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。     

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...     

基于BP神经网络的雨雪混合径流预

通过分析暴雨融雪混合径流的物理成因,确定其主要影响因子,然后分析雨雪混合径流主要影响因子对径流的影响,建立一个基于BP神经网络雨雪混合径流预报模型。并利用新疆喀浪古尔河流域暴雨融雪径流资料对模型进行仿真训练实验和验证,通过结果比较分析,在一定程度上提高了模型预报精度,取得了一定成效。     

黄河上游年降雨-径流预测研究

基于多层前向人工神经网络理论，通过GA-BP混合算法，使用黄河上游兰州水文站45年实测降雨和径流序列资料，建立了降雨—径流预测的GA-BP神经网络模型。研究表明，仅用预报前时段的降雨和径流作为输入，来实现下时段的径流预测，其预报精度较差，但在预报期内有一定精度的降雨预报输入时，所建模型对下时段的径流预测，与传统的统计建模方法相比，预报精度较高，能较好地反映黄河上游区的降雨—径流规律，可应用于实际需要。     

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。     

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。     

输入方式对BP模型年径流预测影响研究

针对输入方式对BP模型的影响问题,基于岚河流域降雨、蒸发、径流等资料,设置了不同的资料情况及数据输入方式,分别构建了BP模型。研究结果表明,与未同时考虑降雨、蒸发、径流等影响因素的模型相比,同时考虑了三者影响的模型精度更高;以各资料前三年数据作为输入量较以前两年和前四年的数据作为输入量,紧邻下一年的径流数据作为输出量的模型的精度更高;既考虑了降水、蒸发、径流等影响因素又选用上述最佳的数据输入方式的模型精度最高。BP模型适用于干旱半干旱地区的岚河流域,其预报结果可用于该流域的水资源规划管理。     

基于机器学习的多模型耦合径流预报研究

为具体考虑各水文模型适用条件、灵活利用模型预报特征对研究流域进行高精度耦合径流预报,将雅砻江流域雅江～吉居区间作为研究对象,以提升径流预报精度和稳定性为首要目的,构建涵盖新安江模型、水箱模型和TOPMODEL模型的多模型径流预报方法库,引入最小二乘法、岭回归法和极端梯度提升树法耦合各模型进行水文预报,并提出多评价指标体系对各耦合方法的预测性能进行对比分析。结论表明,极端梯度提升树法相较于其余两种方法有稳定的预测性能和强大的泛化能力,为该流域其他区间的预报工作提供了新的思路。     

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。     

轴流泵装置调速性能的非线性回归模型研究

利用理论推导和试验数据相结合的方法,通过多元非线性回归分析得出轴流泵装置调速性能模型。根据水泵基本方程,结合假定条件推导出轴流泵装置扬程、效率关于转速、流量的特性方程。利用高精度水力机械试验台分别对2种不同类型的轴流泵装置试验测试,分析得出效率和扬程特性曲线随转速变化呈非线性变化的结论。利用试验数据作为观测值,特性方程作为预测模型,利用nlinfit函数和遗传算法相结合的多元非线性回归算法计算得出特性方程的待定系数。对2个算法的分析比较发现,单独利用多元非线性回归算法所求得的系数解趋于局部最优,而结合遗传算法后能得到全局最优解。将所求待定系数代入预测模型,分别将2种轴流泵装置的扬程、效率调速特性试验数据与预测值进行比较,得出:全流量范围内扬程误差绝对值在0~0.8 m之间,效率误差绝对值在0~8%之间;设计工况点附近扬程误差绝对值在0~0.5 m之间,效率误差绝对值在0~5%之间。     

ANFIS与多元回归模型在ET0实时预报中的对比研究

以气象数据为自变量,Penman Monteith方程计算值ET_0为应变量,分别建立了多元回归模型和自适应神经模糊推理系统(ANFIS)模型,对ET_0预测结果对比分析,ANFIS预测ET_0结果相对于多元线性回归具有精度高(1相似文献   

基于LS-SVM的小水电站年发电量智能预测模型

针对小水电站年发电量序列的特点,将最小二乘支持向量机(least squares support vector machine,LS-SVM)回归模型引入年发电量预测领域,并给出了相应的过程和算法。与常规基于人工神经网络(artificial neural net-works,ANN)的智能预测方法比较,该模型优点是明显的:①将神经网络迭代学习问题转化为直接求解多元线性方程;②整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性。最后,一个实际的预测例子表明:该模型实现容易、预测准确,适用于小水电站预测。     

