基于优化算法的组合模型在水库年径流预测中的应用

为提高水库中长期径流预测精度,将灰色模型与BP神经网络模型进行组合,并采用马尔科夫链对组合模型误差序列进行修正,建立修正的中长期径流预测组合模型,此外利用SMA算法对组合模型参数进行优化,以白石和阎王鼻子2座水库为实例,选取常用5种模型进行精度对比。结果表明：相比于其他5种模型,参数优化后的修正组合模型其平均相对误差MAPE可降低约10%～13%,均方根误差RMSE平均可降低约34%～42%,预测精度更高。研究成果对于水库中长期径流预测方法具有重要参考价值。     

基于马尔可夫链校正GM-BP模型的径流预测

为进一步提高中长期径流预报精度,以兰西水文站1959-2014年径流深数据为例,分别利用灰色模型和BP神经网络模型对径流深数据进行预测,采用马尔可夫链推求状态概率对预测结果校正,用最小二乘法对双模型校正结果进行耦合。模型所得组合校正预测结果通过平均相对误差、均方差和合格率进行统计描述,校正后的组合预测结果平均相对误差和均方差分别为12.72%和11.70,均要优于灰色模型和BP神经网络模型且90.91%的预报结果满足相对误差小于20%的控制条件。可见,耦合模型能有效规避单一模型已存在的缺点,基于马尔可夫链的修正结果可使预测精度进一步提升。因此,本研究提供的组合校正模型在一定程度上具有更好的拟合效果和预报精度,是一种具有实用价值的预测模型。     

降雨径流模型在年径流还原计算中的应用

通过降雨径流模型分析计算得出不同阶段人类活动对径流的影响，从中选择具有代表现状人类活动水平的径流系列资料，分析用水量及其组成、各项用水还原计算的精度，找出原因，寻求一种更合理而有效解决方法和途径。     

灰色包络模型在紫坪铺站年径流预测中的应用

基于对岷江流域紫坪铺站年径流的变化及其预测问题的分析，以紫坪铺站1972～1981年实测年径流数据为基础，尝试将灰色包络数学模型用于分析紫坪铺站年径流。通过对预测结果进行比较分析，发现该模型在紫坪铺站的应用精度较高。     

黄河年降雨-径流BP预测模型研究

采用改进的BP算法,对黄河兰州水文站45年(1956～2000年)的年降雨和径流实测资料进行了分析,建立了基于人工神经网络的年降雨一径流预测模型,研究结果表明：仅用预报前时段的年降雨和径流资料作为输入来预测下一时段的径流,其预报精度较差,但在预报期内有相对误差小于10％的降雨预报值输入时,所建模型对下一时段的径流预测与传统的统计建模方法相比,预报精度较高,能较好地反映黄河上游区的年降雨-径流规律。     

改进的小波去噪算法与SSA预测模型在地铁监测中的应用

为了有效去除地铁形变监测信号的噪声,提高形变监测精度,提出了一种以1/2噪声幅度为阈值的小波去噪算法,对地铁形变实时监测信号进行去噪。结果表明,与硬阈值法、软阈值法和可调参数阈值函数法相比,1/2阈值函数法去噪效果更好,平均SNR为24.627dB,与硬阈值法、软阈值法、可调参数阈值函数法相比分别提高了3.15%、3.12%、1.07%;平均RMSE为0.23mm,与硬阈值法、软阈值法、可调参数阈值函数法相比分别提高了10.07%、6.47%、4.32%。采用奇异谱分析(Singular Spectrum Analysis, SSA)预测模型对监测数据进行了预测,预测精度,平均MAE为0.24mm、RMSE为0.26mm,就RMSE值而言,较BP神经网络提高了16.45%。     

ARIMA模型在田东县年降雨量预测中的应用

介绍了自回归移动平均模型ARIMA（p,d,q）的原理和建模方法。根据田东县近年来年降雨量特征,建立了ARIMA（1,1,12）预测模型进行分析预测,并与灰色预测模型GM（1,1）的预测结果进行对比,对比的结果是ARIMA模型的预测精度比灰色预测模型的精度明显提高。     

基于小波消噪的年径流预测SPA模型

集对分析(SPA)的年径流预测就是基于SPA原理从同、异、反3个方面刻画预测模型的误差分布情况,利用联系度描述水文预测模型的预测精度,从而建立预测模型。水文序列的多时间尺度和高度的非线性特性,使得建立的水文预测模型精度往往不高。应用小波消噪的特点,利用汾河水库坝下站1959—1983年的资料建立小波消噪的SPA模型,对1984—1989年的丰枯状态进行预测,将水文预测中的单一预测和综合预测结果分别与实测系列进行对比。结果表明,综合预测模型优于单一预测模型。     

小波网络模型在年径流预测中的应用

结合人工神经网络（ANN）的较强非线性逼近功能和自学习、自适应特点。充分发挥两者优势，将小波分析与人工神经网络进行耦合（即小波网络模型）。将非线性时间序列实行小波变换．再以小波变换序列作为ANN的输入、原始时间序列作为ANN的输出，最后训练网络并进行预测。     

二道坎水库年径流及设计洪水分析实例

对拟建的二道坎水库工程的年径流、设计洪水以及泥沙、蒸发增损、冰清等水文条件进行系统合理的实例分析,以确定水库建设的必要性和可行性。     

年径流预测的G-SPA模型及其应用

提出了以几何形式表示集对的G-SPA模型,该模型以向量之间的夹角、相关系数、欧式距离以及向量的模为指标对径流集合建立对应的指标集合,将指标集合的相似度作为判断径流集合相似度的依据,其优点是不仅考虑了径流大小的相似性,而且考虑了径流变化趋势的相似性。将G-SPA预测模型应用于沱江三皇庙站年均流量预测中,并分别与GRNN神经网络模型以及AR(2)模型的预测结果进行了对比。结果表明:G-SPA模型预测的平均相对误差为16.42%,预测结果优于GRNN模型和AR(2)模型。     

