基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列，对这些子径流序列分别建立局部神经网络模型，而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时，首先用分类器判别其类别，以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比，结果表明这种基于径流分类的降雨－径流模型表现出了更优良的性能，可以较大地提高径流模拟精度。     

年径流预报的非线性混合回归模型研究

径流中长期预报一直以来都是人们关注的热点研究问题,常用的时间序列法、多元回归分析法等都存在预报精度偏差过大的问题。以年径流作为自回归因子,降水和气温作为多元回归因子,建立了年径流预测的非线性混合回归模型,并利用BP神经网络进行模型求解。戴营水文站的年径流预报结果表明,与自回归模型、多元回归模型、BP网络模型和线性混合回归模型相比较,非线性混合回归模型具有较高的预报精度。     

黄河龙门径流量预测模型研究

河川径流预测是一个十分复杂的问题,生命旋回模型在进行径流趋势预测时具有对资料要求少、计算简单等优点,但由于模型方程的限制,进行预测时得到的序列很难反映径流序列的随机波动变化,且存在预测结果精度不高的缺点。根据黄河龙门水文站提供的49a的径流水文资料。应用神经网络进行预测时和生命旋回模型建模使用,得到预测值。结果表明预测结果明显优于单一的生命旋回模型和神经网络模型,可以用于径流预测。     

基于BP神经网络的雨雪混合径流预

通过分析暴雨融雪混合径流的物理成因,确定其主要影响因子,然后分析雨雪混合径流主要影响因子对径流的影响,建立一个基于BP神经网络雨雪混合径流预报模型。并利用新疆喀浪古尔河流域暴雨融雪径流资料对模型进行仿真训练实验和验证,通过结果比较分析,在一定程度上提高了模型预报精度,取得了一定成效。     

黄河上游年降雨-径流预测研究

基于多层前向人工神经网络理论，通过GA-BP混合算法，使用黄河上游兰州水文站45年实测降雨和径流序列资料，建立了降雨—径流预测的GA-BP神经网络模型。研究表明，仅用预报前时段的降雨和径流作为输入，来实现下时段的径流预测，其预报精度较差，但在预报期内有一定精度的降雨预报输入时，所建模型对下时段的径流预测，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降雨—径流规律，可应用于实际需要。     

基于小波支持向量机特征分类的日径流组合预测——以宜昌三峡水库为例

河流径流预测作为水库调度和发电的重要前提,其预测精度直接影响水利工程的综合效益。基于径流历史数据,针对其波动和随机性提出一种小波分析-支持向量机(SVM)特征分类组合预测模型。该模型首先利用小波分解提取原始径流序列的高低频能量谱作为SVM样本标记,并对原始序列进行特征分类,分为"平稳型"和"突变型"序列,对应不同类型序列的小波近似信号和细节信号分别采用自回归和滑动平均模型(ARMA)和BP神经网络模型进行预测,再重构各序列预测结果。最后采用平均绝对百分比误差(MAPE)、均方根误差(RMSE)、希尔不等式系数(TIC)作为模型评价指标。结果表明:在3个评价指标下,所提模型都优于ARMA和BP神经网络模型,并具有更好预测稳定性。     

基于TVF-EMD与LSTM神经网络耦合的月径流预测研究

为了有效提高非平稳非线性径流序列的预测精度,采用具有自适应序列特征的时变滤波经验模态分解(TVF-EMD)与长短期记忆神经网络(LSTM)耦合,构成TVF-EMD-LSTM预测模型.首先利用TVF-EMD方法自适应地将径流序列分解为高频序列和低频序列;进而,利用LSTM神经网络对分解后的序列分别预测;最终,将预测结果加...     

基于多模型融合的中期径流预报

为提高流域中期径流预报精度，提出了一种基于机器学习的多模型融合的中期径流预报方法，并应用于桓仁水库流域。首先采用BP神经网络（BP）、多元线性回归（MLR）、支持向量机（SVM）构建旬尺度的单一径流预报模型；再基于信息熵和机器学习方法对上述单一模型的结果进行融合，分别建立基于信息熵、BP神经网络、SVM的信息融合预报模型；进一步考虑融雪影响，构建春汛期旬径流预报模型。引入平均绝对误差（MAE）、均方根误差（RMSE）和预报合格率（QR）三个误差评价指标，综合评定各模型在汛期和非汛期的径流预报精度。结果表明：(1)所有模型对径流变化趋势的模拟效果相对较好，单一模型对峰值的模拟表现较差；(2)基于机器学习算法的融合模型能很好结合不同预报模型的优势，模拟精度优于各单一预报模型和基于信息熵的融合模型，共提高汛期10个旬的径流预报精度，且将6个旬的预报合格率提升至100%，预报合格率的最大提升率达到24%；(3)考虑融雪影响的旬径流预报模型在3月和4月的预报合格率均在90%以上，提高了流域的非汛期径流预报能力。研究提出的基于机器学习的信息融合预报方法可得到准确性和可靠性较高的径流预报模型，为桓仁...     

