基于新安江模型和BP神经网络的中小河流洪水模拟研究

为探讨更加符合中小河流域防洪要求的预报方法,并提高洪水预报精度,以屯溪流域为例,结合中小河流实际洪水预报要求,采用以洪峰合格率和峰现时间合格率为主要约束的非等权重的参数率定方法(即目标函数中径流深、洪峰流量、峰现时间合格率和确定性系数的权重分别为(1:2:2:1)对新安江模型进行参数率定,并采用算术平均法耦合新安江模型...     

大坡岭流域土地利用变化的径流特征响应研究

介绍了一种基于水文模型参数变化检验来评价流域土地利用变化引起的径流特征响应的研究方法。针对目前以误差平方和作为参数估计目标函数会增加非线性系统局部优值等问题,基于函数曲面参数率定方法利用新安江模型对大坡岭流域分时期进行日模型参数率定。结果显示函数曲面参数率定方法在实际应用中是可行的,并且效率较高;参数变化检验方法对流域土地利用引起的径流特征响应研究是一种行之有效的方法。     

Free Search算法率定的Sacramento模型在东北寒旱区的应用

采用模型对比研究方法,以萨克拉门托(Sacramento,SAC)模型为研究对象,以新安江模型为参考,采用基于动物群体的自由搜索(Free search,FS)算法作为率定水文模型的优化算法,选取松花江水系和辽河水系的3个集水区为实证流域,通过对比FS算法率定的SAC模型和新安江模型在3个流域的模拟效果,验证SAC模型在东北寒旱区流域的适用性。研究结果表明,FS算法迭代计算过程简单,需要设置的算法参数较少,在率定SAC模型和新安江模型时效率较高;在相同的模拟条件下,FS算法率定的SAC模型模拟效果更好,其Nash模型效率系数高于新安江模型,表明SAC模型适用于东北寒旱区流域;但SAC模型在东北寒旱区的模拟精度还有待提升,模型尚需进一步发展和完善。     

一种利用流量过程线估算新安江模型分水源参数的方法

新安江模型分水源计算时较多的待定参数往往会导致"异参同效"现象的发生,这样不仅使得率定出的参数可能不准确,而且给模型的使用带来不便。将流域出口的流量过程线进行径流分割,计算得到壤中水径流深。同时将壤中水径流深与分水源参数建立函数关系,从而利用流量过程线估算新安江模型分水源参数。以陕西省陈河流域为例,将估算出的分水源参数应用于新安江模型进行洪水模拟,并取得了良好的模拟结果。与传统的参数率定方法相比,本方法能够快速且较为准确地估算出新安江模型的分水源参数,减少了待率定的参数的个数,在一定程度上降低了异参同效对模型应用的影响。     

基于复合形遗传算法的新安江模型参数优化率定研究

为了弥补传统手工调试参数的主观性和对调试者专业经验的高要求性,将具有全局寻优特征的遗传算法与局部寻优特征的复合形法相结合,构建了一种复合形遗传算法用于新安江模型参数优化率定。采用浙江省朱溪下回头站以上流域为应用案例,结合分层率定法检验了复合形遗传算法的性能,结果表明:模型检验期多年平均径流深相对误差为1%,各年模拟的流量过程精度均达到乙级标准,表明构建的复合形遗传算法可有效应用于新安江模型的参数优化率定。     

合浦水库流域洪水实时预报模型研

根据广西合浦水库流域的水文特征，利用分散型新安江三水源模型对合浦水库流域洪水实时预报进行了研究。对流域产汇流模型以及洪水实时预报校正模型的参数进行了率定，将研制的产汇流模型应用于实际洪水预报，再利用两种不同实时校正模型对洪水预报的结果进行了校正。最后取得了较为满意的效果。     