黄河干流水库联合调度径流预报模型研究

在简述线性水文系统中总径流线性响应模型ＴＬＲ与线性扰动模型ＬＰＭ以及时间序列的自回归ＡＲ模型、滑动平均ＭＡ模型和自回归滑动平均ＡＲＭＡ模型基础上，结合黄河干流水库联合调度研究阐明了黄河干流径流预报的构想及组合模型、并讨论了径流预报模型实时校正方法，同时分析了各模型的特点及其对水库优化调度的影响，这对黄河干流水库联合调度研究以及水库优化调度在实际中的应用具有重要意义．     

小波网络模型在隔河岩水库径流预测中的应用

基于小波分析与人工神经网络提出一种小波网络模型,模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力,预测精度较好。在清江隔河岩水库年、月径流中长期预测中,得到满意的结果。     

BP人工神经网络模型及其在年径流预报中的应用

文章选择和田河支流玉龙喀什河作为研究对象,构建BP神经网络模型,对玉龙喀什河年径流及相关气象资料行径流模拟研究,结果表明:BP人工神经网络模型收敛速度快,预报精度高,为该领域研究提供了新的思路。     

AR模型在宝珠寺水库实时洪水预报校正中的应用

人类活动改变了流域下垫面,对洪水预报精度产生极大的影响,引进实时校正模型以提高洪水预报精度。根据宝珠寺水库的自然地理和水文气象特性,宝珠寺水库实时洪水预报采用新安江模型,实时校正模型采用时间序列AR模型。利用10年历史降雨径流资料,对新安江和实时校正模型的参数进行率定,并利用近年的2次洪水对模型进行检验,检验结果表明实时校正能明显地提高洪水预报的精度。     

大伙房水库旬降雨径流非线性相关模型研究与应用

分析了大伙房水库引水工程实际调度需要,研究水库流域基于旬降雨、旬初径流的旬径流中期预报模型,通过对水库建库以来的47年旬降雨径流资料的模拟,确定了用于水库旬径流预报的各旬模型参数,参数拟合和检验模拟合格率都比较高。应用结果表明,模型结构简单,可操作性强,可为应用美国的GFS(Global Forecasting Sys...     

陡河水库年径流的灰色拓扑预测

陡河水库建于1958年,位于唐山市区东北部10km处,坝址以上集水面积530km2,总库容为5.152亿m3。自建库以来,在防洪、城市供水、农业灌溉、发电等方面发挥了巨大的社会和经济效益。利用模型对水库天然径流量进行准确预测,将为水库及时修订调度方案,及早做好供水和蓄水计划具有重要的指导意义,也是水库实现蓄泄结合、科学调度的重要依据。     

ESMD在关中西部径流周期、突变分析中的应用

研究河川径流的演变规律,可为水利工程的调度运行提供科学依据,对区域防洪抗旱具有重要意义。文章利用极点对称模态分解法(ESMD),结合小波变换及T检验对关中西部的渭河、千河、漆水河、石头河年径流的周期、突变特征进行了分析,并与已有研究成果进行了对比分析。结果表明：渭河、千河、漆水河、石头河年径流分别存在19.8、14、22.7、23.3a的大周期,漆水河存在11.3a的小周期,其他3条河流均存在7～8a的小周期;渭河在1986年出现突变,另外3条河流在1990—1991年出现突变;ESMD可用于关中西部非线性非平稳年径流的周期、突变分析。分析结果可为研究区4个水库的兴利调度提供依据。     

灰色微分动态自记忆模型在径流模拟及预测中的应用

在灰色微分动态模型的基础之上,采用季节/年际性指数对原始降水和实测径流进行预处理,并引入自记忆函数,构建灰色微分动态自记忆模型,将其应用于滦河流域径流过程的模拟和预测。结果表明：（1）采用预处理前的降水径流数据所构建的DHGM（2,2）模型和DHGM（2,2）自记忆模型在年尺度和月尺度上的径流模拟效果较差,难以反映径流的变化过程,对输入数据进行预处理后,构建的DHGM（2,2）自记忆模型模拟精度得到了很大的提高,三道河子站和滦县站年径流和月径流模拟序列的Nash-Sutcliffe系数和相关系数均达到了0.6以上;（2）模型在年尺度和月尺度的径流预测中具有一定的适用性,且结构简单、计算方便,但需要进一步考虑蒸发、土地利用和人类活动等因素,使模型更为完善。     

改进的EEMD-NNBR耦合模型在年径流预测中的应用

基于极值中心三次样条插值法对集合经验模态分解(EEMD)技术进行改进,在此基础上将改进的EEMD与最近邻抽样回归模型(NNBR)结合,提出了改进的EEMD-NNBR耦合模型。改进的EEMD能对上、下极值点进行较好的拟合,且将序列均值延拓到序列两端以减缓端点效应。首先由改进的EEMD分解年径流序列,得到各本征模函数IMF和趋势项,然后分别对各本征模函数和趋势项建立最近邻抽样回归模型得到各分解序列的预测值,最后将预测值累加即为年径流预测值。将改进的EEMD-NNBR耦合模型用于屏山站年径流预测,并与EEMD-NNBR耦合模型对比,其预测值的平均相对误差由10.08%提高到8.59%,表明建议模型能提高径流预测精度。