基于DS证据理论的多模型洪水预报方案优选

【目的】研究基于DS证据理论的多模型洪水预报方案优选模式,以丰富多模型洪水预报方法。【方法】建立了多模型洪水预报情形下的优选指标体系,运用基于证据可信度的DS证据理论合成方法进行洪水预报方案的优选,采用新安江模型、萨克拉门托模型、水箱模型和陕北模型进行多模型洪水预报的优选,并以东洋河为例进行模拟验证。【结果】在对东洋河洪水进行预报时,新安江模型、萨克拉门托模型、水箱模型和陕北模型的可信度(m(Mi))分别为0.758 7,0.906 6,0.838 4和0.859 1,多模型洪水预报方案由优到劣的次序依次为:萨克拉门托模型、陕北模型、水箱模型、新安江模型,因此认为采用萨克拉门托模型对应的预报方案为最优预报方案。【结论】基于DS证据理论的多模型洪水预报方案优选可以为决策者提供更为科学的决策,进一步丰富和完善了多模型洪水预报方法。     

清河水库洪水自动预报修正与检测方法的分析

本文采用多种模型预报方法对洪水自动预报中的误差进行了修正与检测,运用洪水预报人工干预的手段,对多种洪水预报方法进行详细的分析,对洪水自动预报进行系统的修正与检测,提高了洪水预报精度。     

基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。     

汤河水库洪水预报与调度系统技术研究

水库洪水预报与调度是水库控制运用的关键内容,研究采用蓄满产流模型结合水库调度试算法开发了辽宁省汤河水库洪水预报与调度系统。系统介绍洪水预报与调度系统的设计与开发成果。     

渭河下游洪水预报的人工神经网络模型研究

简述了江河防洪的重要性和洪水预报在江河防洪决策中的作用 ,建立了渭河下游干流临潼断面和华县断面洪峰流量预报的人工神经网络 (ANN)模型。模型评定和检验表明 ,ANN模型的预报效果比传统的统计相关模型有明显的改善 ,而且有利于模型评定与检验精度间的合理协调 ,以及洪水预报与防洪决策的智能化管理。     

基于BP神经网络的闽江上游洪水预报

洪水预报是水文科学中的难题,尤其是多分支河流的洪水演进和预报问题更是水文预报的难点。研究应用VB 6.0编程技术,实现人工神经网络BP算法的程序化,并建立闽江上游洪水过程预报的反向传播神经网络模型。经检验,洪水预测精度较好,结果令人满意,为闽江的洪水预报及调度工作提供新的思路和依据。     

最小二乘支持向量机在洪水预报中的应用

由于洪水这种自然灾害严重影响着正常的农业生产,该研究提出基于最小二乘支持向量机(LS-SVM)的洪水预报方法。利用LS-SVM泛化能力强、收敛速度快、预测精度高的特性,结合四川省自贡市某水文站实测水位和流量的数据,建立了单输入单输出(水位—水位)和双输入单输出(水位和流量—水位)2种洪水预报模型。结果表明:这2种模型都可以满足洪水预报精度的要求,并且双输入单输出(水位和流量—水位)模型的预报精度比单输入单输出(水位—水位)模型的预报精度高。     

七里街水文站实时洪水预报神经网络模型

采用人工神经网络方法,建立福建省闽江建溪流域七里街水文站实时洪水过程预报的３ 层前馈反向传播神经网络模型, 经检验预测精度为８３．３０％ , 符合该区洪水预报规范, 准确率比较高． 其结果表明, 人工神经网络模型可适用于洪水过程预报的动态模拟     

资水柘桃区间近年来超保证洪水的分析与探讨

近年来,资水柘桃区间相继发生多场大洪水,洪水预报在防洪减灾中发挥了重要作用。文章就"140716"、"160705"、"170701"三次组合复杂、洪灾严重、社会影响大的超保证洪水进行分析,提出采用新安江三水源模型及API模型预报的关键因子及处理方法,为相似洪水预报提供参考与借鉴。     

