基于多种学习方案LSTM的信江流域径流预测

长短期记忆神经网络(LSTM)在径流预测中具有广泛应用,不同的输入使神经网络具有不同的学习方案,从而影响到模型性能。设置3种不同的LSTM学习方案,以前期径流预测当日径流(方案一)、以前期降雨预测当日径流(方案二)和以前期径流和前期降雨预测当日径流(方案三),比较其在相同模型结构下对信江流域丰水期和枯水期径流预测的性能。结果表明,丰水期和枯水期时方案三拟合度最高,平均绝对误差为0.012 6和0.007 6,纳什效率系数为0.94和0.96,对于信江流域基于LSTM的日径流预测,应当将前期降雨与前期径流结合起来作为模型输入。研究对基于数据驱动的径流预测输入集数据的选取有参考价值。     

灰色动态模型在黑河流域径流预测中的应用

根据黑河流域莺落峡水文站2000-2012年的径流量数据建立灰色动态GM(1,1)模型,对2013-2016年径流量进行预测和分析,并采用残差检验公式对模型精度进行检验。分析后的结果表明:莺落峡水文站年径流量的预测平均相对误差范围在20%以内,符合预测精度要求,因此,还原计算预测的2013年、2014年、2015年和2016年的径流量分别为17.64亿m3、17.81亿m3、17.98亿m3和18.16亿m3。     

TVGM-LSTM耦合模型及其径流模拟效果分析

为提升变化环境下流域径流模拟与预测精度,以白河流域为例,构建了基于时变增益水文模型(TVGM)和长短期记忆网络(LSTM)的TVGM-LSTM耦合模型,并利用随机森林算法识别模型最优解释变量。将耦合模型应用于2011—2018年白河流域径流模拟,结果表明：TVGM-LSTM耦合模型在白河流域具有较好的径流模拟效果,率定期与检验期纳什效率系数分别为0.95与0.90;与TVGM相比,耦合模型提升了对非汛期径流的模拟精度,且能够较好地模拟汛期与非汛期洪峰;耦合模型能够有效避免过拟合问题,泛化性能较优,预测精度稳定性较强。     

年径流预测的G-SPA模型及其应用

提出了以几何形式表示集对的G-SPA模型,该模型以向量之间的夹角、相关系数、欧式距离以及向量的模为指标对径流集合建立对应的指标集合,将指标集合的相似度作为判断径流集合相似度的依据,其优点是不仅考虑了径流大小的相似性,而且考虑了径流变化趋势的相似性。将G-SPA预测模型应用于沱江三皇庙站年均流量预测中,并分别与GRNN神经网络模型以及AR(2)模型的预测结果进行了对比。结果表明:G-SPA模型预测的平均相对误差为16.42%,预测结果优于GRNN模型和AR(2)模型。     

改进RBF-Adaboost模型及其在年径流预测中的应用

为提高径向基神经网络(RBF)在年径流预测中精度,提出基于Adaboost算法及线性递减算法改进的RBF-Adaboost预测模型,以云南省姑老河站年径流预测为例进行实例研究,并构建RBF、GA-BP及BP模型作为对比模型.利用实例前34年和后20年资料对所构建的模型进行训练和预测.结果表明:改进RBF-Adaboost模型对实例后20年年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为4.83％、9.51％,预测精度优于RBF、GA-BP及BP模型.RBF-Adaboost模型集成了多个基于扩展系数及期望误差线性递减改进的RBF神经网络弱预测器,有效提高了RBF神经网络模型在年径流预测中的精度,模型具有预测精度高、泛化能力强等优点.     

改进BP网络模型在径流预测中的应用

为了克服传统BP网络模型在训练过程中部分参数难以快速准确拟定的缺点,利用免疫粒子群算法对BP网络模型中隐含层节点数、最大训练次数、学习效率、动量因子等参数进行决策优选,建立了基于免疫粒子群算法的改进的BP网络模型。通过应用于某水电站水库的入库径流预测,结果表明,与传统BP网络模型相比,利用改进的BP网络模型所得的径流预测结果更准确。     

Volterra模型在月径流预测中的应用研究

水文过程的月均径流序列存在着较明显的低维混沌特性,利用Volterra模型可以较好的预测低维混沌序列。引入低维混沌动力系统相空间坐标重构的Volterra自适应预测模型,对多年月均径流序列采用二阶Volterra自适应滤波器进行预测。以大渡河石棉站33年的月径流量为例进行验证,预测相对误差<10%的天数为73.3%,相对误差<20%的天数为90.0%,与人工神经网络预测结果对比表明该方法具有较满意的准确率。     

改进BP神经网络集成模型在径流预测中的应用

为提高径流预测预报的精度和泛化能力,建立了基于3种基本改进算法的BP神经网络集成预测模型。利用ADF单位根检验方法、自相关分析方法确定径流时间序列的平稳性和模型的输入向量。针对BP神经网络标准算法收敛速度慢、易陷入局部极值的缺陷,采用自适应动量梯度法、共轭梯度法和Levenberg-Marquardt法分别改进BP神经网络标准算法,依次构建基于3种改进算法的BP神经网络模型对文山州南利河董湖水文站年径流进行预测,并构建GA-BP预测模型作为对比模型;采用加权平均方法对各单一模型预测结果进行综合集成。结果表明:集成模型对南利河2001-2005年径流预测平均相对误差绝对值为4.67%,最大相对误差绝对值为7.11%,精度和泛化能力均优于各单一模型和GA-BP模型。集成模型克服了单一模型预测精度不高和误差不稳定的缺点,具有较好的预测精度和泛化能力,是提高径流预测预报精度的有效方法。     