基于BiGRU_ MulCNN的农业问答问句分类技术研究

"中国农技推广"问答社区每天新增提问数据近万条,对提问的有效分类是实现智能问答的关键技术环节。海量提问数据具有特征稀疏性强、噪声大、规范性差的特点,制约了文本分类效果。为了改善农业问答问句短文本分类性能,提出了BiGRU_MulCNN分类模型,运用TF-IDF算法拓展文本特征,并加权表示文本词向量,利用双向门控循环单元神经网络获取输入词向量的上下文特征信息,构建多尺度并行卷积神经网络,进行多粒度的特征提取。试验结果表明,基于混合神经网络的短文本分类模型可以优化文本表示和文本特征提取,能够准确地对用户提问进行自动分类,正确率达95. 9%,与其他9种文本分类方法相比,分类性能优势明显。     

基于SOM神经网络的年径流划分 ——以密云水库为例

传统的年径流划分往往通过年径流量的数量指标划分丰水年、平水年与枯水年.但仅仅通过该方法难以反映年内径流分布的情况.引入SOM神经网络,根据径流序列的月径流量、集中度与集中期,年内不均匀系数等指标,进行年径流序列的划分,得出具有年内特征的年径流划分成果.并以密云水库为例,对密云水库年径流进行了应用研究,将密云水库年径流序...     

基于HWSD的GSAC模型网格化产流参数估计与校正

针对基于网格的萨克拉门托模型(GSAC)产流参数难以估计的问题,提出利用世界和谐土壤数据库(HWSD)土壤属性数据估计和校正该模型产流参数的方法。首先,采用HWSD土粒百分含量和土壤质地分类数据估算流域各网格顶层(T层)与底层(S层)土壤的凋萎系数、田间持水量、饱和含水量等土壤水分常数;再采用一个气候指数和HWSD的T层张力水容量、田间持水量及凋萎系数推求GSAC模型上层厚度,继而利用上层厚度将流域各网格的HWSD土壤水分常数转换为GSAC模型上、下层土壤水分常数;最后利用GSAC模型上层厚度与转换了的土壤水分常数估计流域各网格的产流参数;在估计产流参数的同时,采用12个系数对这些产流参数进行校正,所有的校正系数通过自由搜索(FS)算法率定GSAC模型确定。呼兰河流域的应用结果表明:基于HWSD土壤属性数据估计GSAC模型网格化产流参数的方法简便易行,利用校正产流参数驱动的GSAC模型在率定期与验证期的纳什效率系数(NSEC)分别为0.81和0.83,与不校正产流参数情况相比,校正产流参数的GSAC模型能够取得更高的模拟精度。     

基于小波分析的支持向量机径流预测模型及应用

针对径流年内、年际变化幅度大、单一方法难以预测的特点,提出基于小波分析的支持向量机径流预测模型。该模型从时频分析角度出发,把月径流序列分解成不同的频率成分,分别采用支持向量机进行预测。以淮河支流沙河上游某水库月径流预测为研究实例,得出了较满意的预测结果。通过与其它方法预测结果的对比分析,验证了模型的有效性,为径流预测提供了一条新途径。     

年径流时间序列的混沌分析

在介绍重构相空间技术的主要定量指标(关联维数D2和柯尔莫奇诺夫(Kolmogorov)熵)的基础上，针对长江上游绵阳地区和岷江上游紫坪铺水文站的年径流时间序列，探讨了不同嵌入维m下其关联维数的变化规律。得到绵阳地区年径流时间序列的饱和关联维D2=4.11，最低嵌入维m=8，Kolmogorov熵k= 0.303；紫坪铺年径流时间序列的饱和关联维D2=2.58，最低嵌入维m=5，Kolmogorov熵k= 0.302；并且得到两个年径流序列的最大预测年限为4a，为年径流预测提供了较为科学的依据。     

基于信息扩散近似推理的年径流量预测模型

通过分析年径流时间序列的特性,利用信息扩散近似推理描述年径流量间的复杂非线性关系,建立起基于信息扩散近似推理的年径流预测模型.信息扩散近似推理将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可以将矛盾模式转换成兼容模式.通过与传统预测方法相比较,发现该模型能够很好地光滑样本数据以及能够较好地发掘知识,有较高的预测精度和推广应用价值.     