洪水预报模型在大中型水库中的应用研究

本文对水箱模型、新安江模型原理进行阐述,同时对这2个模型在清河水库实际应用过程中的误差情况进行统计计算,采用试错法对模型参数进行了重新率定,对率定参数后的模型重新进行历史洪水模拟预报,以提高清河水库洪水预报的精度。     

石头河流域产流预报模型研究

通过对石头河流域降雨径流关系的分析 ,选取斜峪关水文站 195 4～ 1978年的 6 1场典型洪水 ,建立了该流域蓄满产流模型 ,模型评定的合格率为 91% ,确定性系数为 0 .890 ;并用 1979～ 1980年斜峪关水文站的10场典型洪水对模型进行了检验 ,合格率为 70 % ,确定性系数为 0 .92 1,均达到乙等预报方案。     

用模糊神经网络提高洪峰预报精度的研究

在大量研究的基础上,提出了基于模糊理论的神经网络改进算法,用来提高对洪峰的预报精度。该方法在网络训练时引入模糊理论来确定网络误差修改的程度。引入的算法增大了大值输出样本和期望输出的误差,使得网络向着提高洪峰拟合精度的方向修改权重。应用表明,改进的模糊BP神经网络能够较好的反映洪水演进机理,提高了神经网络洪水预报模型对洪峰的预报精度,保证了洪峰预报的可靠性。     

水库防洪实时调度决策模糊推理神经网络模型与应用

水库防洪实时调度决策方法是研究水库调度问题的主要内容。针对传统方法研究不系统、不全面、不能综合利用所有信息、不具有学习功能等缺点,提出水库防洪实时调度决策模糊推理神经网络模型,它在一定程度上较好地解决了这个问题。计算实例大伙房水库75704次、85804次洪水调度取得了比较理想的效果。     

基于马尔可夫模型的贺州市旱涝预测系统研究

基于贺州市历史观测的降水数据对马尔可夫模型进行了研究和改进,并利用VC＋＋、VB等计算机语言,开发了贺州市旱涝预测系统,实现了业务化应用。结果表明,在月尺度、季尺度和年尺度上,该模型都有较好的预测能力。     

利用信息处理软件编制短期洪水预报的建议

利用信息处理软件对短期洪水预报的编制和应用,较好地解决了小流域短期洪水预报方案缺乏和过时这一实际问题。     

组合预测方法及其在土壤水分预测中的应用

本文简要介绍了当前较为流行的一种新的预测方法—组合预测方法及最优权数的计算。并利用此方法对预测土壤水分含量的两个单一预测模型进行综合处理,得到了土壤水分含量的组合预测模型,从统计分析和回归检验中可以看出,组合预测模型较原两个单一预测模型的预测精度有较大的提高。     

金华站预报方案建模及洪水预报系统研制

随着人类活动的加剧,金华江流域下垫面情况发生了很大变化,原有预报方案很难反映金华站洪水规律。从这一点出发,重新制定金华站洪水预报方案,将重要水利工程考虑到方案中,并在资料选取、预报根据站选择,以及参数率定的过程中充分论证,采用合理的方法消除资料不足、面雨量计算及土壤初值等误差因素对方案的干扰,取得了较为满意的效果。最后,采用组态化的免编程技术,建设金华站洪水预报系统,提高金华站洪水预报服务能力。     

基于遗传程序设计的产流预报模型

产流预报模型是洪水预报的基础,为了提高产流预报精度,将遗传程序引入降水、径流关系回归模型中。遗传程序能够通过自身演化寻找因果变量之间的回归关系,自动形成函数表达式,比传统方法有很大的灵活性,不必事先选定具体的数学表达式。将该预报模型应用于陡河水库的径流预报,并同传统线性回归方法进行比较,结果表明:基于遗传程序设计的产流预报模型适应性强,拟合精度高,适合解决非线性问题,为径流预报提供了新方法。     

汤河水库流域产流模型应用研究

在深入分析汤河流域的水文和气候特性以及超渗、蓄满产流模型的基础上,提出运用综合产流模型,用20场洪水资料进行模型参数的优选,预报结果平均精度为82.7%,预报效果良好。