BTOPMC模型在无资料地区的径流模拟

选取嘉陵江中游的9个流域,采用参数移植法的区域化方法,研究分布式水文模型BTOPMC在无资料地区的径流模拟结果。取8个流域作为参证流域,一个有资料的流域作为"无资料"地区,结果表明,单个流域率定的参数运用到"无资料"地区用于径流模拟时,模拟的精度存在很大的不确定性,而将多个流域参数率定的参数综合用于无资料地区的径流模拟时,不确定因素明显消除,当参证流域为2~5个时,模拟精度最好,之后随着参证流域的增多,模拟精度逐渐减小。本次研究为分布式水文模型BTOPMC模型在无资料的中小流域应用提供一定依据。     

基于SWAT模型的西江流域径流模拟研究

采用SWAT(Soil and Water Assessment Tool)模型,在整个珠江流域构建分布式水文模型,对西江流域1951~2008年的月径流过程进行模拟。选取西江流域的迁江、柳州、武宣3个水文站的径流数据,利用SWAT模型自带的敏感性分析模块和自动率定模块,采用LH-OAT敏感性分析方法和SCE-UA算法分别对选取的各参数进行敏感性分析和参数率定,并对率定模型进行验证。敏感性分析结果表明,不同的参数对流域月径流过程表现出不同程度的敏感度,其中CN2、ESCO、SOL_AWC、CH_K2和ALPHA_BF的敏感度较高,是较敏感因子。从率定和验证结果来看,3个水文站的径流模拟效果均较好,Nash-Suttcliffe效率系数ENS均在0.75以上,其中柳州站和武宣站率定期和验证期的ENS在0.8以上。SWAT分布式水文模型在西江流域月径流模拟中的应用效果良好。     

紫荆关流域分布式HEC-HMS水文模型构建及洪水模拟

国内外学者利用HEC-HMS水文模型模拟流域降雨径流过程,发现该模型有良好的适用性。【目的】提高紫荆关流域洪水模拟精度。【方法】采用紫荆关流域水文气象及下垫面资料,将流域划分为11个子流域,通过选择产流和汇流计算方法,构建了该流域分布式HEC-HMS水文模型,并从历史实测暴雨洪水事件中选择14场洪水对构建的HEC-HMS水文模型进行了参数率定和模型验证。【结果】率定的各子流域产流参数基本相同,由于各子流域面积不同导致汇流参数也不同。模拟的洪峰流量和洪量相对误差均在20%以内,纳什效率系数为0.51～0.95,模拟与实测的洪水过程线吻合较好,模型模拟精度较高。【结论】构建的水文模型能反映紫荆关流域实际的产汇流过程,可用于该流域洪水过程模拟和洪水预报。     

基于脉冲响应的降雨径流模型应用

在总结了不同水文模型特点的基础上，阐述了以黑箱方式模拟水文系统的降雨径流响应模型。以总径流响应模型基本理论为基础，分析了建立降雨径流脉冲响应系统的主要相关因素。按照系统建模理论原理，以最小二乘法推导建立了总径流响应方式下的系统算子计算方法，建立了多输入单输出的降雨径流脉冲响应模型。通过该算法可以借助历史资料演算出脉冲响应模型的系统算子值，对算法中设定的时滞因子和增益因子进行了优化筛选，得到可以应用于实际流域计算的计算模型。     

基于BP神经网络的新安江模型初始土壤蓄水量计算研究

【目的】克服传统经验折减系数法在计算新安江模型初始土壤蓄水量方面的缺点,并提高新安江模型在湿润半湿润地区的应用效果。【方法】结合流域初始土壤蓄水量的影响因素和神经网络模型特点,提出构建基于BP神经网络的新安江模型初始土壤蓄水量计算方法。【结果】在3种输入因子组合方式下,当BP神经网络隐含层节点大于11时,模拟训练期模型应用效果达到项目精度评价指标的甲等水平,预测检验期的9个样本,均有6个以上样本检验合格;当BP神经网络隐含层节点数从4个变化到21个时,模型评价指标纳什效率系数从0.51变到0.97、均方根误差从11.77降到2.74;与采用传统经验折减系数法计算新安江模型初始土壤蓄水量相比,采用BP神经网络模型应用效果明显占优,且能克服经验折减系数法计算土壤初始蓄水量需要选择流域一场暴雨或久旱未雨才能开始计算和计算过程数据不能中断的缺点。【结论】在湿润半湿润地区采用BP神经网络模型计算新安江模型初始土壤蓄水量具有可行性和适用性;当神经网络输入因子和隐含层节点数选择合理时,模型模拟和预测精度较高。     

