共查询到20条相似文献，搜索用时 62 毫秒
1.
针对遗传算法存在的缺陷,提出了用小生境方法改进遗传算法。为了提高采空沉陷预测精度,借助Holt-Winters模型的预测功能,应用改进遗传算法求解和优化Holt-Winters模型组合参数,形成了改进遗传算法-Holt-Winters模型组合算法。将组合算法应用于长平高速公路采空区路段沉陷预测,计算表明：改进遗传算法弥补了传统遗传算法易早熟、局部寻优能力弱的缺陷;改进遗传算法-Holt-Winters模型组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预测结果相对误差在2%以内,预测精度显著提高;在采空沉陷中长期预测的相对误差小于0.79%,该算法可用于中长期采空沉陷预测。 相似文献
2.
在传统的GM(1,1)模型建模的基础上,采用改进欧拉算法简化GM(1,1)模型中参数的求解过程,进行滑坡变形动态预测。本文根据某高速公路滑坡治理过程中的变形监测数据,应用改进的模型进行滑坡变形动态预测,通过预测结果和实际监测数据进行对比分析,结果表明:改进欧拉算法的GM(1,1)模型参数计算简单,且预测精度为一级;不仅适用于滑坡变形等时距监测数据的低增长序列预测,也适用于高增长序列预测,证明该改进欧拉算法的有效性。 相似文献
3.
针对流域内气象观测站点稀少和融雪径流过程的特点,利用APHRODITE降水数据进行插值,应用日有效活动温度改进度日数;依据季节性冻土受有效活动积温影响的特点,建立有效活动积温与径流系数的关系,提高模型中融雪速率和径流系数的计算精度。结合气象、水文资料和MODIS遥感积雪产品,应用改进的融雪径流模型(SRM)对开都河流域2000年与2006年融雪期的径流进行了率定和验证模拟。改进模型在率定期和验证期的模拟结果远远优于用日平均温度作为度日数的结果。结果表明,用APHRODITE降水数据及改进的度日数和径流系数作为SRM模型参数输入,能够较好模拟开都河流域融雪径流过程,大大提高模型模拟精度。 相似文献
4.
针对流域内气象观测站点稀少和融雪径流过程的特点,利用APHRODITE降水数据进行插值,应用日有效活动温度改进度日数;依据季节性冻土受有效活动积温影响的特点,建立有效活动积温与径流系数的关系,提高模型中融雪速率和径流系数的计算精度。结合气象、水文资料和MODIS遥感积雪产品,应用改进的融雪径流模型（SRM）对开都河流域2000年与2006年融雪期的径流进行了率定和验证模拟。改进模型在率定期和验证期的模拟结果远远优于用日平均温度作为度日数的结果。结果表明,用APHRODITE降水数据及改进的度日数和径流系数作为SRM模型参数输入,能够较好模拟开都河流域融雪径流过程,大大提高模型模拟精度。 相似文献
5.
6.
7.
《地下水》2015,(6)
对传统河道洪水演算法进行改进,引入变动态存储系数法,动态计算不同河段洪水传播时间,以大洋河沙里寨水文站以上集水区域为研究流域,将新安江模型与改进河道洪水演算法耦合模拟大洋河流域径流,并和传统河道洪水演算法径流模拟结果进行对比,此外,定量分析了不同计算时段输入对流域洪水模拟精度的影响。研究结果表明:改进的河道洪水演算方法,相比于传统洪水演算方法,模拟的径流深平均相对误差减少1.63%,确定性系数提高0.019;计算时段为1 h,相比于计算时段为1.5 h,模拟的次洪径流相对误差减少1.04%,峰现时间误差缩短0.96 h,确定性系数提高0.018。研究结果对于大洋河流域的水情预报提供参考价值。 相似文献
8.
传统方法在计算含水层渗透系数的过程中通常面临着不均匀系数C难以确定、对研究区水文地质条件较为依赖等困难。通过分析和概括内分泌系统独特的信息处理功能,构建了人工内分泌网络模型。在详细介绍模型算法和计算步骤的基础上,将其应用到华北平原滹沱河冲洪积扇前缘,根据孔隙度及粒度分布特征对含水层渗透系数进行预测,并与传统的经验公式Beyer法和Slichter法进行对比。计算结果表明：Beyer法的预测精度最低,其相对误差主要集中于0.078~1.342;Slichter法的预测精度有所提高,但对于渗透系数极端值的预测仍存在较大误差,相对误差主要集中于0.046~0.643;人工内分泌网络模型具有较高的预测精度,其相对误差主要集中于0.006~0.420。与传统经验公式相比,人工内分泌网络模型具有较高的计算精度和良好的通用性,且能够直接计算出含水层的垂向渗透系数,无需后期的数据验证。 相似文献
9.