小波最近邻抽样回归耦合模型在三江平原年降水预测中的应用

近些年来,由于水田面积迅速增加,导致三江平原井灌水稻区地下水位普遍下降,"吊泵"、局部超采现象时有发生。为解决上述问题,以853农场为例,对实测年降水资料进行差分和标准化处理,采用小波理论和最近邻抽样技术进行耦合分析,建立了853农场年降水小波最近邻抽样回归耦合预测模型,精度检验和对比分析结果表明,模型有效性和可靠性较高。该模型揭示了区域年降水量的时间变化规律,为853农场乃至整个三江平原充分利用天然降水、合理制定水稻灌溉制度以及地下水资源的恢复和可持续利用提供了科学依据。     

灰色系统与多元逐步回归耦合模型在年用水量预测中的应用

探讨了将多元回归分析模型和灰色系统GM(1,1)耦合应用于北京市总用水量预测的方法和技术.对北京市1980～2001年的序列资料,利用灰色系统的关联度分析和逐步回归的思想,通过比较和选择,建立了多元线性逐步回归方程;将用GM(1,1)模型拟合反推得到的预测值带入方程求出总用水量的未来值.结果表明:人均日生活用水量和工业用水量是影响北京市总用水量变化的主要因素.灰色系统与多元线性回归的耦合模型用于对城市总用水量的预测是行之有效的.     

BP神经网络最优组合预测方法及其应用

为了解决各种单一传统的预测方法中存在的问题，提出了一种BP神经网络最优组合的预测方法。将单一预测方法所得到的预测值作为BP神经网络的输入样本，相应历史数据的实际值作为样本的输出，经过样本训练达到期望精度，应用BP神经网络进行预测。通过对浙江省农机总动力需求预测，表明该方法比各种单一的预测方法都有更高的精度。     

分析阶梯流量井流试验数据的线性回归法

文中应用线性回归法，对一次阶梯流量井流试验数据进行适当交换后，可得回归直线方程，与目前采用的多次阶梯流量井流试验数据的分析相比较，在同样可以得到井流实验欲求的井损系数C，综合参数和含水层导水系数T三个参数的情况下，至少可以使抽水量的变化次数减少两次。实际算例表明，一次阶梯流量井流与多次阶梯流量法的计算结果非常吻合。     

轴流泵叶轮非线性环量数学模型建立与试验

以轴流泵叶轮出口速度梯度方程和轴面速度表达式为基础,建立了轴流泵叶轮非线性环量数学模型,并推导了叶片出口流动方程式.采用微型五孔球形探针,对南水北调工程用轴流泵模型(TJ04-ZL-06)最优工况下叶轮出口不同半径位置的环量和轴面速度分别进行了试验测量.试验结果表明,高效轴流泵叶轮出口环量呈现非线性分布,在叶片中部较为平直,在轮毂侧环量降低至中部的0.8倍左右,而轮缘侧增大至中部的1.2倍左右;同时叶轮出口轴面速度分布呈现抛物线流型,叶片中部速度最大.基于建立的非线性环量数学模型对叶轮出口轴面速度分布进行了计算,结果表明不同半径的轴面速度计算值与试验值误差均小于5％,验证了数学模型的可靠性.     

基于多元回归的栅格水系阈值计算模型

针对栅格水系提取中汇流累积量阈值对水系密度和质量的影响,以湖北省为研究样区,探索不同水流分配策略下,地形、降水量和植被因素与最佳水系阈值间的相关性,采用多元线性回归方法建立水系阈值计算模型。结果表明,最佳水系阈值与区域坡度、多年降水量以及植被覆盖率存在明显的正相关性,地势越陡峭、降水越充沛、植被越丰富,汇流累积量阈值越大。基于多元线性回归的栅格水系阈值提取模型能够有效融合不同区域的多源影响因素,得到合理的汇流累积量阈值。在不同水流分配策略下,方程的置信水平均大于0.95,模拟的数字水系与实际水系具有较高的相似度,能够为农林规划和灾害预测等行业提供合理的水文信息。将该方法用于其他流域,同样可以取得较好的提取效果。     

内蒙古乌梁素海叶绿素a浓度预测模型研究

采用2008年6月-2012年9月对乌梁素海水质监测数据,叶绿素a浓度的空间和时间分布进行分析,并建立叶绿素a浓度预测模型。结果表明,乌梁素海叶绿素a浓度呈现出明显的时空差异性,在空间上呈现北部南部,由北向南浓度逐渐降低,在时间上,叶绿素a的浓度呈现春季(2、5月)秋季(9、10月)夏季(6-8月)。以2008-2010年监测数据对经验富营养化模型进行斜率和截距的调整,建立适用于乌梁素海的叶绿素a浓度预测模型,以2010-2011年监测数据对预测模型进行验证,叶绿素a浓度模拟值与实测值吻合较好,相对误差70%,故可以用叶绿素a浓度预测模型对乌梁素海富营养化进行初步预测。