王家厂水库洪水实时预报方法及应用研究

考虑到流域降雨时空变化和流域地形、河道特征对流域产汇流的影响，应用新安江三水源产流模型、流域分散入流非线性汇流模型以及流域洪水实时预报校正模型，对王家厂流域洪水进行模拟，取得了较为满意的计算结果。     

偏最小二乘回归神经网络在径流预报中的应用

地表水系统中,径流受诸多因素影响。将偏最小二乘回归与神经网络耦合,建立了径流量预报模型。将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题。实例表明本模型有较高的拟合和预报精度。     

欧阳海水库入库洪水实时预报模型与应用

为了准确实时预报水库入库洪水，根据欧阳海水库流域的水文特征，利用分散型三水源新安江模型对欧阳海水入库洪水实时预报进行了研究，并得到了产流模型、汇流模型和校正模型。在汇流模型中应用分散性逆高斯分布流域地貌汇流模型进行汇流计算，在校正模型中应用了洪水预报残差自回归方程。     

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。     

最小二乘法在椭圆检测中的应用

椭圆检测作为模式识别和计算机视觉领域热点研究,一直有重要的研究价值。文章首先介绍常用边缘检测算子,然后总结了椭圆检测的几种重要检测算法:最小二乘拟合算法、基于Hough变换的椭圆检测算法以及Kalman滤波法并分析了其各自的优点及缺点。     

最小二乘法在水泵试验曲线拟合中的应用

根据目前国内外水泵测试软件中需要曲线拟合的要求,充分考虑了目前水泵试验软件曲线拟合的基础,我们将最小二乘法应用到水泵试验软件中.从软件中实现了流量-扬程曲线的拟合,流量一效率曲线的拟合,流量-功率曲线的拟合,以及流量-汽蚀余量曲线的拟合,并且拟合曲线的多项式方程的次方数和拟合精度可以手动或自动选择,有效避免了目前曲线拟合精度不高的问题.实际试验结果表明将最小二乘法应用在VB开发的水泵测试软件中,绘图准确,曲线美观大方,使用方便,符合国家相关标准的要求,保证了试验的测试精度.     

最小二乘法在农机市场预测中的应用

在农机市场预测中，人们经常使用趋势预测方法。即通过对多年销售趋势线的模拟，计算下一年的预测值。在这样的计算中，一般多采用最小二乘法建立拟合趋势线，即将销售视为时间的函数，建立起相应的预测方程，使该方程的拟合线与实际数据线各对应点之间的偏差平方和最小，进而求得尽可能接近实际线的拟合值。     

河网洪水预报的衰减二乘自回归校正应用

洪水预报是河网地区防洪排涝规划、洪水调度的重要组成部分,而水动力模型是其计算基础。由于模型受等多种因素的制约和影响,水动力模拟计算的水位有时与实测水位存在较大的误差,需要用一定的技术方法来校正。本文通过对这种误差序列分析后,利用自回归模型结合衰减记忆递推最小二乘法（衰减二乘）更新参数,并利用实测资料进行了相应的验证。对研究区的三场洪水进行模拟,计算分析表明,所采用的校正技术能有效提高计算精度,可以应用于实际河网洪水预报中。     

新安江模型在蕉坑(二)水文站洪水预报中的应用研究

准确可靠地预报洪水可在一定程度上减轻防洪减灾工作量,新安江模型在我国南方湿润地区洪水预报中被广泛应用.本文基于广东省中小河流洪水预报预警系统平台,以螺河蕉坑(二)水文站为例,研究了洪水预报方案编制中新安江模型的应用过程,分析了影响预报方案精度的相关因素.结果表明,新安江模型可用于螺河蕉坑(二)水文站的洪水预报,并为该站...     

最小二乘支持向量机模型在径流预报中的应用

为解决径流中长期预报模型精度较低的问题,提出了一种基于混沌时间序列的最小二乘支持向量机预测方法,该方法依据相空间重构技术以及最小二乘支持向量机模型(以下简称LS_SVM)。利用该模型对黄河三门峡1919-1989年的71年实测年径流量进行预测。经过反复计算分析表明LS_SVM模型在径流中的应用具有较快的计算速度、较好的泛化能力以及较高的预测精度。     

Copula-MCP洪水概率预报方法研究与应用

常用的洪水概率预报方法一般都采用了正态化变换与线性假设,可能会导致信息的丢失,也影响了其对洪水过程的适用性。鉴于此,将Copula函数与模型条件处理器MCP相结合,不需要正态-线性条件约束,直接推求以预报值为条件的流量分布函数,构建Copula-MCP的洪水概率预报模型。以淮河王家坝断面为例,在经验降雨径流模型API的确定性预报结果的基础上,采用Copula-MCP模型实现洪水概率预报。对1990-2010年共25场洪水的研究结果表明:Copula-MCP模型优于MCP模型的概率预报结果,Copula-MCP模型的期望值预报亦优于API模型结果。     

基于改进型非线性最小二乘法的作物模型隐含参数估计

为了使作物生长模型中的参数最优化,提出了一种改进型非线性最小二乘法在作物生长模型中隐含参数估计的应用技术,针对多目标项的情况提出了权矩阵的自动计算方法。通过良好的人机交互界面,使得该方法更精确、更有效、更方便。实验表明：用该方法对作物模型进行参数优化后,再对番茄生长的动态过程进行仿真,对模拟值和实测值进行比较,两者拟合程度很好。     

