基于小波神经网络和自回归模型耦合的河道洪水预测方法

在分析非线性河道洪水预报方法中常用BP神经网络不足的基础上,采用具有快速收敛和更有效非线性逼近能力特性的小波神经网络.为适应洪水演进的时变特性,将所建立的用于河道洪水预报的小波神经网络与自回归实时校正模型耦合,校正值为小波神经网络预报值与自回归模型预报误差之和.自回归实时校正模型的参数通过自适应衰减因子递推最小二乘动态更新以提高校正效果.将该方法应用于西江高要断面洪水预报,计算结果验证了其有效性.     

哥伦比亚河的防洪运行预报

本文将介绍哥伦比亚河流域的洪水预报方法及水库未来的防洪控制情况。在回顾流域历史洪水的同时,也将简要介绍流域特性及开发情况。介绍水库调度方法及对预报的精度要求。水库系统的预报采用被称之为SSARR的水文计算模型。与波特兰国家气象局的河道预报中心联合运行后,该模型可用来制作短期(1～5天)和长期(5～90天)的河流洪水和水库运行预报。利用这些预报可制订单一水库或整个流域系统的防洪计划。     

清河水库防洪预报的误差分析

一、预报模型的误差及相应的解决办法1.各种模型简介。清河水库采取三种预报模型进行洪水预报,新安江模型是一个完整的降雨径流概念模型,适用于湿润半湿润地区,该模型在蓄满产流的基础上,增加了不透水面积;大伙房模型,是借鉴大伙房水库的产流模型,     

长湖水电厂流域产汇流模型的研究

产汇流模型是根据TANK模型,经引入优化原理和改进模型结构并结合长湖水电厂流域自然条件特点而研制的水文模型.模型采用直列式三级串联和两列并联结构;参数直接由实测雨洪资料分析、综合求出,客观地描述了产汇流过程和流域暴雨洪水特点。该模型还具有优化计算和对预报值作实时跟踪校正的功能。     

利用互补系统-理论模型提高水文预报能力

由于水文模型是对物理过程的简化,用以描述事物最主要的物理过程,从而数学模型受许多不确定因素的影响.因此,提出了一种耦合了人工神经网络(ANN)和新安江概念模型以提高径流预报精度的方法.该方法用最新的观测资料和新安江模型中产生的径流剩余误差/流量预报结果,其工作原理为用神经网络模型预报新安江模型误差,并作为新数据引入,使径流预报得到改进.对互补的神经网络模型而言,使用的变量要以特定格式输入以符合新安江模型的要求.结果表明,与单独用新安江模型预报相比,互补模型的洪水预报精度有明显提高.     

河道洪水实时预报的半自适应滤波模型探讨

本文提出和讨论了基于马斯京根流量演算的河道洪水实时预报的半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时的估计出来,只有模型误差系列的协方差矩阵需要预先给出。本文提出一个处理区间入流较为合理、简便的方法。通过验证和应用说明了该模型的合理性和使用性。     

河道洪水实时预报的半自适应滤波模型探讨

本提出和讨论了基于马斯京根流量演算的河道洪水实时预报的半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时的估计出来,只有模型误差系列的协方差矩阵需要预先给出。本提出一个处理区间入流较为合理、简便的方法。通过验证和应用说明了该模型的合理性和使用性。     

一种处理湿润地区复峰洪水预报的方法

我国南方地区主讯期的梅雨季节具有降水集中,暴雨频繁,间歇时间短等特点,致使洪峰连续不断,特别是山区性小流域河流,洪水暴涨暴落,易发生洪涝灾害。连续洪水的特点是洪峰滞时短、起涨水位高,一次洪水过程此起彼伏。对连续洪水用传统的单位线法预报洪水过程往往精度不高,这是因为复峰洪水的起涨水位与后峰涨水的水位会合,前峰退水曲线未知,导致洪水过程不易分割,直接影响到洪峰流量的预报。     

提高洪水作业预报精度的方法浅析

面对实用预报方案,如何提高洪水作业预报精度,是衡量洪水预报质量和效率的关键。依据预报计算的影响因素、预报要素的特征、方案参数的物理属性分析,论证了预报修正系数的理论依据,并分析了预报修正系数确定的技术和方法。     

突发洪水预报模型研究

总结了突发洪水所具有的一些特性,指出影响干早半干旱地区产流计算和预报精度的主要因素是雨强,流域的前期土壤湿润条件(AMC)则居次要地位。提出了以雨强为参数的llorton型降雨损失率公式,用于进行产流计算;利用经验单位线预报突发洪水的过程。     

