共查询到18条相似文献，搜索用时 140 毫秒
1.
径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。 相似文献
2.
基于小波变换和GRNN神经网络的黑河出山径流模型 总被引：14，自引：6，他引：8
对黑河山区流域月降水量和气温做Harr小波变换,并作为GRNN神经网络的输入,对黑河出山径流进行模拟和预测验证,效果较好。应用全球变化成果,在不同的气候情景下,对黑河出山径流进行预测。结果表明,黑河出山径流在未来一段时间内,径流量会有一定程度的增加,最终会减少。但模型对气温反应不敏感。去除气温重构的细节系数后,气温也成为一个敏感因素,但径流量却随气温的增加而增加。可推断,引进Haar小波变换的GRNN神经网络模型可应用于径流量对气温不敏感的流域。 相似文献
3.
无资料区的径流模拟问题是国内外水文研究的难点之一。基于相似流域的参数移植法是常用的解决方法之一,但如何判断相似流域是制约此类方法发展的难点。本文以滇池流域为例,采用自组织映射神经网络(SOM)和层次聚类分析(HCA)联合模式,选取16个流域物理特征为指标进行子流域分类,以确定相似流域。运用无分层的K-means分类的SOM法将整个滇池流域划分为7类具有水文属性的子流域组,分类情景与HCA基本一致,两者实现相互验证。采用HBV水文模型模拟子流域径流过程,并选择部分子流域进行组内参数移植交叉检验。结果显示,HBV模型可较好的模拟滇池流域径流过程;此外,子流域交叉检验结果优良,表明同组内参数可以相互移植。本文不仅为解决滇池流域无资料问题提供了可靠手段,而且由于SOM实现了高维流域特征可视化展示,有助于管理者全面、深入的把握滇池流域水文属性的空间分布特征,为进行水资源管理提供指导。 相似文献
4.
多源径流数据是理解地表水资源分布格局和演变规律的基础,径流数据的比较和筛选是其应用和推广的前提,但中国范围内的径流数据比较研究仍相对缺乏。本研究在中国九大流域片,选取控制范围不重叠、1961—2014年天然径流资料连续的82个水文站,从多年平均径流量和径流变化趋势两个方面,评价了CMIP6地球系统模式、ISIMIP3a全球水文模型、基于陆面模型的GLDAS和CNRD、基于机器学习的GRUN等四类33套径流数据集的质量。研究表明：(1)百分比偏差的评价结果显示,经过偏差校正的CMIP6、ISIMIP3a、GLDAS、GRUN、CNRD均能较好模拟大部分流域的平均径流;综合标准差、均方根误差、皮尔逊相关系数3个评价角度的泰勒图分析结果显示,CNRD在松辽河流域,长江、珠江、东南诸河流域,西北、西南诸河流域表现最优,偏差校正后的CMIP6和GLDAS多模型平均结果在黄淮海流域表现最优。(2)多源径流数据对多年平均径流量的模拟普遍较好,而对年径流变化趋势的模拟结果较差,特别是CMIP6和GRUN严重低估了径流趋势,约10个流域的趋势模拟结果与天然径流资料的趋势相反。(3)多源径流数据在相对干旱... 相似文献
5.
雅鲁藏布江流域径流特性变化分析 总被引：8，自引：2，他引：6
本文采用Morlet小波对1956~2000年雅鲁藏布江流域6个站点的径流序列进行了分析,揭示了不同时间尺度下四个季节以及年平均径流量的丰枯交替特性、突变性和周期性,通过小波方差确定各序列存在的主要周期。结果表明:在15年时间尺度上,雅江流域四个季节的径流变化趋势基本一致;发生突变的年份主要在1957、1967、1976、1983、1992年;径流序列第一主周期主要以15年长周期和2年短周期为主,第二主周期以15、6、2~3年的长、中、短周期为主;秋季和冬季径流序列的周期空间分布基本一致,年平均径流序列的周期分布与夏季最为接近;除拉萨河子流域春季在2~3年尺度上处于枯水期外,其他子流域其他时段在任何时间尺度上未来几年里都将处于丰水期。 相似文献
6.
气候变化情景下青海湟水流域径流变化的HIMS模拟分析 总被引：2，自引：0，他引：2
基于国产HIMS(Hydro-Informatic Modeling System)模型,以青海湟水流域为研究区域,利用1986-2000年33个雨量站和8个气象站的逐日降水和气温数据,对其径流变化进行模拟;选取流域内6个水文站同期的实测径流数据,进行参数率定及验证。结果表明:HIMS模型日、月率定及验证结果良好,在湟水流域具有良好的适用性。在此基础之上,分析了湟水流域1961-2010年降水及气温的变化趋势,并对不同气候变化情景下的水文响应(径流量)进行模拟分析。结果显示气候变化对湟水流域径流量变化趋势影响显著,随气温升高和降水量的减少,径流量呈明显的减少趋势,反之,呈增加趋势。 相似文献
7.
