灰色模型的优化方法及其在水文预报中的应用

论述了灰色ＧＭ（１．１）模型的建立、计算及精确度检验等方法。给出了模型优化的一种途径，即优化参数的方法，并以济南市岩溶泉随时间变化的水位作为实例进行了具体的预报。     

水文地球化学在地震监测预报中的应用

地震预报问题是当今地球科学中尚未解决的科学难题。为了解决地震预报这个难题,当前最重要的是要寻找出可靠的地震预报方法,为此必须努力探索与地震孕育有关的各种地球物理和地球化学效应。近年来,随着地震前兆研究的进展,水文地球化     

概念性水文模型在出山径流预报中的应用

根据HBV水文模型的基本原理，建立了西北干旱区内陆河出山径流概念性水文模型。该模型反映了我国西部山区流域的径流形成特征，将山区流域划分为高山冰雪冻土带和山区植被带两个基本海拔景观带来对山区径流的形成和汇流过程进行模拟计算，以常规气象站的月气温和降水量为模型的初始输入，模拟计算月出山径流量。应用该模型对河西走廊黑河祁连山北坡的山区流域水量平衡进行了模拟计算，并对年径流和逐月分配进行了预报。结果表明，从枯水年到丰水年，降水量、蒸发量、径流量和径流系数均增加，而冰川融水和积雪融水对出山径流的补给比重则减少，这表明了冰雪融水对径流的具有调节作用。黑河山区流域径流系数远比干旱内流区的平均值大，但要小于全国的平均径流系数。所提出的内陆河山区流域出山径流的模拟和预报模型对年径流量和月分配的预报具有较好的精度，可用于黑河以及其他西北干旱区内陆河出山径流的预报，为内陆河流域中下游的水资源分配和开发利用提供依据。     

双重逐步回归分析在中长期水文预报中的应用

一、双重逐步回归分析简介众所周知,水文要素的变化不仅受前期预报因子(如大气环流、海温、太阳黑子等气象、天文因子)的支配作用,同时又有它自身的演变规律。但两者在不同时期、不同条件下的作用大小是不同的,过去中长期水文预     

区划方法在无资料地区水文预报中的应用研究

区划方法是目前国际上解决无资料地区水文预报问题的常用方法,是近20年水文学界热点问题之一。本文通过介绍当前国际应用区划方法解决无资料地区水文预报问题的研究进展、存在问题和应用前景,为国内无资料地区水文模拟研究提供借鉴和参考。文章将区划方法分为3类:临近流域替代法、水文相似流域替代法和回归法。通过文献梳理及案例分析,本文指出各类方法的问题、适用范围及不同资料条件下方法选择。最后,通过对国际上无资料地区水文预报的总结分析,提出我国无资料地区研究亟待解决的5个问题。     

降水临近预报及其在水文预报中的应用研究进展

随着全球气候变化、自然变迁及陆表生境改变,极端天气频发且呈现出多尺度时空变异特征,对其进行预报和预警一直是气象水文领域关注的焦点。临近预报可较准确地预报未来短时间天气显著变化,是当前预报强降水等极端事件的主要手段。从基于天气雷达0～3 h外推临近预报、融合数值模式0～6 h临近预报的发展历程梳理了临近预报的研究进展,阐述了雷达外推算法的发展进程、雷达外推预报与数值模式预报融合技术进展,指出"取长补短"的0～6 h融合预报在提高降水预报精度、延长降水预见期等多方面有较大的发展潜力,进一步探寻及提升融合技术是未来融合预报发展的核心。将临近预报以气象水文耦合的方式引入水文预报是从源头提高水文预报精度、保障水文预报效果的主要途径,总结了现阶段主流耦合方式、空间尺度匹配技术、水文模型不确定等陆气耦合中的关键问题,阐述了外推临近预报、融合临近预报作为水文预报输入的研究进展,明确了融合临近预报在延长洪水预见期、提高洪水预报精度中存在优势,并讨论了未来的研究重点及发展方向。     

全国水文预报技术竞赛参赛流域水文模型分析

对全国首次水文预报技术竞赛中参赛的10个流域水文模型的结构及模拟技术,分别从各个主要环节进行分类与综述;并根据技术竞赛检验结果所揭示的现象,就参赛水文模型的模拟及应用进行了分析与讨论。     

灰色理论在中长期水文预报中的应用研究

通过水文气象数据,建立系统模型对某一水体、某一地区或某一水文站在未来一定时间内的水文情况做出科学准确可靠的高精度预测,T提高对防洪、抗旱、水资源合理利用和国防事业中的应用。总结分析中长期水文预报模型的现状及传统模型存在的问题,讨论灰色水文预报模型详细构建步骤及模型精度检验方法,并通过实例数据分析验证构建的灰色水文预报模型的可行性与可靠性。     

敏感型人工神经网络及其在水文预报中的应用

为充分挖掘资料信息、加快收敛速度,采用一种具有敏感功能的神经网络预报模型。该模型在构造时序样本时引入遗忘因子和期望因子,以体现对前期资料的遗忘和近期预测的期望。在权值调整过程中采用指数型能量函数,以加快网络的学习收敛速度。应用实例证明:该方法可以提高当前的预测精度,并避免网络学习过程中的振荡现象。     

