共查询到18条相似文献，搜索用时 109 毫秒
1.
2.
基于改进的Elman神经网络的中长期径流预报 总被引：2，自引：0，他引：2
径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。 相似文献
3.
BP神经网络洪水预报模型在洪水预报系统中的应用 总被引：2，自引：2，他引：0
采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。 相似文献
4.
以额尔齐斯河（以下简称“额河”）流域为例,开展了基于多气候因子的中高纬度地区径流预报的研究。额河流域深居内陆,准确筛选出主要影响因子是开展该流域中长期径流预报的关键。根据额河流域地理位置特点,确定北半球500 hPa高度场、ENSO、结冰期北极海冰面积三类气候因子作为影响流域降水的主要因素。通过典型相关分析（Canonical Correlation Analysis）方法对影响因子与额河年径流量总体相关性进行分析,并在此基础上建立了年径流量预报的典型回归方程。研究结果表明,基于多因子情景下的额河年径流量与气候因子整体相关性高,径流预报结果在满足同号率要求的同时,也符合精度要求,可作为该河流中长期径流预报模型。研究结果对额河流域开展生态调度实践提供支撑,也对中高纬度干旱区域径流预报具有参考意义。 相似文献
5.
针对目前长期径流预报中物理成因考虑较少的问题,以丹江口水库为例,在分析影响径流物理背景的基础上,研究前期气象因子与水库秋汛期入库径流过程的相关关系,识别影响径流的大气环流与海温等物理因子,利用主成分分析法提取主要预报信息,建立了包含大气环流因子、海温因子等气象物理信息以及前期降雨、径流等水文信息作为预报因子集的三层BP神经网络预报模型.利用1956~2008年秋汛期9、10月入库径流量进行模拟与试报,并与仅采用前期降雨径流的预测模型进行了比较,结果显示基于物理成因分析的预测模型稳定性良好,模拟及试报精度较高,9、10月试报精度平均提高约30%,分别达到87.5%和75%,并对预报年份中的丰枯特征有较好的体现. 相似文献
6.
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
7.
受全球气候变化与人类活动影响,径流序列愈发呈现出非稳态与非线性特征,为降低由此而引发的预报误差,充分发挥不同模型对提高径流预测精度的优势,针对传统径流预报模型的单一性,以干旱区典型内陆河玛纳斯河为例,采用经验模态分解(EMD)提取径流序列中具有物理含义的信号,得到不同时间尺度的多个固有模态函数(IMF)及1个趋势项,利用 ARIMA模型与GRNN模型分别对不同时间尺度的IMF分量进行模拟,分析径流未来变化趋势。运用多元线性回归法、Spearman相关系数法、平均影响值法筛选大气环流因子作为神经网络模型的输入项,根据子序列的局部频率特点构建组合模型。最后将各IMF分量的预测结果重构,得到径流的最终预测值。单一评价指标无法全面评价模型精度,本文通过构建TOPSIS评价模型对径流预测模型进行定量评估,客观评价模型优度。结果表明:EMD分解能有效提取径流序列中隐含的多时间尺度信号,由趋势项可知玛纳斯河径流量总体呈上升趋势;EMD分解可提高ARIMA模型25%的合格率,但对于高频率分量IMF1、IMF2、IMF3,ARIMA模型的相对误差达到70%以上,预测结果不理想;经过筛选预报因子可有效提高GRNN模型精度,其中MIV法筛选的预报因子最适合玛纳斯河,与EMD-ARIMA组合后的GRNN模型的合格率最高,TOPSIS模型得分也最高。预测结果可作为水资源规划与调度的科学依据,建模思路也可为优化径流预测模型提供新途径。 相似文献
8.
基于人工神经网络的大坝变形分析与预报——以西津大坝27~#点的变形监测为例 总被引：2，自引：0，他引：2
以MATLAB语言为基础,应用BP神经网络、逐步回归分析进行西津大坝27#点的变形分析与预报研究.在此基础上,进一步提出了逐步回归BP神经网络组合的预报方法,并探讨了3种方法的预报结果.研究表明,BP神经网络用于大坝变形分析与预报是可行的,所提出的逐步回归BP神经网络组合法提高了变形影响因子选择的科学性,在预报效果上,优于前两种方法. 相似文献
9.
本文选取影响嫩江径流变化的主要大气环流指标进行相关分析,以揭示大气环流指标对于径流空间和时程影响规律.分析结果表明:在空间分布上,嫩江流域干流及支流径流与大气环流主要指标相关性存在明显的空间分布特征,即上游断面径流与大气环流指标相关性较大,下游相关性较小.在时程演变上,嫩江流域径流与前1个月的大气环流指标相关性较大,与其他前期月份的相关性迅速减小,说明在做中长期径流预报时,大气环流前滞期可以选1个月,更较前的大气环流对当月径流影响不大.这些结论可以为中长期径流预报预报因子的选择和预报模型的建立提供基础参考. 相似文献
10.
采用贝叶斯概率水文预报理论制订水电站水库中长期径流预报模型,以概率分布的形式定量地描述水文预报的不确定度,探索概率水文预报理论及其应用价值。采用气象因子灰关联预报模型处理输入因子的不确定度,将实时气象信息和历史水文资料有效结合,突破传统确定性预报方法在信息利用和样本学习方面的局限性,以提高水文预报的精确度。以丰满水电厂水库为例对所建模型进行检验,模拟计算结果表明,该模型与确定性径流预报方法相比,不仅有利于决策人员定量考虑不确定性,而且在期望意义上提高了径流预报精度,具有较高的应用价值。 相似文献
11.