降雨变化对东江流域径流的影响模拟分析 总被引：2，自引：1，他引：1
降雨变化对流域水文过程的影响是地理与环境科学领域关注的热点。应用流域水文模型HSPF建立了东江流域的径流模拟模型,并结合日降雨随机模拟模型,分析了降雨的长期变化对流域径流的影响。结果表明,降雨对东江流域的径流影响显著,径流量随降雨量均值与降雨量变差系数的增减而增减;相同的降雨量均值变化幅度条件下,径流增减的变化幅度相近;降雨量变差系数增加对径流的影响大于降雨量变差系数减小的影响,降雨强度的变化是影响径流量的重要因素,降雨量变化剧烈时,产生的径流更多;在同等的变化幅度内,降雨量均值变化对径流量的影响大于降雨量变差系数;由降雨情景变化引起的月径流的变化在6~8月最为明显。 相似文献
8.
基于祁连山西段老虎沟流域断面的径流数据与大本营气象站的气象资料,对冰川区径流与气象要素之间的相关性进行了分析,并建立了多元指数非线性回归方程对径流进行重建以弥补缺失径流,此外,对冰川区径流的年际、季节、日尺度的变化特征进行了分析。结果表明：(1)冰川区径流量与气温的相关性最高0.86,其次是水汽压(0.81)、相对湿度(0.46)、降水量(0.27),径流受气温影响最大。(2)21世纪观测资料显示日平均径流量为2.10 m3·s-1,较20世纪50年代末的1.65 m3·s-1有所增加,主要因消融季气温上升0.75℃所致,强消融期(7、8月)径流量的年际变化较大,消融期初(5、6月)和末(9月)年际变化较小。消融季5—9月产流占比分别为5.3%、16.1%、37.3%、35.1%、6.2%。(3)多元指数非线性回归方程可以较好地模拟日径流量(纳什效率系数平均为0.70),补充缺失径流后,对于径流的日变化,消融期初和末日变化较小,而强消融期径流的日变化较大。对于径流的时滞效应,老虎沟流域消融季各月径流... 相似文献
9.
论文基于2003—2014年水文资料,采用长短期记忆神经网络(Long-Short Term Memory,LSTM),构建了汉江上游安康站日径流预测模型,评价了不同输入条件下日径流预测的精度。结果表明：当预见期为1 d时,在仅以安康站前期日径流量作为输入的条件下,LSTM模型在训练期和检验期的效率系数分别达到0.68和0.74;如再将流域前期面雨量和上游石泉站前期日径流量加入LSTM网络作为输入变量,安康站日径流量预测效果将更好,训练期和检验期的效率系数最高可达到0.83和0.84,均方根误差也有显著削减,且对主要洪峰流量的预测能力也有一定提高。此外,LSTM可以有效避免过拟合等问题,具有较好的泛化性能。但当预见期从1 d延长至2、3 d时,LSTM的预测精度显著降低。 相似文献
10.
基于栅格数据的流域降雨径流模型 总被引：30，自引：0，他引：30
本文在研究降雨时空分布不均匀与下垫面自然地理参数空间分布不均匀，对降雨径流过程影响的基础上，提出了一种在地理信息系统支持下的动态分布式降雨径流流域模型，实现了基于栅格的坡面产汇流与河道汇流的数值模拟，能够获得流域上任意模拟时刻任意栅格的径流量。模型视栅格为水文一致性单元，水文参数在栅格内一致，在相邻栅格间变化，采用Ｈｏｌｔａｎ模型计算下渗率，水量平衡方程和线性水库的马斯京根法进行栅格产汇流演算，模 相似文献
11.
基于新型联想记忆神经网络的非线性系统辨识 总被引：1，自引：1，他引：0
Hopfield网络模型具有联想存储器功能,但对系统辨识不适用。具有动态记忆功能的Elman神经网络的泛化能力比较低。该文提出了一种新型联想记忆神经网络结构和学习算法,通过引入联想记忆衰减因子,提高了对非线性系统的辨识能力。通过与Elman动态神经网络辨识方法的仿真比较,说明联想记忆神经网络辨识方法具有很好的动态辨识能力和泛化能力。 相似文献
12.
