基于BP神经网络的旬降雨径流相关预报模型

参照流域暴雨与径流相关的特点,以实际的旬初土壤蓄水量、旬降雨量为输入条件,以实际的旬径流量为输出条件,建立BP神经网络旬降雨径流相关模型.实例表明,模型结构简单,可操作性强,利用该模型进行的旬径流预报具有较好的模拟精度,并为利用旬降雨预报信息实施旬径流中期预报奠定了基础.     

分部面积的降雨径流预报

探讨分部面积降雨径流预报方法则将一个流域分成ｎ个分部面积，用降雨预报分部面积流量，经６．８３￣７６３４ｋｍ＾２等６个流域资料验证及彭山站２年预报，效果好，可在四川大中小流域，无资料库区，山洪站点上试用，建议在省外湿润地区验证，完善。     

寒冷地区月降雨径流预报模型研究

西沟水电站地处高寒地区，受冰雪和冻土影响，降雨径流关系有其独特的规律和特点。本文在编制月降雨径流预报方案中，考虑冻土的不透水作用和蓄水调节作用，分别确定相应的参数，用不同分层模型计算取得了满意结果，提示了寒区降雨径流规律，如果通过计算机优选拟合，准确度和精度会更高，值得进一步研究与推广。     

史家堡站降雨径流预报方案

文中论述了英那河流域史家堡水文站降雨径流洪水预报方案,根据降雨量推求出该站的径流深,合理性分析结果为甲级方案,可以发布预报。为测站合理安排测验时间,安全度汛提供了可靠的依据。     

神经网络模拟降雨径流过程

本文根据水文现象的特性建议了两个网络模型——实时输出反馈网络(ROBIN)和奢侈输出反馈网络(ADONIS)，并与水文模拟网络(HYMN)和传统水箱(TANK)模型进行了比较.结果表明建议的两个网络模型是可行的.     

基于长短时记忆神经网络（LSTM）的降雨径流模拟及预报

长短时记忆神经网络(LSTM)具有很强的时间序列关系拟合能力,非常适用于模拟及预报流域产汇流这一复杂的时间序列过程。基于LSTM针对不同预见期的径流预报分别建立了流域降雨径流模型,以探讨LSTM在水文预报当中的应用。模型采用流域降雨、气象及水文数据作为输入,不同预见期后的径流过程作为输出,率定期为14a,验证期为2a。结果显示,在预见期为0～2d时LSTM预报精度很高,在预见期为3d时预报精度较差,但仍优于新安江模型。隐藏层神经元数量作为神经网络复杂程度的代表既会影响模型预报精度,也会影响模型训练速度。而输入数据长度则仅会在预见期为0的条件下影响模型预报效果。     

基于降雨径流相似性的短期径流预报研究

径流预报是水力发电、防汛抗旱、水资源综合利用、电力生产与保障等的重要依据。针对物理驱动模型在参数率定困难和数据驱动模型预报结果可解释性差的问题,研究提出基于降雨径流相似性的短期径流预报模型,深入分析径流成因,采用数据挖掘技术剖析数据之间的关系以进一步提高预报精度;根据不同时期和量级的产汇流差异进行流量分级,并滚动更新降雨径流信息以实现滚动预报。该研究成果在乌江的应用显示,入库1日、 7日预报结果平均相对误差分别为10.79%、 14.39%,预报效果良好。     

基于BP神经网络的降雨型滑坡预报研究

滑坡严重威胁着水库、大坝的安全运营.结合某区滑坡监测资料,采用BP神经网络数学模型,以46个强降雨诱发的滑坡点作为样本进行BP网络训练,用另外10个样本对BP网络模型进行检验.结果表明:1个检查样本的输出值与理想输出值有较大的差别,2个样本输出值与理想输出值有一定的差别,其余7个值与理想输出值吻合得非常好,总的来说,预测精度可以满足要求.     

