门限人工神经网络模型及其在洪水预报中的应用

结合门限自回归模型与人工神经网络模型的建模思想，首次提出这两种方法的耦合模型，即门限人工神经网络模型，新模型的实质是一种分段非线性化的处理方法，是对现有门限模型分段线性化的很好改进。实例计算结果说明，新模型在洪水的预报中是有效的，在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。     

水文时间序列预报的人工神经网络模型

1　引言由于水文现象本身的复杂性 ,目前还很难用物理方法对水文现象进行描述 ,人们主要借助数理统计方法以及其它的一些不确定性方法来描述水文现象 ,以弥补物理方法的不足。不确定性方法主要运用概率统计、时间序列、模糊数学和灰色理论等来探索水文现象。但这些理论和方法都需要具有显式函数 ,而它们往往难以找到 ,或只能以近似表达式进行描述 ,一般都有比较大的误差 ,因此 ,寻找更合理与灵活的理论和方法来充实水文学的研究成了水文工作者多年来不懈的追求 ,人工神经网络途径便是一种尝试。近年来 ,人工神经网络技术已被广泛应用于水文…     

基于贝叶斯模型平均法的多模型综合预报洪水概率研究

研究对象为淮河流域内的息县、潢川、班台至王家坝区间,在采用新安江模型和降雨径流经验模型进行洪水模拟的基础上,构建了基于BMA洪水概率预报模型与基于BP神经网络的组合预报模型,对比分析了两种方法的预报效果.结果表明,以BMA概率预报的期望值为预报值,12场洪水的平均确定性系数为0.93,整体上优于新安江模型(0.92)和...     

基于洪水地区组成的门限-人工神经网络洪水预报模型

以寸滩站洪水预报为实例,将门限(Threshold)思想引入传统人工神经网络(ANN)洪水预报模型,建立了寸滩站洪水预报的门限-人工神经网络流量预报模型(T-ANN);同时,将洪水地区组成因素引入到模型中,实现对不同类型洪水的自动识别.检验表明,该模型洪水预报精度高,且各来水类型均能获得较好预报效果.     

浅谈相应水位法在洪水预报中的应用

介绍了广东省潮州供水枢纽在水情测报系统建设尚未完成,相关水文资料缺乏的情况下,通过收集水文资料,应用相应水位法进行洪水预报,为水库的安全调度运行提供保障。     

密云水库洪水预报模型及预报成果分析

密云水库作为华北地区最大的水库,具有防洪、供水等功能,是确保首都防洪安全和供水安全的重要水利工程。准确预报密云水库洪水对于优化水库调度、确保首都防洪安全具有重要意义。介绍了密云水库水文预报的发展历程及各种预报方案的应用情况,重点介绍了分布式水文模型EasyDHM在洪水预报过程中的使用情况。预报成果分析表明,现有的分布式水文预报模型能更好提升密云水库的洪水预报精度。     

基于BP神经网络的贝叶斯概率水文预报模型

本文在贝叶斯概率水文预报系统(BFS)框架之上，研究了双牌水库水文预报的不确定性，建立了流量先验分布及似然函数的BP神经网络模型，并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数。通过对双牌水库历史洪水的研究结果表明，基于BP神经网络的BFS不仅显著提高了预报精度，而且为防洪决策提供了更多的信息，使得预报人员在决策中能考虑预报的不确定性，定量的估计各种决策的风险和后果。     

基于水文水动力耦合模型的钱塘江流域洪水预报研究

基于实时水雨情监测数据的洪水演进机理模型叠加降雨产汇流水文模型可有效提高洪水预报精度。采用MIKE11的NAM水文模型与HD水动力模型耦合方法,收集和处理了钱塘江流域大量降雨、水位、流量等水文、地形资料,构建钱塘江衢州-澉浦段降雨径流-水动力演进模型,通过多次历史洪水资料进行率定和验证,从确定性系数、水量相对误差、洪峰相对误差、水位相对误差及峰现时差等多方面进行预报精度评定。结果表明：水文与水动力模型耦合方法可有效增加洪水预报模拟精度。     