基于介电特性的苹果内部品质预测方法研究

快速无损检测水果糖度、硬度及含水率等内部品质对确定水果的营养价值和分级销售有着重要意义。为准确利用理化特征对苹果内部口感品质进行无损分级,提出了一种基于随机森林的苹果内部口感品质多语义分类模型。采用苹果的介电参数作为随机森林模型的输入,基于TF-IDF算法对苹果内部口感品质进行分类,依据介电参数推断苹果的理化特征。实验结果表明:该方法可有效实现对苹果内部口感品质的多语义分类,均方根误差为0. 51,可为水果等农产品的无损检测及分级提供参考。     

基于IEA的需水预测投影寻踪模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统,其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策。PP方法通过投影将高维数据转换为低维数据,克服了维数祸根问题,能在一定程度上解决分类、函数逼近和时间序列预测等问题。将PP方法引入需水预测领域,建立了需水预测PP模型。同时,将免疫进化算法和PP耦合起来,简化了参数优化运算。在珠海市的应用实例表明:PP模型较好地解决了高维非线性和非正态问题,在需水预测中有较强适用性。     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。     

基于鱼群算法的极限学习机影像分类方法优化

在传统极限学习机(ELM)研究的基础上,考虑到传统ELM参数的不确定会导致整体分类精度下降,利用仿生鱼群算法(AF)对ELM的小波核参数和正则化参数进行寻优,并构造参数优化后的小波ELM影像分类模型(AF-ELM)。通过实验比较了该算法与人工神经网路(ANN)、支持向量机(SVM)、极限学习机(ELM)等标准分类器在遥感影像分类上的精度与速度差异,并且与ELM多项式核、RBF核分类算法进行比较分析,验证了AF-ELM在分类速度和精度上的优越性。实验结果表明,AF-ELM分类方法分类速度较快,精度较高,均优于其他分类方法。能较好地应用于遥感影像上各类地物要素的自动提取。     

水产养殖中水质与鱼类行为双向映射模型研究

在水产养殖中,水质参数与鱼类活动之间有着密不可分的相互映射关系。过去的监测更多偏向于单向映射,一般都是通过鱼类的行为表明水质的情况。针对仅仅通过鱼类行为反映水质情况会产生误判和滞后的问题,本文构建一种基于随机森林的鱼类行为与水质情况双向映射模型。双向映射模型不仅可以提供更多的信息从而提高预测的准确性,而且也可以通过相互验证提高模型的可靠性。首先,通过引入可变形卷积模块对YOLO v7进行改进,利用改进模型检测出视频中鱼类的位置再通过前后帧的坐标量化出鱼的游动参数。随后,将采集到的鱼类游动参数及对应的水质参数作为输入,使用随机森林模型进行分类、回归,分别完成鱼类游动参数和水质参数具体数值的预测以及指标异常级别的预测,从而得到双向映射关系。为了表明模型的泛化能力,分别在黎安港和新村港渔场2个数据集下进行实验。实验结果表明：提出的方法可以较好地实现鱼类行为与水质关系的双向映射,其中,分类实验平均准确率可以达到90.947%,回归实验决定系数R2的平均值可以达到0.801。     

