装置寿命预测方法。利用继电保护装置的运行状态数据并结合云模型的隶属度函数来构建初始状态概率分布向量,然后依据马尔科夫链原理获得状态转移概率矩阵,最后通过分析信度准则预测保护装置有效寿命。算例分析结果表明该方法能科学预测保护装置有效寿命,可为智能变电站继电保护装置的状态检修工作提供指导依据。     

基于BP神经网络的灰色自记忆径流预测模型

提高径流预测精度在于对有限径流序列所包含的信息进行充分挖掘.针对灰色、灰色自记忆建模中存在的缺陷,基于组合预测思想,借助BP神经网络方法处理灰色自记忆模型仍存在的误差,建立了基于BP神经网络的灰色自记忆径漉预测模型,并应用于新疆和田玉龙喀什河同古孜洛克水文站年径流预测中,结果表明改进后的灰色自记忆模型具有更好的拟合与预报精度,是一种有效的征流预测方法.