基于PSO-ELM模型的冻融期土壤蒸发预报

准确预测冻融期土壤蒸发量,对于干旱半干旱地区水资源高效利用有着重要意义.基于传统极限学习机(ELM)输入权值与阈值随机给定导致预测结果精度不高的问题,提出了一种基于粒子群算法(PSO)优化极限学习机的冻融期土壤蒸发预测模型.以2016-2017年冻融期9个影响土壤蒸发的因素作为输入因子,实测土壤蒸发量作为输出因子,分别建立ELM模型、GA-ELM模型、PSO-ELM模型对冻融期土壤蒸发量进行预测.结果表明,对输入因子进行随机函数处理后可提高模型预测精度,PSO-ELM模型预测精度优于单一ELM模型和GA-ELM模型,其决定系数为0.9936,均方根误差为0.0109 mm/d,平均绝对误差为0.0079 mm/d,平均相对误差为4.91％,可用于冻融期土壤蒸发量的预测.     

改进鲸鱼算法优化混合核支持向量机在径流预测中的应用

构建基于多项式核与高斯核相融合的混合核支持向量机(MSVM),利用拉普拉斯交叉算子(LX)改进的鲸鱼优化算法(LXWOA)优化MSVM关键参数和混合权重系数,提出LXWOA-MSVM径流预测模型,并构建高斯核LXWOA-GSVM、多项式核LXWOA-PSVM及LXWOA-BP作对比预测模型,以云南省清水江水文站枯水期1-4月月径流预测为例进行实例研究,利用实例前24年和后10年资料对各模型进行训练和预测。结果表明,LXWOA-MSVM模型对实例1-4月月径流预测的平均相对误差绝对值分别为4.09%、3.32%、3.51%和5.64%,预测精度均高于LXWOA-GSVM等3种模型,具有较好的预测精度和泛化能力,可为相关径流预测研究提供参考。     

澜沧江流域中下游主要水文气象要素变化相关性分析

【目的】探索澜沧江流域水资源在变化环境下的响应机制。【方法】基于1967—2006年的水文气象资料,通过线性回归、相关分析法和随机森林重要性评分法分析了澜沧江中下游的水文气象要素月变化及其相关性。【结果】(1)1967—2006年澜沧江中下游月均降水量变化不显著;月均气温显著上升;月均蒸发量变化不明显,中游整体呈下降趋势,下游整体呈上升趋势;旱季(11—4月)月均径流量显著增加;(2)总体上,澜沧江中下游平均径流量雨季(5—10月)与气温负相关,旱季时与气温正相关;(3)径流量在湿季受蒸发量和降水量影响较大;旧州站径流量11—次年2月主要受气温和降水量影响,3—4月则是受降水量和蒸发量影响较大,与重要度评分结果大体一致;戛旧站干季时与径流量相关系数较大者依次为降水量和气温,重要度评分较大者依次为气温和蒸发量;(4)旧州站月均流量与各气象要素的相关系数绝对值均在0.9以下,戛旧站月均流量与各气象要素的相关系数绝对值均在0.5以下。【结论】变化环境下澜沧江中下游月均径流量的响应受时空变化的影响,旧州站雨季月均流量受气候变化影响较大,相较于气象要素变化,戛旧站月均流量主要受梯级电站建设和运行等人类活动影响。     

基于PCA-PSO-GRNN模型的冻融期土壤蒸发预报

季节性冻融作用加剧了土壤蒸发的复杂性,准确预测冻融期大田土壤蒸发量对干旱半干旱地区水资源高效利用具有重要意义.基于2017-2018年冻融期大田土壤蒸发实测数据和影响土壤蒸发的气象资料,利用主成分分析法对气象数据进行降维,选取7个主要气象因子作为模型输入变量,采用粒子群算法选取最优光滑因子建立PCA-PSO-GRNN土壤蒸发预报模型.结果表明:PCA-PSO-GRNN模型的预测值和实际值拟合效果较好,均方根误差为0.0114 mm/d,决定系数为0.9921,均方相对误差为0.0029,平均绝对误差为0.007 mm/d,模型预测精度和泛化性能显著优于BP模型和标准GRNN模型,可用于冻融期大田土壤的蒸发预报.     

