黄土高原典型流域次降雨径流侵蚀产沙规律研究

【目的】研究黄土高原地区小流域次降雨径流侵蚀产沙规律,建立适宜于该地区的侵蚀产沙预报模型。【方法】根据岔巴沟流域32年实测的水沙资料,采用径流侵蚀功率、地貌分形信息维数的计算模型及多元非线性回归方法,分析了黄土高原地区岔巴沟流域的次降雨径流侵蚀产沙规律。【结果】岔巴沟流域次降雨侵蚀产沙模数Ms与径流侵蚀功率E、地貌形态分形信息维数Di有很好的相关性,模型具有较高的精度和一定的适用性。【结论】基于流域径流侵蚀功率与地貌形态分形信息维数的岔巴沟流域次降雨侵蚀产沙预报模型,能够近似反映不同尺度流域次降雨径流侵蚀产沙特性及水沙传递的关系,为建立具有广泛适用性和较高预报精度的黄土高原流域次降雨径流侵蚀产沙预报模型提供了理论依据。     

基于熵谱理论的月径流预报

【目的】探讨熵谱模型在月径流预报中的应用效果以及训练期长度对模型预报精度的影响,为熵谱模型在径流预报中的应用提供参考。【方法】月径流预报依据黑河莺落峡站月径流资料,采用伯格熵(BESA)和构造熵(CESA)2种熵谱模型进行月径流预报,并用平均相对误差(RE)、均方根误差(RMSE)、相关系数(R)和纳西效率系数(NSE)对模型预报精度进行评价。【结果】训练期长度过短会使模型阶数偏低,模型无法做出准确的预测;训练期长度过长会使模型阶数偏高,此时训练期和验证期精度反而略微下降;适中的训练期长度能够使模型的训练期和验证期精度均相对较高且稳定。对于黑河莺落峡站,BESA模型的最佳训练期长度为13年,CESA模型的最佳训练期长度为19年,CESA模型的训练期拟合精度和验证期预报精度均高于BESA模型,同时CESA模型在汛期预报精度相对较高,而BESA模型在非汛期预报精度相对较高。【结论】BESA和CESA 2种模型都可用于月径流预报,但需要合理选择训练期长度,使模型阶数适中且稳定,以提高预报精度和可靠性。     

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。     

基于模糊物元的多属性水文预报组合决策方法

【目的】建立合理的多属性水文预报组合决策方法,为提高水文预报的精度提供参考。【方法】根据水文预报的特点,提取了水文预报中的4个决策属性指标,利用主观权重和熵权结合的方法确定属性指标的综合权重。将模糊物元理论和信息熵引入水文预报研究领域,利用模糊物元理论处理水文预报中的模糊信息,然后结合信息熵对属性进行集结,按照集结后方案的相对贴近度进行择优排序,建立了基于模糊物元的多属性水文预报组合决策方法。【结果】应用该组合决策方法对断面各时间点的预报模型进行择优,得到了断面在某一时间段与实测值更为接近的预报值。实例计算结果表明,该组合预报方法能够择优得到各方案预报值相对误差较小的最优值,有效地提高了水文预报精度,将预报结果至少提升了1个等级。【结论】所构建的基于模糊物元的多属性水文预报组合决策方法,具有较强的合理性及较广的适用性,为水文预报精度的提高提供了一条有效途径。     

物候模型预测稻纵卷叶螟发生期的应用研究

针对当前水稻纵卷叶螟发生期预报人为因素影响大、时效性差等缺点,应用物候模型、公共气象信息及网络数据库,结合稻纵卷叶螟的生物学参数组建了稻纵卷叶螟的发生期自动模拟预报系统,经江苏通州2003～2012年的稻纵卷叶螟系统调查数据验证比较,结果表明该系统可自动模拟预报稻纵卷叶螟的发生期,且准确率高,时效性强。模型计算方法以正弦法水平截取的精度最高,在稻纵卷叶螟1个世代时间段内,平均误差仅0.56d,优于用日平均温度计算的有效积温法(平均误差为2.35d)。本预报系统可在生产上推广应用,取代目前生产上常用的历期法、期距法等发生期预报方法。     