混沌遗传最小二乘支持向量机法预测日用水量

利用混沌运动的初值敏感性、内在随机性和遍历性的特点,提出基于混沌遗传算法和最小二乘支持向量机的城市日用水量预测法。通过混沌映射搜索自适应遗传算法的较优初始种群,采用自适应遗传算法优化最小二乘支持向量机的超参数,利用交叉验证法确定遗传算法个体的适应值,建立基于最小二乘支持向量机的日用水量预测模型。实例分析结果表明,与基于遗传最小二乘支持向量机的日用水量预测法相比,提出的预测方法具有更高的预测精度。     

基于最小二乘支持向量机的人民胜利渠灌区灌溉用水量预测

基于最小二乘支持向量机（LSSVM）良好的泛化能力和特点,以人民胜利渠灌区需水量为研究对象,选用径向基函数（RBF）作为核函数,建立了最小二乘支持向量机预测模型,对灌区需水量进行了模拟计算,用检验样本与灰色预测和基于RBF的神经网络模型的预测结果进行了比较,LSSVM预测的最大误差8.78%,平均误差4.90%。结果表明最小二乘支持向量机模型有较高的预测精度和较强的泛化能力,可为灌区水资源规划提供科学依据。     

基于变尺度混沌遗传最小二乘支持向量机的日用水量预测法

为克服传统遗传算法易陷入局部最优,收敛速度慢的问题,提出基于变尺度混沌遗传最小二乘支持向量机的日用水量预测法。采用混沌算法优化自适应遗传算法的初始种群,利用自适应遗传进化和变尺度混沌优化对LSSVM的参数进行循环优化,直至遗传算法达到最大进化代数,建立基于变尺度混沌遗传最小二乘支持向量机的日用水量预测模型。实例分析结果表明,与基于自适应遗传最小二乘支持向量机的日用水量预测法相比,提出的预测方法具有更好的预测精度。     

HEC-HMS模型在四川省清溪河流域山洪预报中的应用

山洪灾害往往给山区人民生命财产、自然环境等造成了极大的损害,降低山洪灾害的有效途径之一是实现基于降雨径流模型的实时预报预警系统。选取四川省山洪易发流域-清溪河流域为研究区,通过GIS技术,结合流域DEM、土壤及土地利用数据提取流域信息,构建HEC-HMS降雨-径流模型进行流域山洪预报。根据降雨径流形成过程,分别采用SCS-CN曲线法、SCS单位线法、指数退水法和马斯京根法进行计算产流、坡面汇流、基流和河道汇流四个部分。选取6场洪水进行模型参数的率定,4场洪水进行模型验证。模拟结果表明:Nash效率系数均值为0.792,相关系数均值为0.84,峰现时差均在3 h以内,合格率为90%,该模型对清溪河山洪预报具有较好适应性,可为四川省中小河流域山洪预报提供借鉴和参考。     

LS-SVM在径流预测中的应用

提出一种基于最小二乘支持向量机(LS-SVM)的径流预测方法。采用线性函数,多项式函数和径向基函数三种核函数,进行机器学习,经过反复计算和对比分析,建立了精度较高的径流预测模型。预测实例表明,LS-SVM模型预测的平均相对误差比支持向量机 (SVM)减少了2.4％,预测合格率为100％。LS-SVM建模速度快,适用于小样本情况并能得到全局最优解,将其用于径流预测是可行的。     

基于小波-BP神经网络的贝叶斯概率组合预测模型及其应用

采用一元线性回归模型模拟贝叶斯分析的先验分布和似然函数,建立了基于小波-BP神经网络的贝叶斯概率组合预测模型,在结合区域的水文特性对数据进行预处理的基础上,将其应用于老挝Namngum水库的月径流量预测中,结果表明,该方法较单一BP神经网络模型和小波-BP神经网络模型而言,有效的提高了月径流量的预测精度;同时相对于确定性水文预报方法而言,基于小波-BP神经网络的贝叶斯概率组合预测模型定量地、以分布函数形式描述水文预报的不确定度,能向用户提供更多、更全面的信息,为决策提供更有价值的技术支持。     

基于加权马尔柯夫链的汛期降水丰枯预测

依据榆林市秃尾河1976-2000年汛期降水资料,应用均值标准差法建立降水丰枯的分级标准,将汛期降水量分为枯、偏枯、平、偏丰、丰等5个水平年。然后针对降水量为相依随机变量的特点,采用以规范化的各阶自相关系数为权重,运用加权马尔柯夫链模型来预测和分析未来年份汛期降水量的丰枯状况,结果显示该方法是有效可行的。最后运用遍历定理进行各种滞时的马尔柯夫链特征分析,对降水序列做出了定量的描述,预测未来秃尾河流域汛期降水量出现丰水年的几率最大,为39.8%。通过对汛期降水状态的预测,可以更好的为流域防洪抗汛和水库的合理调度提供有效信息。     

变权组合预测模型在兴平市地下水动态预测中的应用

针对地下水埋深变化离散性程度较大的兴平市,利用兴化漏斗区2000-2011年的地下水位埋深数据,采用基于指数预测法、线性回归预测法及灰色预测法的变权组合预测方法,对其进行地下水位埋深的模拟和预测。通过对兴平市地下水动态的预测,对比变权组合预测方法和单纯运用某一种单项预测方法在精度上的差别,证明了变权组合预测模型具有可行性和较高的精度,并在此基础上对兴平市未来地下水埋深进行了预测。