土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选

基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。     

百色水库入库径流中长期预测方法比较研究

以郁江流域百色水库入库径流为研究对象，分别采用基于水文气象因子的逐步多元回归模型、人工神经网络模型（气象因子）和基于时间序列的混沌理论模型、最近邻抽样回归模型、小波分析法、神经网络—自回归模型共6个模型方法对百色水库年尺度、月尺度以及旬尺度入库径流进行中长期径流预报工作，随即采用平均相对误差、合格率、TS评分以及均方根误差4种评价指标对上述6个模型的预测结果进行精度评估，并依据熵权法的理论对上述4种指标进行客观赋权形成综合性指标分析体系，来确定最优模型以进行郁江流域百色水库不同尺度和预见期的入库径流中长期径流预报工作。结果表明：各模型预报结果中的平均相对误差相对较大，但其所对应的合格率以及TS评分指标均处于优良水平；月尺度预报过程中，各模型非汛期预报精度都要高于汛期预报精度。结合各模型自身特点以及综合性指标分析的基础上，可在年尺度中长期径流预报过程中采用神经网络—自回归模型、月尺度中长期径流预报过程中采用混沌理论模型，旬尺度中长期径流预报过程中依据不同的预见期分别采用人工神经网络模型（气象因子）以及小波分析法进行相关的中长期径流预报工作，从而为郁江流域百色水库制定未来中长期调度计划提供...     

基于多变量时间序列CAR模型研究

根据呼图壁河流域石门水文站1978-2011年的气温、降水及径流量资料,研究了呼图壁河流域近34年来径流量的变化趋势和突变特征,建立了基于多变量时间序列CAR(Controlled Auto-regressive)的径流预测模型,并应用该模型预测了未来不同气候变化情景下呼图壁河流域的年径流量。结果表明,呼图壁河流域年径流量、气温及降水量都呈现不同程度的增加趋势,其中年径流量在1987年发生明显突变,而年降水量和年均气温突变特征不明显;CAR模型在呼图壁河流域年径流量模拟的结果较好,平均相对误差为7.1%,达到了模型精度要求,说明该模型在呼图壁河流域有较高的适用性。在未来区域气候暖湿化背景下,对呼图壁河流域未来不同气候变化情景下的径流量进行预测,发现在降水和蒸发增加的情景下,呼图壁河年径流量均呈增加的趋势;在极端干旱条件下,径流量也表现出增加的趋势。该研究对流域水资源的合理利用与综合管理具有重要意义。     

遗传算法优化BP神经网络在山洪临界雨量预测中的应用研究

为研究确定四川省冕宁县山洪灾害临界雨量,及时采取减灾避灾措施,根据冕宁县14个雨量站和气象站的资料,选取山洪灾害发生的关键因子:日时段降雨量和降雨强度,建立BP神经网络预测模型.然后用遗传算法对BP神经网络的权值和阈值进行优化,建立GA-BP预测模型.与BP预测模型相比,GA-BP预测模型能有效克服BP模型训练时间长,易陷入局部最优的缺陷,在临界雨量预测精度方面,GA-BP模型预测的平均相对误差为1.96％,而BP模型预测的平均相对误差为7.22％,明显提高了预测精度.这一临界雨量预测方法与结果,进一步修正完善后将试用于冕宁县山洪灾害监测预警系统.     

潮河流域气候变化对径流量的影响分析

根据潮河流域戴营水文站1956-2000年历年逐月气温、降水和径流量资料,统计分析了近45年流域气候变化的基本特点,并以径流量作为自回归因子,降水和气温作为多元回归因子,建立了径流量预测的混合回归模型,分析了径流量对气候变化响应的敏感性。     

灰色神经网络组合模型在庆安县年降雨量预测中的应用

采用灰色神经网络对黑龙江省庆安县年降雨量进行预测建模,利用灰色GM(1.1)模型"贫信息"和神经网络非线性函数映射能力优秀的特性,避免了灰色GM(1.1)模型对预测拟合精度低的问题。结果表明灰色神经网络组合模型的平均相对误差为0.012 2,高于灰色GM(1.1)模型的平均相对误差0.153 7,预测精度较高,并且算法简便,拓宽了灰色预测模型的应用范围。     

基于Kostiakov二参数入渗模型参数的BP预测

基于黄土高原区大田耕作土壤的水分入渗试验,建立了Kostiakov二参数入渗模型参数的BP神经网络预测,实现了以土壤基本理化参数为输入变量,Kostiakov二参数模型参数为输出变量的BP预测方法,并分别对二参数模型中的入渗系数k、入渗指数α以及90min累积入渗量H进行了预测值与实测值的精度比较,结果显示对入渗系数k实现BP预测的平均相对误差为6.082 3%,入渗指数α的平均相对误差为1.045 9%,90min累积入渗量H的平均相对误差为4.973 5%,三者的平均相对误差值均在7%以下,预测精度较高,预测效果较好,表明以土壤基本理化参数为输入变量的BP神经网络预测是可行的。研究结果为获取准确的入渗参数提供技术手段,进而为提高农业灌溉水管理水平和灌水效率提供支撑。     

