基于多模型融合的中期径流预报

为提高流域中期径流预报精度,提出了一种基于机器学习的多模型融合的中期径流预报方法,并应用于桓仁水库流域。首先采用BP神经网络（BP）、多元线性回归（MLR）、支持向量机（SVM）构建旬尺度的单一径流预报模型;再基于信息熵和机器学习方法对上述单一模型的结果进行融合,分别建立基于信息熵、BP神经网络、SVM的信息融合预报模型;进一步考虑融雪影响,构建春汛期旬径流预报模型。引入平均绝对误差（MAE）、均方根误差（RMSE）和预报合格率（QR）三个误差评价指标,综合评定各模型在汛期和非汛期的径流预报精度。结果表明：(1)所有模型对径流变化趋势的模拟效果相对较好,单一模型对峰值的模拟表现较差;(2)基于机器学习算法的融合模型能很好结合不同预报模型的优势,模拟精度优于各单一预报模型和基于信息熵的融合模型,共提高汛期10个旬的径流预报精度,且将6个旬的预报合格率提升至100%,预报合格率的最大提升率达到24%;(3)考虑融雪影响的旬径流预报模型在3月和4月的预报合格率均在90%以上,提高了流域的非汛期径流预报能力。研究提出的基于机器学习的信息融合预报方法可得到准确性和可靠性较高的径流预报模型,为桓仁...     

年径流预报的非线性混合回归模型研究

径流中长期预报一直以来都是人们关注的热点研究问题,常用的时间序列法、多元回归分析法等都存在预报精度偏差过大的问题。以年径流作为自回归因子,降水和气温作为多元回归因子,建立了年径流预测的非线性混合回归模型,并利用BP神经网络进行模型求解。戴营水文站的年径流预报结果表明,与自回归模型、多元回归模型、BP网络模型和线性混合回归模型相比较,非线性混合回归模型具有较高的预报精度。     

基于神经网络的洮河枯期径流预报模型研究

根据洮河50年(1957～2006年)的径流量、降雨和上游径流量数据,建立了基于反馈神经网络的Elman洮河枯季径流预报模型。利用matlab7提供的神经网络工具箱进行建模训练。仿真结果表明所采用的Elman网络预报模型精度高,为人工神经网络运用到水文预测方面提供了依据。     

径流多时间尺度预报方法对比分析

径流预报在水资源综合开发利用、科学管理、优化调度等方面起着至关重要的作用。针对不同预报方法预报精度存在差异的问题,本文选用多元线性回归模型（MVLR）、灰色动态GM（1,N）模型、人工神经网络模型（ANN）分别对宜昌水文站日、月、汛期、非汛期流量进行模拟与比较分析,并在此基础上建立组合预报模型（CP）。结果表明：ANN模型预报精度相对较高,预报效果总体优于MVLR、GM（1,N）两种模型;CP模型能够降低预报的风险,但预报合格率略有下降;各模型日尺度流量预报精度高于月尺度,非汛期预报精度高于汛期。     

黄河三门峡水库凌汛期入库月径流预报模型研究

在分析黄河凌汛期的主要影响因素的基础上,建立了黄河三门峡水库入库凌汛期(11～翌年3月)径流预报模型,并对模型进行评定、检验,成果均高于预报规范要求的合格率.为解决黄河水资源供需矛盾,为编制三门峡水库调度和黄河下游多库联合调度方案提供重要的参考依据.     

基于耦合机器学习模型的洪水预报研究

近年来,以人工神经网络(ANN)为代表的机器学习模型在很多领域取得了突破性进展,例如:用于图像识别的深度学习模型、用于围棋对弈软件Alpha Go的强化学习模型等。本文提出了一种耦合机器学习模型,并用于流域洪水预报。该模型通过独特的建模方式将ANN与K最近邻方法相耦合,利用多目标遗传算法和Levenberg-Marquardt算法进行训练,较好地解决了传统ANN模型预见期仅为一个计算时段长、ANN拓扑结构和参数难以同时优化、ANN训练局部极小、单个ANN预报能力不佳等问题。在屯溪流域洪水预报中的应用表明,耦合机器学习模型的精度和可靠性较好,具有较好的应用前景。     