水文预报时间序列神经网络模型

本文提出了水文预报的时间序列神经网络模型，并研制开发了相应的计算机软件，其有效性在实例中得到验证。     

地下水位动态预测的人工神经网络方法

介绍了人工神经网络的基本原理 ,用该方法进行地下水位预测 ,结果表明该方法精度较高 ,具有一定的推广应用价值     

人工神经网络模型在白城地区枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

应用人工神经网络模型预测白城地区枯季地下水位

根据白城地区地形、地质、土壤、植被在一定时间范围内具有相当稳定的特性,选取10月平均水位、汛期6～9月降水量、枯季11～次年3月降水量3个因子,对次年5月平均地下水位进行预测.优化得出的BP网络模型不仅拟合精度高,而且预测效果好.     

基于小波分析的NARX神经网络在水位预测中的应用

高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。     

河道浅滩演变预测的人工神经网络模型

本文主要介绍利用人工神经网络对河道演变进行预测研究,并选取最佳模型对河道演变进行预测。通过对比分析发现RBF网络模型比BP神经网络模型的训练时间短,两模型的预测精度相差不多。结果证实人工神经网络在河道浅滩演变中具有较强的应用性,为河道浅滩演变预测开辟了一条新思路。     

贯入法及冲击筛分法检测砌体抹灰 砂浆强度研究

为了解现有的砌筑砂浆强度检测方法的适应性,进行了试验研究。试验中主要采用了贯入 法、冲击筛分法检测普通粘土砖砌体28 d抹灰砂浆的强度,并辅以点荷法,立方体抗压强度予以对 比分析。结果表明,冲击筛分法可以用作普通粘土砖砌体28 d抹灰砂浆强度的检测,而贯入法需要 进一步研究,以获得准确的抹灰砂浆强度回归曲线,方可用于现场检测。     

水轮机空化特性的人工神经网络模型

本文针对水轮机空化特性相对应的空间曲面比较复杂的特点,用径向基函数神经网络建立水轮机空化特性模型,对样本的学习采用Levenberg-Marquardt算法。该模型应用于四川紫坪铺水力发电厂中的水轮机空化特性研究。模拟计算结果与试验结果的比较表明,本文给出的模型能真实地表达水轮机的空化特性,可以在水轮机的计算机辅助选型设计和水轮发电机组的优化运行分析等方面应用。     

ET0的人工神经网络模型与评估研究

在对内蒙古135个站点，30年气象资料及利用Penman-Monteith公式计算获得参考作物腾发量(ET0)分析的基础上，运用人工神经网络中最成熟的BP网络对内蒙古各区域在作物生育期(4～9月)建立了方便可行的ET0计算模型。并利用辐射项(ET0)和空气动力学项(ET0)对所建模型进行了评估与适用条件的分析。研究表明，大量样本训练而得的作物生育期模型具有很高的可信度，分区与分月建立的模型在一定条件下可满足生产的需要。     

利用灰色-BP神经网络组合模型对延吉市地下水位预测

针对延吉市地下水位变化情况,利用灰色--BP神经网络组合模型对地下水位变化趋势进行预测,提出地下水位的预测不能仅限于一种方法,应在充分分析影响水位变化各因素的基础上,采用合理的方法预测.     

人工神经网络峰值识别理论及其在洪水预报中的应用

本文在总结大量洪水预报实践经验的基础上，提出了一种峰值识别理论及相应的改进BP算法(Error Back Propagation with Peak Recognizer,简称BPPR).该理论及算法在修改网络权重时，偏重大值误差，即大值误差对权重的修改起主要作用.这种BPPR算法使人工神经网络洪水预报模型对洪峰的预报精度显著提高，从而保证了洪峰预报的可靠性.