景洪-橄榄坝枢纽二维非恒定流数学模型研究

景洪-橄榄坝枢纽作为澜沧江国际通航河流的最后两级电站,其联合日调节运行方式对自身发电及下游航运具有重要影响。针对该发电、航运等多目标梯级运行问题,制定了景洪-橄榄坝联合运行的七个调度方案,并以景洪电站运行调度产生的日调节非恒定流为研究对象,建立平面二维非恒定流水力数学模型。该模型采用混合非结构网格（四边形和三角形）离散计算区域,采用Roe格式的近似Riemann解来计算通过界面处的法向通量。通过该模型模拟计算,在保证橄榄坝出境流量满足要求的前提条件下,合理协调景洪-橄榄坝两坝间通航与景洪调峰发电目标,最终得到景洪-橄榄坝联合运行具有实际应用价值的推荐方案。     

陕西省耕种收综合机械化水平预测研究

研究采用BP网络改进算法、RBF网络和遗传神经网络,构建了机耕、机播与机收水平预测模型。应用所构建的模型对陕西省机耕、机播、机收水平进行预测,着重对3种预测模型进行比较和分析,为有关部门制定政策、方针和路线提供科学依据。用测试样本对预测精度进行检验,3种机耕水平预测模型(基于BP改进算法的BP模型、GA-BP模型和RBF模型)的平均相对误差都在10%以内;3种机播水平预测模型的平均相对误差分别为5.17%,9.0%和13.86%;3种机收水平预测模型的平均相对误差分别为12.11%,7.22%和16.75%。对于机耕水平预测问题,综合考虑预测精度、构建网络的复杂度和稳定性,采用RBF模型较好;机播水平预测采用预测精度最高的基于改进BP算法的BP模型;机收水平预测可采用GA-BP模型。     

塔里木河河床演变和河道整治分析

塔里木河位于塔克拉玛干沙漠，其河床演变和河道整治对保护塔里木河具有重要的意义。通过水沙特征分析，塔里木河年输沙量变化与年径流量的丰枯变化相应；输沙量和径流量年内高度集中，最大四个月出现月份基本一致，最大四个月的年内集中程度均大于70%。经过河床稳定性计算，上游阿拉尔站和新渠满站纵横断面不稳定，中游大坝站相对稳定。从河道冲淤变化来看，淤积量大于冲刷量，河床总体趋势为抬升；由于上中游河道断面变化频繁，洪水漫溢严重，必须进行河道整治。针对塔里木河的特点，提出了河道整治措施，分析了河道整治对生态环境的影响，探讨了生态环境保护的对策。     

融合田间水热因子的甘蔗产量GA-BP预测模型

甘蔗产量预测对于制定甘蔗生长期间的精准管理决策具有重要意义。遗传算法(Genetic algorithm,GA)优化神经网络可以提高预测效率及预测精度,通过高速计算快速找到最优解。基于湛江观测实验站2011—2020年间田间物联网获取的气象因子（大气相对湿度、大气温度、降雨量）、田间水热因子及甘蔗产量,采用BP神经网络及GA-BP神经网络模型对所选地区甘蔗产量进行预测与相关性分析。结果表明,通过Pearson及Spearman相关系数可知,甘蔗产量与月土壤最高温度、月土壤最低温度、月土壤平均温度、月大气最高温度、月大气平均温度、月大气平均相对湿度为极显著相关,相关系数高于0.7,与月土壤平均含水率、月降雨量显著相关,与月大气最低温度相关性较弱。GA-BP神经网络模型对甘蔗产量的预测精度明显高于BP神经网络模型,R2达到0.8428,MAPE仅为0.90%,RMSE为1.10t/hm2,预测值与试验值之间拟合程度较高,V型交叉验证结果表明模型预测结果准确稳定。因此,GA-BP模型能够更加科学、合理地预测甘蔗产量,对甘蔗田间管理措施及统筹分配具有重要的指导意义。     