基于异步迭代算法的冲击地压预测

采用三层BP神经网络方法对冲击地压建立了数学模型。网络的训练算法采用具有松弛因子的动态异步迭代法,该算法在克服网络的麻痹现象及局部极小问题上都优于目前常用的训练方法,因而,采用此算法对网络进行了训练及震级的预报。基于新汶矿务局华丰煤矿1999～2000年的冲击地压现场监测数据,把冲击地压的能量、产生波的幅值、频次做为输入数据,相应期间的最大震级为输出数据,组成神经网络的训练样本及测试样本,对原始数据进行了数学预处理,网络结构采用了输入层3个结点,中间层7个结点,输出层1个结点的前向神经网络;网络最终的训练误差为0.06,预测结果的相对误差率平均为 9.2 %,预测效果比较理想。     

基于遗传神经网络的渗流实时预报方法研究

考虑渗流的主要影响因子,运用遗传神经网络建立了大坝渗流实时预报模型。该模型具有再学习能力,在应用过程中,可以用新的观测资料对模型不断地进行学习训练,且随着样本的积累,模型预报精度不断提高,预报速度很快,因而完全满足实时预报的需要。利用该模型对丰满大坝横向扬压力进行了建模预报,预报值与实测值基本吻合,预测精度高,证明该方法用于大坝渗流实时预报的有效性和实用性。     

地球物理反演中的差分进化算法

为避免传统线性反演过程中极度依赖初始模型的选取、易陷入局部最优解的问题,在综合研究现有地球物理非线性反演方法的基础上,引入了非线性领域群体智能算法—差分进化算法,并以电测深方法为例,建立起了差分进化算法的非线性反演模型,通过对所建模型试算及实测数据验证,证实该方法具有反演速度快、精度高等优点,并可推广应用于二维或三维电测深反演理论之中。最后将该算法在内蒙古某多金属矿勘查中进行了实际推广,取得了较好的效果。     

遗传算法在瑞雷面波勘探中的应用

在瑞雷面波勘探中,根据频散曲线反演地下介质模型的问题仍未完善解决。遗传算法(Genic Algorithm)作为一种全局性搜索方法,具有不依赖初始模型,不需要偏导数等优点。通过理论模型试验研究,发现遗传算法反演频散曲线的效果优于最小二乘法、广义逆算法,并结合工程实例探讨了遗传算法在瑞雷面波勘探中的实际应用效果。结果表明,遗传算法反演频散曲线的效果理想,具有一定的发展前景。     

The application of genetic algorithm in debris flows prediction

Debris flows caused serious loss of human lives and damages to properties in Taiwan for the past decades. A number of methods for prediction of debris flows have been studied including numerical method, statistic method, experiment method and neural network method in recent years. This study proposed a genetic algorithm (GA) model for occurrence prediction of debris flows. A total of 154 potential cases of debris flows collected in eastern Taiwan were fed into the GA for training and testing. The average ratio of successful prediction reaching 90.4% demonstrates that the presented GA model can provide a stable and reliable result for prediction of debris flows in the hazard mitigation and guarding system.     

大地电磁实码广义遗传反演算法研究

大地电磁反演问题通常表述为目标函数最优化,难点是多参数、非线性和不适定性,局部和全局方法都不能实现快速全局优化[4].针对局部线性方法易使解陷入局部极值,严重依赖初始模型,而传统的遗传算法在优化应用中存在局部搜索能力弱、早熟收敛等问题.这里引进一种求解一维大地电磁测深反演问题的实数编码广义遗传算法.该算法利用拟网格法初始种群和综合交叉策略,克服了早熟收敛现象,从而提高了遗传寻优的效率.理论模型反演与其它方法比较,结果说明遗传算法具有不依赖初始模型,不容易陷入局部极小,多点多路径概率搜索,以及隐合并行性等优点.     

Soil parameter identification using a genetic algorithm

This paper is dedicated to the identification of constitutive parameters of the Mohr–Coulomb constitutive model from in situ geotechnical measurements. A pressuremeter curve and the horizontal displacements of a sheet pile wall retaining an excavation are successively used as measurements. Two kinds of optimization algorithms are used to minimize the error function, the first one based on a gradient method and the second one based on a genetic algorithm. The efficiency of each algorithm related to the error function topology is discussed. Finally, it is shown that the use of a genetic algorithm to identify the soil parameters seems particularly suitable when the topology of the error function is complex. Copyright © 2007 John Wiley & Sons, Ltd.     

水文集合预报试验及其研究进展

水文集合预报是一种既可以给出确定性预报值,又能提供预报值的不确定性信息的概率预报方法。简述了水文集合预报试验(Hydrologic Ensemble Prediction Experiment,HEPEX)国际计划的主要研究内容,回顾了HEPEX研究进展,分析了对水文预报发展有重要意义的3个HEPEX前沿研究:降尺度研究、集合预报系统研究以及不确定性研究。研究表明,动力-统计降尺度法和高分辨率"单一"模式及低分辨率集合相结合是HEPEX未来研究的方向。     

Structuring velocity model of microseism based on genetic algorithm and Levenberg-Marquardt algorithm

为在射孔时间未知条件下达到微震速度模型矫正的目的,采用遗传算法交叉互换搜索最优初值和 Levenberg-Marquardt 算法局部锁定最优解的方式来构建微震速度模型。通过 6 层层状模型及井下不同数量检波器进行试算,随着检波器数量增加,构建的速度模型准确度越高,当检波器数量增加到 20 个时,误差约 13. 4 ×10 －3 ,目的层检波器数量越多,构建目的层速度误差越小,第 5 层检波器由 1 增加到 3 个时,精度提高 9. 1 ×10 －3 ,并且反演震源与实际震源距离相差 10 m,说明此方法在射孔时间未知条件下可以良好构建速度模型。