丘陵-平原-湿地复合区降雨径流数值模型

针对丘陵-平原-湿地复合地区降雨径流数值模型较少、而已构建的模型对水文要素空间分布和湿地区水流运动又反映不足,采用格子玻尔兹曼法和有限元法构建丘陵-平原-湿地复合区降雨径流数值模型。在模型构建过程中将复合区分为地势起伏较大的上游丘陵区和下游地势变化较小的平原湿地区。上游丘陵区降雨采用距离平方倒数法计算降雨空间分布、采用格子玻尔兹曼法建立非饱和区土壤水运动模型、利用达西公式建立饱和区水流运动模型、利用格子玻尔兹曼法构建汇流数值模型,进而构建了上游区的降雨径流数值模型。平原湿地区采用基于有限元四边形单元构建了水流运动数值模型。平原湿地区入口边界采用上游区降雨径流数值输出的流量过程,平原湿地区出口边界采用基于格子玻尔兹曼法的汇流模型计算的水位过程。四边形单元有限元求解水流运动方程实现了上、下游区的无缝连接,模型使用比较方便。以挠力河流域为研究对象进行了降雨径流和平坦区水流运动模拟研究,模拟结果良好,说明模型较为可靠。     

径流预测的支持向量机应用探讨

支持向量机是近年来提出的一种新的机器学习算法，它能针对在样本有限的情况，采用结构风险最小化准则，把学习问题转化为一个二次规划问题来获得最优解，从而克服了神经网络易陷于局部极小值的缺点。尝试将支持向量机算法应用于径流预测，并与BP神经网络方法的预测结果进行了对比，证明SVM方法预测径流量精度要略优于BP神经网络方法。     

基于SWAT模型的开都河上游未来土地利用变化对径流的影响

【目的】揭示土地利用变化下的流域径流变化。【方法】以开都河上游区域为研究对象,利用分布式水文模型SWAT,采用元胞自动机-马尔科夫模型(CA-Markov)预测法、当地土地利用规划要求和极端土地利用情景法共设置了4种2025年土地利用情景,包括自然发展情景、规划发展情景、极端草地情景、极端林地情景。【结果】①构建的SWAT模型在率定期(R2=0.74,NSE=0.73)与验证期(R2=0.58,NSE=0.57)的模拟结果可以接受。②采用CA-Markov模型模拟的2010年土地利用类型图Kappa系数为0.83,可用于预测2025年土地利用类型。1980—2010年土地利用类型变化主要表现为草地转换为水体和未利用地,其转换面积分别为106.09 km2和0.5 km2。③相较于基准年2010年,各土地利用情景下的年均径流量均减少,自然发展情景减少最快,极端草地情景减少最慢;从丰水期与枯水期来看,2种时期下各情景月均径流变化完全相反;从其季节分配来看,各土地利用类型在夏季对径流变化影响最大,冬季影响较小。【结论】该地区草地是影响径流最主要的调控因子,原有草地的减少会引起夏季径流较大幅度减少,对于未利用地,可考虑开发为草地。     

龙羊峡水库对下游水沙条件变化的影响分析

为了研究龙羊峡水库对下游水沙条件变化的影响,以水库下游贵德水文站年径流量和年输沙量作为研究数据,采用互补集合经验模态分解方法对建库前后径流和泥沙进行多时间尺度分析,结合多时间尺度熵和纳什效率系数分析建库前后径流和泥沙各分解序列的复杂波动特征及各分量对原始序列的贡献程度。结果表明:水库运行对下游水沙变化均有显著影响,且对泥沙的影响大于径流,同时不同时间尺度下的水沙相关关系均发生改变;水库运行会加剧水沙系统的复杂性,但随着多时间尺度波动周期的增大,水沙各分解序列复杂性降低,可预测性升高;径流和泥沙的信息量集中在中高频分量上,综合考虑建库前后水沙波动周期的变化,建议黄河上游水沙监测和研究周期分别为4~7 a和3~4 a。     

城市降雨径流污染因素与防治

城市降水径流污染中的污染物主要来自降水、城市地表和排水系统。根据武汉不透水区、透水区和森林覆盖区的不同区域的采样试验分析得出,降水径流污染除了受大气质量影响外,还受到降水强度、降水量、降水历时、降水间隔时间和汇水面等因素的影响;屋面径流污染物的来源具有多样性、复杂性和不确定性,除了大气湿沉降带来各种不同类型的污染物外,还受到屋面材料、屋面年限、材料腐蚀、管道腐蚀和污染残留物等因素的影响。一般规律是降水径流初始污染物浓度高,随着降水历时的延长,降水径流污染物浓度逐渐降低。在合流制排水系统的城市,有20%～60%的径流污染(SS、COD和BOD5)来自排水系统。因此,改造排水系统、控制径流污染,可以维持生态平衡和保护城市水环境。