降雨径流预报方法在两江水电站的应用

通过对两江水电站产流方式的分析,表明该流域地处湿润和半湿润地区,雨量较充沛,降雨总产流量主要决定于前期土湿和降雨量的多少,属蓄满产流区,应用降雨径流预报方法是合适的。在此基础上阐述了降雨径流要素的计算方法和降雨径流相关图建立,并介绍了具体的降雨径流预报步骤。     

基于径向基函数神经网络降雨产流预测研究

从径向基函数神经网络原理分析出发,探讨用于降雨产流预测的神经网络模型,并将此模型应用于泜河上.预测和检验结果表明,基于径向基函数神经网络预测模型可以很好地反映流域降雨产流问题.     

基于随机森林和RBF神经网络的长期径流预报

基于我国南方某河流1965—1999年每年7月的实测流量资料,首先采用随机森林模型筛选预报因子,之后利用筛选的预报因子作为RBF神经网络的输入层,利用RBF神经网络对2000—2008年每年7月的流量进行了"滚动式"预报,并与实测结果进行了对比。结果表明:随机森林模型能有效地筛选影响因子,利用这些因子采用RBF神经网络进行径流预报的相对误差均在10%以内,拟合效果很好;"滚动式"长期径流预报结果相对误差的绝对值均在20%以内。     

混合遗传神经网络算法研究及其在径流预报中的应用

 根据流域径流预报的特点,针对神经网络原有固定结构学习方法的缺陷,通过对人工神经网络、遗传算法进行组合利用和加以改进,建立了混合遗传神经网络模型,并对其神经网络的结构和权值阈值同时进行了优化。然后以某灌区径流预报为例,分别利用BP(back propagation)算法、本文方法进行仿真试验,验证方案的可行性和有效性,结果表明本文算法既克服了神经网络结构选取的盲目性,给出了优秀的初始权值,又克服了遗传算法耗时的缺点,最终达到了提高网络收敛性能和收敛速度的目的。     

基于Matlab神经网络的流域年径流量预测

阐述了运用人工神经网络模型对流域年径流量径流序列做出预报,表明人工神经网络模型在水文预报中具有一定的优势。通过BP神经网络算法得到了适合该神经网络模型的训练算法。以渔峡口站年径流量实测序列为研究对象,在数值试验的基础上建立了年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

小波网络模型在隔河岩水库径流预测中的应用

基于小波分析与人工神经网络提出一种小波网络模型,模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力,预测精度较好。在清江隔河岩水库年、月径流中长期预测中,得到满意的结果。     

森林植被对降水径流的影响

森林能否消减洪峰、能否调节枯水径流、能否增雨以及作用有多大，学术界存在多种观点。作者认为森林对降水的影响并不大，对径流的影响程度视流域的地理位置、降雨过程而不同。     

基于WA-SVM组合模型的流域月降雨量预测研究

 基于小波分析-支持向量机（WA-SVM）组合预测模型方法,将原始降雨序列进行小波分析分解到不同层次,对每层分别采用支持向量机预测,最后合成原始序列的预测值。将该模型应用于实际流域月降雨量预测,并与单独支持向量机回归方法的结果进行了对比分析。     

逐步回归和BP神经网络模型的枯季月径流预测

枯季径流是工农业用水的重要来源,分析和预报流域枯季来水情况,可为科学制定用水方案、合理调配水资源提供依据。运用逐步回归模型和BP神经网络模型分别对盘龙河流域枯季月径流进行拟合和预报分析,并采用相关系数、相对误差、合格率对两个模型预测精度进行比较。结果表明BP神经网络模型预测精度更高,预测结果精度满足规范要求,更适用于盘龙河流域枯期月径流的预测。     

沧州市2012年次降雨径流关系分析

通过沧州地区5个区域计算2012年汛期暴雨后各分区的产流量和实测径流量的对比,发现二者较接近。在对沧州市暴雨径流关系分析时,市区沿用P~R经验公式计算,非市区沿用(P+Pa)～H～R相关形式分区进行计算。     

基于遗传算法的神经网络优化预测模型及其在年径流预报中的应用

根据径流中长期预测的特点，将遗传算法和神经网络相结合，提出一种年径流预测新算法——遗传神经网络优化预测方法．该方法提高了径流中长期预测模型的优化能力，有效地克服了人工神经网络学习速度慢、存在局部极小点的固有缺陷．最后对实例分别用几种不同的模型进行预测，经比较分析，证明所提出的方法能有效地提高预测精度和速度