Most previous research on areas with abundant rainfall shows that simulations using rainfall-runoff modes have a very high prediction accuracy and applicability when using a back-propagation(BP), feed-forward, multilayer perceptron artificial neural network(ANN). However, in runoff areas with relatively low rainfall or a dry climate, more studies are needed. In these areas—of which oasis-plain areas are a particularly good example—the existence and development of runoff depends largely on that which is generated from alpine regions. Quantitative analysis of the uncertainty of runoff simulation under climate change is the key to improving the utilization and management of water resources in arid areas. Therefore, in this context, three kinds of BP feed-forward, three-layer ANNs with similar structure were chosen as models in this paper.Taking the oasis–plain region traverse by the Qira River Basin in Xinjiang, China, as the research area, the monthly accumulated runoff of the Qira River in the next month was simulated and predicted. The results showed that the training precision of a compact wavelet neural network is low; but from the forecasting results, it could be concluded that the training algorithm can better reflect the whole law of samples. The traditional artificial neural network(TANN) model and radial basis-function neural network(RBFNN) model showed higher accuracy in the training and prediction stage. However, the TANN model, more sensitive to the selection of input variables, requires a large number of numerical simulations to determine the appropriate input variables and the number of hidden-layer neurons. Hence, The RBFNN model is more suitable for the study of such problems. And it can be extended to other similar research arid-oasis areas on the southern edge of the Kunlun Mountains and provides a reference for sustainable water-resource management of arid-oasis areas. 相似文献
13.
该文提出一种新型模糊神经网络结构及算法。在这种控制方案中,采用三层模糊神经网络控制器和神经网络逆辨识控制器相结合的结构。计算机仿真研究和实际应用表明,采用新型模糊神经网络控制方法,对大滞后非线性系统的控制是有效的。 相似文献
14.
15.
针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题,以定西市安家沟水土保持试验站2005—2016年1~12月人工草地径流场试验数据为主要来源,将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子,月土壤水蚀量作为输出,运用偏最小二乘法(Partial Least-Squares
Regression,PLSR)和长短期记忆(Long Short-Term Memory,LSTM)循环神经网络建立人工草地土壤水蚀预测模型,并利用BP(Back Propagation)、RNN(Recurrent Neural
Network)、LSTM常见神经网络模型,对模型的有效性进行评估。结果表明：PLSR将模型8个输入因子减少为4个,从而有效解决LSTM神经网络模型对样本数量要求过高的问题; PLSR和LSTM神经网络模型的结合可以有效提高模型对人工草地土壤水蚀过程的预测精度和收敛速度,预测结果的平均相对误差小于4%,相关系数高于其他3种神经网络模型,而迭代次数、均方根误差和平均绝对误差均低于其他3种模型;研究发现坡度对人工草地土壤水蚀过程影响较为明显,降雨量小于25 mm时,人工草地土壤水蚀量不会随坡度增加而明显增长,但当降雨量超过25 mm时,人工草地土壤水蚀量会随坡度明显增加。 PLSR LSTM神经网络土壤水蚀预测模型可以准确预测陇中黄土丘陵沟壑区人工草地土壤水蚀量,为该地区水土流失的准确预报提供新的思路和方法。 相似文献
16.
17.
针对常规农用地分等模型因子权重计算存在人为干扰和神经网络模型自身优化过程中易陷入局部最优的情况,该文综合了BP神经网络非线性权重数据挖掘特性和粒子群的全局优化能力,建立了农用地分等计算的粒子群神经网络混合模型(PSO-BP网络模型),并应用于广东省揭西县农用地分等计算中,发现PSO-BP网络模型能避免定级因子权重确定的人为干扰,同时具有较高的优化效率,应用效果较好。 相似文献
18.
In the Himalayan regions, precipitation-runoff relationships are amongst the most complex hydrological phenomena, due to
varying topography and basin characteristics. In this study, different artificial neural networks (ANNs) algorithms were used to
simulate daily runoff at three discharge measuring sites in the Himalayan Kosi River Basin, India, using various combinations
of precipitation-runoff data as input variables. The data used for this study was collected for the monsoon period (June to October)
during the years of 2005 to 2009. ANNs were trained using different training algorithms, learning rates, length of data
and number of hidden neurons. A comprehensive multi-criteria validation test for precipitation-runoff modeling has been undertaken
to evaluate model performance and test its validity for generating scenarios. Global statistics have demonstrated that
the multilayer perceptron with three hidden layers (MLP-3) is the best ANN for basin comparisons with other MLP networks
and Radial Basis Functions (RBF). Furthermore, non-parametric tests also illustrate that the MLP-3 network is the best network
to reproduce the mean and variance of observed runoff. The performance of ANNs was demonstrated for flows during
the monsoon season, having different soil moisture conditions during period from June to October. 相似文献