基于PSO优化的BP神经网络在洪水预报中的应用

针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。     

System development for storm surge hazard assessment based on WebGIS for Tianjin Binhai New Area

It is imperative to develop a risk assessment system for quickly predicting storm surge disaster due to the vulnerability of Tianjin Binhai New Area. The flood routing model with user-defined breaches was firstly established based on the seed spread algorithm in order to achieve a rapid forecasting of storm surge flood information. Furthermore, fuzzy mathematics was utilized to identify the storm disaster grade, and the hazard mapping was conducted to visually obtain the hazard spatial and temporal distribution. Finally, the flood routing visualization method was proposed based on numerical simulation of storm surge to achieve the reappearance scene of dynamic evolution process. The developed system can play a vital role in the management and decision-making of sea dyke mitigation engineering in Tianjin Binhai New Area.     

全局优化神经网络拓扑结构及权值的遗传算法

提出将前馈多层神经网络的全局优化表述作为启发式遗传搜索的问题．设计了遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,并利用该方法求解了洪水预报问题,给出了实例预报结果     

Application of developed Grid-GA distributed hydrologic model in semi-humid and semi-arid basin

A grid and Green-Ampt based(Grid-GA)distributed hydrologic physical model was developed for flood simulation and forecasting in semi-humid and semi-arid basin. Based on topographical information of each grid cell extracted from the digital elevation model (DEM) and Green-Ampt infiltration method, the Grid-GA model takes into consideration the redistribution of water content, and consists of vegetation and root interception, evapotranspiration, runoff generation via the excess infiltration mechanism, runoff concentration, and flow routing. The downslope redistribution of soil moisture is explicitly calculated on a grid basis, and water exchange among grids within runoff routing along the river drainage networks is taken into consideration. The proposed model and Xin’anjiang model were applied to the upper Lushi basin in the Luohe River, a tributary of the Yellow River, with an area of 4 716 km2 for flood simulation. Results show that both models perform well in flood simulation and can be used for flood forecasting in semi-humid and semi-arid region.     

基于多种模型的福建省国内旅游需求预测

旅游需求预测是旅游决策的基础。根据福建省1997—2008年国内游客量的统计数据,尝试构建灰色GM（1,1）模型、动态趋势预测模型和回归分析预测模型,分别对福建省未来5年国内游客接待量进行了预测。对预测结果的比较分析表明,灰色预测模型的平均预测误差可以控制在5％以下。因而是福建省国内旅游需求预测的最佳选择;而动态趋势预测模型虽也能达到要求的精度,但效果稍差;回归分析预测模型则产生较大误差,显然不宜用于有关预测。     

Flood wave propagation

In this article, we will discuss the specific problem of how a flood wave propagates along a channel-a stream, a river or any open channel, and present the theoretical framework available for forecasting the propagation of the flood wave.     

两种用于城市用水量预测的灰色-神经网络组合模型

为了提高灰色GM(1,1)模型在城市用水量预测中的精度,结合BP神经网络的优点,给出了两种灰色-神经网络组合模型GM-BP1和GM-BP2.模型1利用神经网络对GM(1,1)模型的误差序列进行回归训练,将得到的预测值作为原始误差的修正来减小误差;而模型2由部分数据建立了GM(1,1)模型组,通过神经网络训练得到部分数据GM(1,1)模型组与真实值之间的非线性映射关系,利用这种精准的映射关系来提高预测精度.最后实际算例表明了所给方法是有效的,该组合模型可用于城市用水量的中长期预测.     

组合模型在我国GDP预测中的应用

将组合预测法应用于我国GDP的预测,以提高预测精度。通过赋予合理权重,将指数平滑模型、拟合模型、ARIMA模型和支持向量回归模型加权组合。对各模型进行平均绝对百分误差(MAPE)、均方根误差(RESE)和希尔不等系数(Theil IC)等指标的比较,证明单一模型经过组合能够提高预测精度。     

基于Markov链的最优化预测模型及其应用研究

马尔可夫预测方法在预测领域有着广泛的应用．该方法应用的一个重要的问题就是如何估计一步状态转移概率矩阵．在历史资料没有给出系统处于n个状态次数的情况下，给出一步状态转移概率矩阵估计的最优化方法．最后探讨了基于Markov链的最优化预测模型在长江水质预测中的应用，从而表明该模型的有效性．