江南地区大棚草莓产量预报模型研究

研究旨在建立以浙江慈溪为代表的江南地区气候相似区域无加温大棚草莓产量预报模型。根据冬春季大棚草莓主要生育期和果实生长发育生理特性,以2011—2021年浙江省设施农业气象试验站（慈溪）大棚草莓产量统计数据、产量形成期大棚内各小气候要素气象资料为研究基础,采用多项式预报法,构建基于有效积温和辐热积等小气候关键因子与产量的多元回归模型,从而建立江南地区大棚草莓产量预报模型。所建产量预报模型平均精度达95.3%,最低精度在90%以上,有较好精度,可提供较为准确的大棚草莓年产量预报信息,可为江南地区大棚草莓及其他气候相似区大棚果蔬作物生产过程中的产量预报提供参考。     

基于改进神经网络的大坝安全监控模型

神经网络独特的结构和强大的信息处理能力为大坝安全监控提供了有力的技术支持。针对传统神经网络存在的网络学习速度慢,容易陷入局部最优以及网络结构参数经验取值的缺陷,建立了一种新的基于改进神经网络大坝安全监控模型,在网络学习算法上采用LM算法以提高网络的收敛性能,并利用遗传算法确定神经网络结构参数。对某混凝土重力坝的实例计算表明,该模型预报精度可满足工程要求,具有良好的应用前景。     

基于AGA-Shepard模型的黄河三湖河站封开河日期预报

【目的】建立黄河内蒙古段主要水情控制断面冰情信息的预报模型,为黄河内蒙古段的冰凌研究和灾害防治提供参考。【方法】选择黄河内蒙段三湖河站为研究对象,运用数理统计中的互相关分析和显著性检验方法,对黄河三湖河站封河日期、开河日期及影响因素的时间序列进行分析,筛选封、开河日期的预报因子,进而建立冰情信息预报的AGA-Shepard模型。【结果】依据《水文情报预报规范》,所建立的AGA-Shepard模型对于三湖河站封、开河日期的预报精度达到85.7%和83.3%,属于甲等预报方案。【结论】建立的AGA-Shepard模型可以用于黄河三湖河站封河日期、开河日期的预报。     

降雨侵蚀力指数的时间序列分析

本文简要介绍了时间序列分析的数学模型和建模途径,对实际月降雨侵蚀力指数序列进行了平稳性、正态性和周期性检验,在样本相关函数和偏自相关函数计算的基础上,确定出了模型的形式和阶次,并估计出了模型参数值。对所得到的月降雨侵蚀力指数预报方程,用实际值进行了预报检验,其结果表明所建立的预报模型具有较高的精度。     

灰色径向基神经网络技术在清河水库中长期水文预报中的应用

清河水库中长期水文预报采用的预报方法 ,因预报准确性较低,用以指导实际调度运用的价值不大,灰色径向基神经网络中长期水文预报模型在清河水库中长期预报中应用,有效地提高了清河水库中长期水文预报的精度。     

灰色周期指数法在地下水位短期预报中的应用

在周期指数法的基础上，提出了适用于地下水位短期预报的灰色周期指数法。以新疆昌吉市为例，从模型拟合精度、精预报精度两个方面分析了该方法的合理性。最后给出了一个计算实例。     

考虑非均匀暴雨中心空间分布的洪水预报方法

在洪水预报实践中,降雨在流域空间分布的不均匀性一直是影响预报精度的主要问题之一,这一问题在我国半湿润、半干旱及干旱地区尤为突出。本文提出了一种针对非均匀暴雨空间的洪水预报方法,按照非均匀暴雨中心的空间分布,可以将流域划分为"暴雨核心区"和"非暴雨核心区",分别采用不同的水文模型参数进行产汇流计算。该预报方法可充分利用流域内各雨量站在暴雨期间的雨量分布信息,考虑降雨开始时土壤含水量在流域上的差异,方法简单,易于操作。方法中提出的降雨不均匀系数能定量有效地判断流域内发生不均匀降雨的临界点,有助于准确判断该预报方法在实际预报中的使用时机。实践证明,该方法可以减少在降雨不均匀情况下选择模型参数的不确定性,与传统方法相比能有效提高洪水预报精度。     

马铃薯晚疫病短期预报模型

依据云南省马龙地区2003 ～ 2012年种植季的数据资料,分别利用单一回归模型、混合模型建立预报模型,并利用历史数据资料的回代进行精度检验.结果表明:2个模型均满足精度要求,但经过改进的混合模型明显提高了拟合精度.采用混合预报模型替代传统单一预报模型,综合考虑了同时期和不同时期的因素对马铃薯晚疫病的影响,提高了模型的精度.     

