排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
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
2.
基于GAMLSS模型的水文干旱指数研究——以玛纳斯河流域为例 总被引：1，自引：0，他引：1
传统的水文干旱指数是在一致性条件下确定的,而在非一致情况下水文干旱指数的识别精度受到质疑。特别是当全球气候发生剧烈变化的时候,应用合适的干旱指数可以增加干旱预警的精确度。一般在非一致情况下,通常会认为干旱指数的概率分布参数服从时间或者其他协变量的线性或者非线性变化。因此以玛纳斯河流域肯斯瓦特站为例,构建以时间为协变量的GAMLSS模型,建立非一致情况的标准化径流指数SRIns,并对比分析,讨论其适用性。结果表明：① 肯斯瓦特站1957—2014年期间,径流量的变化趋势比降水和气温的变化趋势更为明显,径流发生明显变化主要集中在秋季和冬季,降水全年各月的变化趋势不明显,气温则在春季和夏季变化较剧烈。② 通过对比研究区1957—2014年内有历史资料记载的历史干旱事件,SRIns对于研究区干旱事件的识别更准确,SRIns识别的严重干旱和极度干旱事件的发生频率要比SRIs高。③ 通过游程理论识别出干旱特征变量,将干旱特征变量采用均匀分布随机化处理可以提高干旱历时序列的拟合精度。干旱特征变量序列的最优分布均为对数正态分布。④ SRIns和SRIs的干旱特征变量的二维联合分布的最优Copula函数均为joe函数。通过对比干旱特征变量二维联合概率和重现期,SRIns可以缩小风险区间,增加干旱风险预警的精度,因此更适用于该研究区的干旱预测与风险评估。 相似文献
3.
对大理州地下水资源量、可开采量及实际开采量,按流域、水资源分区及县市进行细化,对掌握地下水资源可持续利用具有一定的指导意义,为地下水合理开采利用提供依据;对地下水局部地区开采导致的河流断流、水质污染等问题,分析产生的主要原因,并提出大理州地下水保护规划的措施合和建议。 相似文献
1