基于对第二松花江流域上游小山、松山、两江水电站中长期水文预报研究成果，论述了综合中长期水文预报的研究思路和定性预报、定量预报的分析研究方法。该研究通过2002年实践检验，具有较高的预报精度。 相似文献
12.
基于贝叶斯判别分析原理,考虑径流形成的特点及物理成因,选择研究区碧流河水库1959~2011年的实测资料,且将径流分为5个级别,用相关系数模型,考虑因子的不确定性,筛选出相关性高、彼此间独立性强的10个判别因子,分别构建基于朴素贝叶斯分类器(N-Bayes)和贝叶斯判别准则(DBayes)的年径流属性级别预报模型,并利用研究区2001~2011年资料进行了试报和检验。预报结果表明:两种模型的预报结果相近,准确率均超过70%,D-Bayes的预报效果略优于N-Bayes,初步说明:贝叶斯判别分析原理在水文预报中的应用,有着较好的前景。 相似文献
13.
基于三种不同模式的CMIP5气象数据,采用互信息法挑选预报因子结合RBF神经网络模型,预测不同排放情景(RCP2.6、RCP4.5、RCP8.5)下未来气候变化下天山西部山区融雪径流的变化情况。对三种模式下不同排放情景预测出的未来径流量进行分析发现:(1)未来径流量在2020～2030年将持续上升,在2060年趋于稳定;未来径流量在非汛期有大幅度的增加而在汛期径流量减少;(2)通过灰色相关性分析找到未来不同模式不同情景下影响径流的主要相关因子,对各相关因子未来变化情况进行分析,发现径流在非汛期有大幅度的增加而在汛期径流量减少的主要原因是:非汛期的降水增加而蒸发减少或增加幅度不大;汛期降水减少而蒸发随气温升高导致汛期的径流量减少。 相似文献
14.
为提高跨流域引水工程受水水库引水有效性,研究了耦合长期径流预报信息的跨流域引水受水水库调度模型。首先选取汛期径流预报信息,采用径流预报概率修正先验概率来描述径流的不确定性,建立了贝叶斯随机动态规划模型(BSDP-LTF)。然后将模型应用于碧流河水库,并与仅考虑径流相关的随机动态规划模型(SDP-I)、仅考虑长期预报信息的随机动态规划模型(SDP-LTF)进行比较。比较结果得出在供水保证率基本一致且不增加调度风险的情况下,BSDP-LTF模型相比SDP-I、SDP-LTF模型,可分别减少引水8.2%、4.1%。表明贝叶斯随机动态规划模型BSDP-LTF有效改进了径流描述,提高了跨流域引水的有效性。 相似文献
15.
Vasil’ev D. Yu. Vodopyanov V. V. Zayzeva G. S. Zakirzyanov Sh. I. Semenov V. A. Sivokhip Zh. T. Chibilev A. A. 《Doklady Earth Sciences》2019,486(2):724-727
Doklady Earth Sciences - The results of long-term forecasting of the spring runoff in the Belaya River basin based on the water-balance model are presented. The structure and parameters of the... 相似文献
16.
基于时间序列多重信息利用的扩维原理和灰色系统理论的关联分析思想,提出一种应用于水文中长期预报的方法.它的特点是直接从径流序列的扩维相型关联分析中,寻求径流情势变化规律,较适合于缺乏输入因子资料或选择影响因子有困难条件下的水文中长期预报.利用海河、黄河和长江流域若干水文站的实测资料序列对该方法做了初步验证. 相似文献
17.
地质灾害气象预报预警方法是近年来地质灾害防范的热点。由于不确定因素较多,预报方法及预报精度上还有待提高。根椐我省实际情况,选取影响地质灾害发生的主要地质因素并设计了地质背景条件下各致灾因素概率模型;根椐地质灾害主要引发因素的降雨量和初步确定的降雨量临界值;选取BP神经网络模型算法进行数学运算,最终形成预报预警产品,分等级预报,在实际预报预警中取得较好的效果。 相似文献
18.
Satanand Mishra C. Saravanan V. K. Dwivedi J. P. Shukla 《Journal of the Geological Society of India》2018,92(3):305-312
In this research, k-means, agglomerative hierarchical clustering and regression analysis have been applied in hydrological real time series in the form of patterns and models, which gives the fruitful results of data analysis, pattern discovery and forecasting of hydrological runoff of the catchment. The present study compares with the actual field data, predicted value and validation of statistical yields obtained from cluster analysis, regression analysis with ARIMA model. The seasonal autoregressive integrated moving average (SARIMA) and autoregressive integrated moving average (ARIMA) models is investigated for monthly runoff forecasting. The different parameters have been analyzed for the validation of results with casual effects. The comparison of model results obtained by K-means & AHC have very close similarities. Result of models is compared with casual effects in the same scenario and it is found that the developed model is more suitable for the runoff forecasting. The average value of R2 determined is 0.92 for eight ARIMA models. This shows more accuracy of developed ARIMA model under these processes. The developed rainfall runoff models are highly useful for water resources planning and development. 相似文献