柴河水库流域前期影响雨量的计算方法

分析了柴河水库产流模型的影响因素,提出了改进流域前期影响雨量的计算方法,以提高水文预报的精度。     

基于改进径向基函数的降雨量短期预测研究

为提高短期降水量预测的精度,尤其是汛期降水量的准确估计对防洪减灾以及水资源管理都具有很重要的指导意义。将具有较强非线性映射能力的人工神经网络技术用于汛期降水量预测,更符合降水量的随机相关特征,能切实提高其预测精度。将基于密度参数改进传统K-均值算法与径向基函数神经网络(radial basis function,RBF)耦合,提出了一种新的短期降雨量预报模型。并将所构建的模型应用于黑龙江省双鸭山市汛期月降雨量预报中进行验证。RBF神经网络是一种泛化能力较强的前馈型神经网络模型;密度参数可以通过寻找聚类中心至样本平均距离区域内样本的最优密度,使K-均值算法确定的RBF神经网络基函数中心减少波动,消除标准K-均值算法对初始聚类中心的敏感性,提高RBF网络的逼近能力和网络中心的搜索速度。研究结果表明:基于改进径向基函数的降雨预报模型对于预见期2010年、2011年和2012年的汛期(6~9月)降雨量的计算平均相对误差为10.81%,确定性系数为0.95,预报精度比标准K-均值算法和BP神经网络两种模型的计算结果都有所提高。本研究确定的径向基函数能够更好地描述研究区域汛期月降雨量间的映射关系,与标准K-均值算法和BP神经网络两种模型相比,除预报精度有所提高外,其收敛速度更快,这表明本方法能对短期降水预报提供更高的预报精度。     

基于多源信息融合的飞行器高精度定位方法

导弹、卫星等飞行器的高精度定位问题,归结为多平台、多种类信息的融合处理.在多源信息融合处理中,各类信息加权的权值对融合结果的精度有重要影响.本文通过引入加权因子,研究了多源信息融合处理的加权与参数估计精度问题,得到了参数估计均方误差与权值的关系,证明了非线性模型的权值,不仅与测量误差的统计特性有关,还与模型的结构、样本量大小有关.计算结果表明,采用本文的加权方法,可显著提高导弹弹道参数估计精度.     

灰色系统模型在树木物候预报中的应用

本文应用灰色系统理论,利用1970—1975年的山桃、杏、紫丁香、紫藤、刺槐、枣等六个树种的开花物候期资料,分别建立六个树种的GM(1,1)物候预报模型,并对1970—1980年的始花期进行预测。结果表明,以上六个树种的预报平均误差仅为2.70、1.78,5.36,2.42,3.76天,精度高于线性回归法和平均值预估法,而且该法计算较为简便,为今后开展物候预报提供了一种新方法。     

基于GA-SVR的中长期径流预报

【目的】将遗传算法（GA）与支持向量机回归（SVR）2种算法结合,构建GA-SVR模型,并采用该模型对径流进行预报,为制定防洪抗旱与水资源调度方案提供依据。【方法】以陕西府谷县黄甫川水文站1979-2003年实测资料作为拟合样本,2004-2008年资料作为检验样本,选取降水量、蒸发量为输入量,径流为输出量,通过GA优化SVR的结构和参数,建立GA-SVR预报模型,进而进行径流预报,同时与基于误差反向传播算法的人工神经网络（BP-ANN）、投影寻踪回归（PPR）模型的预报结果进行对比分析。【结果】应用GA-SVR、BP-ANN、PPR 3个模型在径流拟合阶段的预报精度较检验阶段有所下降,但是预报精度均达到了乙级水平,其中以GA-SVR的预报精度最高,效果最好。【结论】GA-SVR模型实现了SVR参数自动化选取,较好地解决了高度非线性、小样本、过学习等问题,模型可行有效,为径流预报提供了一种新途径。     

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。     

BP神经网络模型在甘蔗绵蚜虫发生发展气象等级预报中的应用研究

根据广西甘蔗绵蚜虫发生发展气象生理指标和绵蚜虫历年发生情况资料,建立了误差反传前向网络(BP神经网络)预报模型,模型模拟结果显示,BP神经网络预报模型的拟合精度和预报精度都比较高。