在气候变化和人类活动的影响下,我国部分流域的年径流过程表现出了复杂性波动,常规的统计分析预测模型都有其一定的局限性。多因子自回归模型(ARX模型)可以较高精度地对具有复杂性波动的系统进行模拟。以受人类活动影响和气候变化影响较为显著的汉江流域的襄阳站为研究对象,采用改进后的ARX模型对襄阳站1960~2002的年径流过程进行了模拟,并与多种常用的统计分析方法进行了比较,验证了ARX模型在模拟具有突变性的年径流过程的良好性能。根据所率定模型对襄阳站2003~2012年的年径流进行了预测,预报合格率达到90%,说明了ARX模型在中长期径流预报中较好的适用性。 相似文献
10.
11.
12.
雅砻江流域分布式水文模型开发研究 总被引：1，自引：0，他引：1
面向南水北调西线水源区之一雅砻江流域生态水文调控,开发了一个基于物理机制的日过程流域水循环系统的分布式模拟模型.模型的产流过程计算考虑了雨强大小,采用Green-Ampt模型或Richards方程.汇流过程计算考虑了河道属性(纵横断面及河道控制工程),采用运动波方程或动力波方程模型.计算单元内采用了"马赛克"法即把单元内土地归为5种地域分别计算再汇总.1985～2000年雅砻江流域径流模拟较准确,水量平衡方面误差小于5%,模型与实测径流过程线相关系数达到0.86～94,Nash-Sutcliffe模型效率达0.7以上,表明该模型具有较高精度,能够满足流域生态水文调控中水循环各个过程的模拟与预测,构建了一个良好平台. 相似文献
13.
基于GM（1，1）的组合灰色模型预测软基沉降 总被引：2，自引：0，他引：2
以灰色系统理论为基础,建立了沉降预测的组合灰色模型,对一般灰色模型具有的无限增长特性进行了改进和修正。在求解过程中,采用spline插值函数对现场观测沉降数据进行插值变换生成等时距序列,并对沉降预测模型的初值进行了优化选择,以提高预测精度。运用MATLAB语言编制模型计算程序,通过沉降预测实例及后验差法检验模型精度,表明沉降预测的组合灰色模型预测精度较高,具有较强的适用性。 相似文献
14.
15.
16.
揭示变化环境下非平稳径流序列波动特征,可为提高径流预测精度和涉水工程规划提供支撑。针对径流序列具有非平稳性、周期性和异方差性的特征,收集长江流域攀枝花、城陵矶和大通站2008—2018年实测径流资料,基于周期趋势分解法(STL)将原始数据分解为周期项、趋势项和剩余项,结合各子序列特征采用多模型集成获取未来径流的综合预测值,并将预测结果与Prophet、LSTM和GARCH等单一模型进行对比。结果表明：联合机器学习和时序分解的集成模型在多个评价指标上均优于单一模型,且对异方差效应显著的站点模拟精度提升明显;验证期内3个站点的纳什效率系数分别为0.96、0.95和0.93,表明该模型能有效模拟长江流域径流波动过程。 相似文献
17.
矿山内排土场因其储量大、结构松散和强度低等特点,在降雨条件下极易产生侵蚀或整体失稳破坏,因此降雨入渗分析对预测内排土场稳定性至关重要。以元宝山露天煤矿内排土场为原型,按相似试验理论进行物理模型试验,研究降雨入渗特征,根据试验结果对经典Green-Ampt入渗模型进行改进。结果表明:雨水入渗过程中,随着浸润锋的向下运移,坡面侵蚀由溅蚀凹槽开始,逐渐过渡为径流侵蚀,最后呈现为溯源侵蚀破坏,整体呈现平行于坡表面的浅层滑坡特征;浸润锋之上非饱和浸润层的存在,导致经典Green-Ampt模型计算结果不准确;在考虑浸润层厚度和累积入渗量基础上,推导出改进的Green-Ampt模型;改进后的Green-Ampt模型为分段函数,能够反映降雨入渗使坡面由非饱和向饱和过渡的实际特征。验证结果显示,使用改进模型,浸润锋入渗深度和累积入渗量的预测精度显著提升,虽然冲蚀破坏和初始含水率的差异导致降雨入渗后期的预测精度有所下降,但相关结果对煤矿内排土场降雨初期稳定性分析具有重要意义。改进后的Green-Ampt模型的计算结果与实测数据更为接近,能为分析露天煤矿内排土场降雨入渗规律及边坡稳定性研究提供参考。 相似文献
18.
区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。 相似文献
19.
20.
基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势. 相似文献