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。     

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。     

淮河入洪泽湖洪水预报模型

根据降雨径流相关分析,建立了人洪泽湖洪水预报模型,它包含了产流、汇流子系统。预报模型与实测洪水过程相比较,洪峰值的最大误差小于10％。     

基于新安江模型的螺岭桥水文站洪水预报研究

文章基于三水源新安江模型对螺岭桥水文站洪水预报方案进行构建,通过模型参数率定和检验,确定其预报方案达到预报要求,根据《水文情报预报规范》相关规定,新安江模型在螺岭桥站应用良好,可进行预报作业。     

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。     

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     

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。     

湖南省中小河流域洪水预报模型的研究与应用

针对湖南省实际的防汛业务需求,利用自然流域法将湖南省的中小河流域划分成湘、资、沅、澧以及洞庭湖五大流域,使用湖南省2008—2018年27个水文控制站的水位数据及同期湖南省97个国家气象站点实况与格点融合降水产品,研究了湖南省中小河流域强降水与洪水之间的关系,建立了一个基于流域降水的水位预报模型。通过2019年7月6日至13日湖南省强降水与洪水实例对该预报模型进行了应用与检验,检验结果表明,在此次强降水与洪水过程中,湘、资、沅、澧四大水流域的水位预报峰值及变化趋势与实际情况基本一致,表明该模型对水位预报效果较好,在业务应用中具有一定指导意义。     

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。     

基于BP神经网络的洪水预测研究

以BP神经网络为基础,通过对神经网络的各个参数进行优化后建立洪水预报模型,并利用四川省达州市州河干流水文站所采集的水文数据进行仿真预报并和实测流量对比。研究表明,采用基于BP神经网络的洪水预测模型进行洪水预测的精度较高,是一种有效可靠的洪水预测方法。     

东辽河二龙山以上流域暴雨洪水分析——以2013年8月为例

本文通过对东辽河二龙山水库以上流域"2013·8"暴雨洪水的降雨过程、暴雨时空分布、洪水过程进行分析,为该流域水文预报、防汛、水资源资源利用提供参考。     

大伙房水库“05813”暴雨洪水分析

对大伙房水库"05813"暴雨洪水进行分析,包括雨情、水情、洪水预报、洪水调度、调度经验、防洪效益等方面内容,以为水库的防洪工作提供参考。     

洪水预报信息用于水库防洪预报调度的风险分析

【目的】提高洪水预报子系统风险分析的可信度,探讨将洪水预报信息用于水库防洪预报调度的可行性。【方法】针对水库洪水资料样本不足的问题,引入信息扩散的风险分析方法,并以安康水库防洪预报调度为实例,对6 h入库洪水预报信息应用于安康水库洪水预报调度中的风险问题进行了分析。【结果】提出了水库防洪预报调度风险分析的内容和定义,求得基于6 h洪水预报信息的安康水库调洪风险率约为25%,能满足水资源系统对风险率的规定要求。【结论】分析过程和分析结果显示,在对水库防洪预报调度中的洪水预报子系统进行风险分析时,采用信息扩散的风险分析方法,可有效解决预报信息样本不足的问题,充分提高分析结果的可信度,将洪水预报信息用于水库的防洪预报调度决策是可行性的。     

数据误差处理方法在洪水预报中的应用

洪水灾害会对我国的正常农业生产造成非常严重的影响,因此提出一种基于数据误差处理的洪水预报方法有重要意义。结合四川省自贡市某水文站实测的流量数据,应用LS-SVM智能算法建立了单输入单输出(流量—流量)洪水预报模型,并应用数据误差处理方法中改进的拉依达准则法(3σ)和肖维勒准则法(Chauvenet)来处理样本数据里存在的一些误差数据。实验结果表明,应用以上2种数据误差处理方法处理过后的LS-SVM预测模型可以满足洪水预报精度的要求。     

变权组合预测模型在洪水预报中的应用

【目的】研究洪水预报的多模型组合预报模式,丰富洪水预报的方式方法。【方法】将最优非负可变加权系数的组合预测方法应用于洪水预报中,分别建立最优加权组合预测模型和最优非负可变加权系数组合预测模型,以新安江模型、萨克拉门托模型、水箱模型和陕北模型为例进行组合预报,并用东洋河1982年8月的一场洪水实测流量值对2种组合模型进行了实例验证和比较。【结果】最优非负可变加权系数组合预测模型的3种误差指标均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为18.394 0,51.317 2和0.131 4,明显小于最优加权组合预测模型的28.110 7,108.816 7和0.268 9,且前者的确定性系数(DC)为0.961 3,明显大于后者的0.909 5,表明应用最优非负可变加权系数组合预测模型的预测结果优于定权重的最优加权组合预测模型的预测结果。【结论】考虑变权重的最优组合预测能进一步提高洪水预测的精度。     

蒲河2006年8月25日暴雨洪水过程分析

对泾河水系蒲河流域2006年8月25日暴雨洪水过程产生原因、暴雨时空分布及洪水特点进行了分析。针对洪水泥沙，提出应加强洪水预警预报工作，避免洪水滞洪淤积，提高水文测验水平，加强退耕还林草植被治理，避免坡面侵蚀，减轻黄河流域及水库的泥沙量。     

城市与流域防洪耦合的洪水预报调度系统研究

针对城市与流域相结合的情况,建立了城市防洪与流域防洪相耦合的洪水预报调度模型,并以济南市的实例加以验证。结果表明,所建立的模型合理,求解方法有效可行,能够满足城市和流域防洪的安全要求。     

辽源水文站10720号与94816号暴雨洪水对比分析

本文通过对东辽河辽源水文站2010年7月20日（以下简称10720）洪水与1994年8月16日洪水（以下简称为94816号）洪水特性相比较对比分析，寻找其规律，为今后作辽源水文站的洪水分析预报及辽源市水资源开发利用城市防洪等提供了依据。