降雨径流相关模型在丹江口水库洪水预报中的应用研究

针对丹江口流域已有水文资料及流域气象特点,将该流域划分为12个单元区,建立降雨径流经验相关模型,应用于丹江口水库的短期洪水预报系统,并采用基于可变遗忘因子递推最小二乘算法的校正技术对预报流量过程进行实时校正。计算结果表明,基于降雨径流经验相关模型预报的洪水过程与实测过程基本一致,洪峰数值及峰现时间指标合格率较高。实践证明,模型具有较高的预报精度,可为防汛部门提供较为准确的降雨径流预报方法。     

基于图像处理和GBRT模型的表土层土壤容重预测

针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.878 2,平均绝对误差达到0.021 g/cm3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。     

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NNARMAX模型的地下水位预报研究

区域地下水系统是一个受多种因素影响的复杂的非线性动态系统，应用遗忘因子的递归最小二乘（RLS）算法进行训练，采用通过减少网络节点间的连接权值，进而裁减冗余节点来选择适宜的网络拓扑结构，建立了非线性自回归滑动平均神经网络（NNARMAX）模型，地下水位预报结果表明：通过对网络结构的优化达到了自动确定非线性自回归模型阶数和影响因素的选择，能有效地表示区域地下水动态系统内部及其外部诸多影响因素间的不确定关系，是预测区域地下水动态变化较为有效的方法之一。     

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。     

洪水预报研究与展望

洪水预报作为非工程措施是防御并减少洪涝灾害的重要手段和关键环节。水雨情自动测报系统的不断完善为洪水预报中水文信息的获取奠定了基础性工作,降水作为洪水产生的关键因素之一,降水预报技术的发展与应用为洪水预报发展提供新的动力,面向洪水预报的水文模型从降雨-产流等方面解释洪水产生的过程,丰富了洪水预报的方法,陆气耦合模型的发展为洪水预报进一步提高精度和预见期指明了新的方向。随着以上技术的不断发展与完善,洪水预报精度不断提高,从水雨情自动测报系统研究进展、洪水预报中降水预报应用进展、洪水预报水文模型研究进展、陆气耦合模型研究进展四个方面系统阐述目前洪水预报精度的研究进展,并对洪水预报今后的发展方向和研究热点做出展望,水雨情自动测报系统急需引入新的理论技术和非接触式设备等,增加信息的密度和强度,洪水预报的发展以及人工智能在洪水预报研究和实际工作中的应用实践,已经为洪水预报技术的突破提供了有力支撑,陆气耦合技术由单向耦合向基于物理概念的双向耦合发展,单站观测及模拟气象数据驱动向结合遥感和四维同化方向发展,为今后的提高洪水预报精度研究提供参考。研究成果可为水文、水库调度科技工作者提供技术参考。     

基于SWAT模型的皇甫川流域径流模拟研究

随着气候变化和人类活动影响,分布于干旱半干旱地区的河川径流量显著减少,这已引起严峻的生活生产及生态等方面问题。本文基于SWAT模型,成功构建典型干旱半干旱地区皇甫川流域分布式水文模型,采用1990-1999年月径流资料进行参数率定,2000-2004年月径流资料作为模型验证,对模型的适用性做了评估。研究结果表明：率定期的Nash-Sutcliffe系数Ens值和相关系数R2均为0.80,相对误差Re为-4.6%,验证期的Ens值为0.66,相关系数R2为0.67,相对误差Re为10.1%,总体模拟结果较为满意。这为干旱半干旱地区分布式水文模型的应用奠定了基础,为皇甫川流域未来的水资源规划管理提供了科学参考依据。     

基于CMIP5模式与VIC模型耦合的滦河流域未来气候及径流变化研究

滦河流域是京津冀地区重要的生态屏障,在全球变暖的背景下,研究滦河流域未来气候及径流变化情势对京津冀地区的发展具有重要意义。基于VIC模型模拟滦河流域历史径流,利用相关系数、中心均方根误差、标准差和均值构建CMIP5未来全球气候模式评价指标体系,并对其做归一化处理,从各模式中选取最优的降水、最高气温、最低气温及风速数据以分析滦河流域未来气候变化。采用Delta法进行气象要素空间降尺度,将VIC模型与CMIP5全球气候模式耦合,开展滦河流域未来径流变化情势分析。结果表明：VIC模型在滦河流域的径流模拟效果令人满意。在年际上,未来年降水量、日最高与最低气温均呈上升趋势,未来日平均风速无明显上升趋势。在年内分配上,与历史期同月份相比,未来月平均降水量有增有减,其中10月份增加率最高,达138.64%;未来月平均最高气温均升高,9月份变化最大,平均升高2.45℃;未来月平均最低气温平均升高3.24℃,其中2月份变化最大,平均升高4.45℃;不同月份未来风速有升有降,其中8月份变化最大,平均升高0.23 m/s,升高率达16.35%。未来期的多年平均流量为134.41 m3/s,比历史期增加9.9...     