基于1D CNN-GRU的日光温室温度预测模型研究

准确预测日光温室温度是实现温室高效调控的关键,对作物生长发育具有重要意义,但因温度具有时序性、非线性及多耦合性等特征,难以实现连续、精准、长时化预测。提出了一种基于1D CNN-GRU(One dimensional convolutional neural networks-gated recurrent unit)的日光温室温度预测模型,通过温室内外监测平台获取内外环境因子,以斯皮尔曼相关系数获取相关性强特征,构造特征与时间步长的二维矩阵输入网络进行温度预测,模型在测试集上预测1～4 h后的决定系数为0.970～0.994,均方根误差为0.612～1.358℃,平均绝对误差为0.428～0.854℃,绝对值的最大绝对误差为0.856～1.959℃。并在不同清晰度指数K_T下进行验证,结果表明,模型在K_T≥0.5(晴)时预测效果最好,且在其他K_T下模型相对误差在10%以内,可以达到温室生产所需的预测精度要求,为日光温室精准高效控温提供了重要依据。     

天山北坡呼图壁河生态基流量估算研究

利用Tennant法、最枯月平均流量多年平均值法、90%保证率最枯月平均流量法和年型划分方法 4种生态基流估算方法对天山北坡呼图壁河的生态基流进行估算。结果表明:(1)Tennant法获得的生态基流量为一般用水期(10月-翌年3月)的最小生态需水量为0.055亿m~3,鱼类产卵育幼期(4-9月)的最小生态需水量为1.253亿m3;利用最枯月平均流量多年平均值法估算值为0.052亿m~3;利用90%保证率最枯月平均流量法估算基流量为0.072 8亿m~3;利用年型划分法估算生态基流量为0.166亿m~3。(2)对比4种方法可得利用最枯月平均流量多年平均值法估测值数值与实测值较接近,改进的Tennant法估测值不仅与实测接近,而且对年内用水可以进行更细致的划分,所以更适合用于反映呼图壁生态基流量。     

考虑两流区影响的分布式水文模型及其应用

黄土塬区土层巨厚，土壤入渗过程包括优先流和基质流，但其两流区入渗过程不同于山区等区域。目前，分布式水文模型在黄土高原应用时未考虑优先流对降雨入渗过程的影响，造成模型在黄土高原应用时模拟失真，精度较低，大大限制了流域分布式水文模型的广泛适用性。基于传统降雨入渗模型（Green-Ampt模型），研究通过引入总土壤饱和含水量和土壤总饱和导水系数，改进分布式水文模型，构建黄土塬区两流区WEP分布式水文模型。选择黑河流域作为研究区域，分别利用改进前、后的WEP模型模拟研究区的降雨径流过程，对比验证WEP模型改进后的适用性。结果表明：与传统WEP模型相比，通过考虑两流区影响：对于月径流而言，流域断面逐月径流量相对误差绝对值均小于0.05%,Nash-Sutcliffe效率系数均大于0.69；而未改进模型的相对误差为0.06%～0.24%,Nash-Sutcliffe效率系数在0.66～0.70之间；改进后的模型率定期Nash-Sutcliffe效率系数由0.66升高至0.69，相对误差绝对值由0.24%降低到0.05%，在验证期内Nash-Sutcliffe效率系数由0.70提升到0.73，相对误...     

资料稀缺高海拔山区降水量推算方法及在水文模拟中的应用

在无法使用常规降水插值方法情况下,以SWAT模型划分高程段做法为基础,提出基于多年平均实测径流量与模拟量偏差率最小为目标函数推算资料稀缺山区降水的方法,并用于玛纳斯河流域流量模拟。结果表明,月流量模拟结果良好,日值模拟效果一般,实测与模拟值平均相对误差都在4％以内。说明该方法能有效控制模型中长时间尺度水的输入量,能在一...     

加权马尔科夫链模型在农业灌溉用水预测中的应用研究

应用加权马尔科夫链数学模型对农业灌溉用水进行年和月尺度预测,并对比分析未加权马尔科夫链的预测精度,研究结果表明:相比于传统未加权马尔科夫链,加权马尔科夫链的农业灌溉用水预测精度明显有所改善,其与调查的农业灌溉用水的年和月尺度相关系数分别达到0.712 1和0.866 6,高于未加权的马尔科夫链的预测精度;对于不同时间尺度而言,加权马尔科夫链模型预测的灌溉用水和调查灌溉用水量虽在月尺度相关系数大于年尺度相关系数,但年尺度预测相对误差明显小于月尺度预测相对误差。