基于模糊贴近度法的白河水质评价

白河是南阳市的重要旅游胜地和饮用水源地。为了解白河水质状况,2010年在白河设置了七个监测断面,采集了12个月的水样来评价。为了克服传统模糊评价模型评价因子选取主观性强,评价结果可比性差的问题,本文利用主成分分析降维的思想筛选评价因子.利用改进后的模糊贴近度法来评价水质。最后,本文选择溶解氧、高锰酸盐指数、氨氮、化学需氧量、总氮、总磷、氟化物和粪大肠杆菌评价因子,用改进的模糊贴近度法评价水质状况。结果表明,从上游到下游呈现出逐渐恶化的趋势。鸭河水库坝下和内乡盆窖断面水质级别为Ⅰ级,淅川张营水质级别为Ⅲ级,方城夏河、邓州汲滩、新野梅湾和新甸铺水质级别为Ⅴ级。改进后的方法与模糊综合评价法和层次分析法评价结果一致。     

基于无人机高光谱的荒漠草原地物精简学习分类模型

荒漠草原植被稀疏、裸土细碎化分布对遥感数据空间分辨率和光谱分辨率的指标精度提出更高要求,目前应用于遥感场景的深度学习模型隐藏层较多、模型结构复杂,且采用经典深度学习模型未考虑遥感数据内在特点,导致模型训练普遍存在计算过度、耗时增加等问题。本文利用低空无人机（Unmanned aerial vehicle,UAV）遥感平台搭载高光谱成像光谱仪采集荒漠草原地物高光谱数据,发挥高空间分辨率与高光谱分辨率相结合的优势,并基于三维卷积神经网络（Three-dimensional convolutional network,3D-CNN）方法提出一种适合荒漠草原地物植被、裸土、标记物识别的精简学习分类模型,进行参数组合调优,在调整学习率、批量规模、卷积核尺寸及数量后,最高总体分类精度（Overall accuracy,OA）可达到99.746%。研究结果表明,精简学习分类模型的优化建立在超参数选择基础上,为获得精度高、耗时短、性能稳定的最优模型,需不断调整超参数并对比不同组合分类效果。基于无人机高光谱技术的精简学习分类模型在荒漠草原地物的分类识别应用中具有较大优势。     

基于MobileViT模型的小麦收获机喂入密度分类方法

基于喂入量的作业速度智能化控制技术是优化联合收获机作业效率和质量的重要手段。本文针对传统喂入量自动控制技术时滞明显,在喂入量调整时无法及时适应实际情况的问题,采用基于图像的深度学习方法开展了成熟期小麦植株密度等级分类识别方法研究,通过预先感知作物密度,实现联合收获机作业参数的自动调整。首先基于车载相机和无人机图像构建了小麦植株图像数据集,并细分为低密度、中密度、高密度和特高密度4类;其次构建了基于MobileViT-XS轻量化网络的密度等级识别模型,利用建立的数据集进行模型的训练和测试;最后将其与VGG16、GoogLeNet和ResNet进行了比较。结果表明,MobileViT-XS模型的总体识别准确率达到91.03%,且单幅图像推理时间仅为29.5ms。与VGG16、ResNet网络相比,总体识别准确率分别高出3.51、2.34个百分点,MobileViT-XS模型可以较好的完成小麦不同密度等级的分类识别任务,为实时预测小麦喂入密度提供了技术支持。     

供水系统模型辨识与动态特性分析

为掌握离心泵供水系统在不同工况下转速突变时的动态模型结构、运行情况及其特性,通过改进水泵供水系统的出口端阀门结构,搭建了新的离心泵调速供水试验系统.通过试验台的改进在试验中实现系统的阶跃输入扰动,较为准确地反映系统工况的变化并进行调速工况下的模型辨识试验.试验中使用虚拟仪器和高频电参数测量仪搭建测量系统,对供水系统中所需数据进行测量采集.试验基于阶跃响应辨识原理,采用最小二乘法,通过Matlab系统辨识工具箱对数据进行预处理并确定其传递函数,绘制所得传递函数的零极点图和阶跃响应曲线.对比分析发现,系统运行在升频的工况下时,其超调量和震荡情况明显大于系统运行在降频工况下.结果表明,离心泵供水系统是最小相位系统,数学模型为二阶惯性加时滞结构.其模型参数会随着工况的变化而改变,实时辨识和实时变参数控制更为适合该系统.