三峡水库中长期径流预测及不确定性分析研究

以三峡水库为例,采用轻量梯度提升树(LGB)对1965-2016年逐月流量过程开展了中长期预测研究,并在其基础上结合水文不确定性处理器(HUP)对预测结果的不确定性进行了定量分析,得到以下结论:①各精度指标结果表明,与GBDT模型相比,LGB模型在率定期及验证期均具有更高的精度,能较好地应用于三峡水库中长期径流预测中;...     

流域梯级水电站实时水情预报管理系统研究

综合运用基于DEM的流域水系模型与TOPMODEL水文模型构建出了流域梯级水电站实时水文预报模型,并以VS.Net为平台,运用分布式网络编程技术将二者集成,为西南某流域梯级水电站设计开发出功能先进和完善的网络版实时水情预报管理软件系统.该系统已投入使用,为实现流域水情预报的智能化、信息化和网络化管理提供了可靠的辅助工具.     

基于历史气象资料和WOFOST模型的区域产量集合预报

针对基于作物生长模型进行产量预报时气象要素变化对作物生长的实时影响不能得到充分反映,产量预报缺乏量化不确定性信息的突出问题,选择河北省保定市和衡水市冬小麦主产区为研究对象,提出构建历史气象集合作为预报期气象数据输入驱动WOFOST模型的冬小麦生长模拟,并通过实时更新不断向前滚动预报,从传统单一数值的预报转向基于集合的概率预报。结果表明:基于历史气象资料可以进行作物模型的区域产量集合预报,抽穗期至灌浆期是预报精度最高的时期,预报集合中位数与实测产量的皮尔逊相关系数(PCC)最高为0.563,平均绝对误差(MAE)最低为458 kg/hm~2。研究结果表明区域化产量集合预报具有较强的可行性,并为量化作物模拟系统不确定性、数值天气预报与作物模型的结合应用提供了参考。     

基于不同机器学习模型的川中丘陵区参考作物蒸散量模拟

为探究不同数值模拟模型在川中丘陵区的适应能力,提高川中丘陵区气象资料缺失下的参考作物蒸散量(ET0)预报精度。选取7个代表性站点1961-2016年逐日气象资料,分别建立基于M5回归树(M5-RT)、双隐含层优化的反向传播神经网络(H-BPNN)和交叉验证优化的广义回归神经网络(CV-GRNN)的ET0预报模型。并选取3个在川中丘陵区具有较高精度的经验模型与其进行对比,在日尺度上评估模型的预报精度,利用可移植性分析评价3种模型在川中丘陵区的泛化能力。结果表明:①基于温度、风速和大气顶层辐射输入的M5-RT2、CV-GRNN2和H-BPNN2模型都具有较高的模拟精度,其R\+2分别为0.987、0.967和0.988,NSE分别为0.987、0.937和0.988;②日尺度误差分析表明,4类输入项组合下,M5-RT模型最优,H-BPNN模型次之,CV-GRNN模型最差,但3种模型的均方根误差均小于0.5 mm/d、平均相对误差均小于13.59%,优于Jensen-Haise、Hargreaves-Li和Irmak-Allen模型,M5-RT2(输入大气顶层辐射、最高/低温度和风速)、M5-RT3(输入最高/低温度和风速)和M5-RT4(输入大气顶层辐射和风速)在川中丘陵区内具有广泛的适应性,均可作为气象数据缺失下川中丘陵区ET0预报的推荐模型;③可移植性分析发现,训练、预测站点交叉组合下,3种模型的预报精度都有降低,但M5-RT泛化能力最强,模拟输出稳定,H-BPNN和CV-GRNN在ET0大于6 mm/d时出现明显截断误差,预测值普遍偏小,同时CV-GRNN模拟结果于标准值的趋势线斜率较小,模拟数值整体偏小。基于M5回归树的ET0预报模型在川中丘陵区具有较高精度,模拟结果稳定,可作为推荐的ET0简化模拟模型。