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。     

基于LSTM深度学习模型的华北地区参考作物蒸散量预测研究

为有效提高华北地下水漏斗区参考作物蒸散量ET_0的预报精度,本文以华北地区7个气象代表站1958—2010年ET_(0-PM)(Penman-Monteith,P-M)的历史时间序列为训练集构建LSTM模型,以2011—2017年ET_(0-PM)的时间序列为验证集将LSTM模型与其他4种经验模型进行对比分析。结果表明:LSTM在华北地区预测的整体评价指标Gpi(Global performance indicator)排名第一,该模型可以作为华北地区逐月ET_0预测的推荐模型,为我国精准农业灌溉预报提供科学的依据。     

海河流域径流变异特征及其影响因素研究

径流变异是导致流域水资源可利用量变化和生态环境恶化的重要原因.将分离变量方法与Mann-Kendall法相结合对海河流域1956-2016年不同阶段径流变异特征进行分析,定量解析了导致径流变异的各因素贡献.研究结果表明:1956-2000年期间海河流域气候变化的降水量是径流变异的主导因子,贡献率占80.8％;2001-...     

中长期径流预报研究进展与展望

概述了中长期径流变化的主要影响因素,从发展历程和研究方法两个角度总结了中长期径流预报方法。从研究技术、径流成因、数据驱动模型、预报不确定性4个方面综述了中长期径流预报的研究进展,分析了在径流关键驱动因子及其驱动机制、数据驱动方法的物理可解释性、预报结果的不确定性认识等方面研究的不足,指出未来应注重对中长期径流物理成因、预报方法适用性和可靠性、中长期径流演变相关研究成果的应用等方面的研究。     

时间序列分解模型在乌拉斯台河年径流量预测中的应用研究

在剖析了现有年径流量预测方法的基础上,根据乌拉斯台河年径流量(1960年~1989年)序列的长期变化特征,提出了时间序列分解预测模型,即将年径流系列分解为趋势项、周期项、随机项,通过对其各项进行识别、提取,再将各项线性叠加,从而建立年径流量预测模型。从模型的识别过程可得,乌拉斯台河年径流具有不显著的递减趋势和明显的周期变化,同时具有一定的随机性。从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性。     

丹江口水库来水情势分析与径流预测

基于丹江口水库1956—2016年逐月平均流量资料,采用数理统计手段分析丹江口水库年径流量的周期性和趋势性;从百项气候系统指数集和太阳黑子数中筛选出预测因子,构建月平均流量与预测因子间的多元线性回归模型和随机森林模型,实现丹江口水库月径流预测。结果表明,丹江口水库年径流量呈显著的减小趋势,并伴随有6～8 a、18～21 a两类尺度的周期振荡特性;以2017年逐月平均流量为例,随机森林模型和多元线性回归模型的预报合格率分别为83.3%、75.0%,预报精度均较好,且随机森林模型的预测精度优于多元线性回归模型,可用于丹江口水库月径流预测。     

洛河径流典型解集模型研究

洛河是黄河的一条重要支流。本文采用洛河氵状头水文站1965~2003年共计39年的实测径流资料,依据线性平稳随机模型的理论建立了一阶自回归模型;运用季节性随机模型的理论方法建立洛河氵状头站月径流量典型解集模型。经实用性检验,模拟序列与实测序列各项估计参数吻合良好,符合精度要求。该模型可为洛惠渠灌区进行河源来水量预报和用水管理提供决策依据。     

气候变化对汉江上游径流特征影响预估

为了预测水文站逐月径流,对该流域水资源变化进行评估,运用小波神经网络建立汉江上游流域气象因子与径流过程模拟预测模型,并依据未来气候变化增量情景,对石泉水文站以上流域径流变化响应过程进行不同时间尺度分析。由已知汉江上游流域的月降水量和月平均温度,经小波神经网络自动“学习”训练获得石泉水文站精度较高的逐月径流数据。模拟计算结果表明:在不同未来气候变化设定情景下,该区域径流变化过程较为明显,年平均径流量最大变化范围为-34.7% ~ 21.4%。在降雨量不变、气温升高的情况下,年平均径流的响应变化范围为-5.1% ~ -13.3%。温度升高引起冬季径流增加较为明显,春季及秋季径流则存在减小趋势,秋季明显减少,而降雨量变化对夏季径流的影响最显著。     

泾河长系列水沙变化规律与归因研究

近些年泾河径流量及来沙量大幅减少,在一定程度上影响到流域的水资源开发利用,为了厘清水沙减少程度及变化特征,探寻其变化背后的驱动因素,采用联合滑动t检验、距平累积曲线法和Copula等方法,从不同层面对泾河长系列水沙规律进行了研究。同时,建立分布式水文模型,分情景对泾河流域径流泥沙对气候和土地利用变化的响应进行了模拟。结果表明:气候变化对径流和泥沙减少的贡献率约为21. 20%和6. 08%;土地利用变化对径流泥沙减少的贡献率约为4. 04%和11. 08%;泾河流域径流泥沙变化除受气候变化影响外,还与土地利用(覆被)类型、面积比重等有关。研究结论表明:人为拦蓄和引水是河川径流减少的主要原因,而泥沙减少的主因除了退耕还林还草之外,通过淤地坝等水保措施直接拦沙也起到了重要作用。     

滹沱河山区径流多尺度变化规律及影响因素研究

径流是反映流域气候及地理环境变化的重要指标,辨析其多尺度变化特征及影响因素,对于认识气候变化背景下流域水文情势变化规律及维护水资源安全具有重要意义。以滹沱河山区小觉流域和冶河流域为例,结合水文和气象数据,应用Mann-Kendall趋势分析、突变检验及Morlet小波函数等方法,分析两流域1960—2018年径流深趋势、突变、周期等多尺度变化特征,并利用相关分析与随机森林模型揭示了气温、降水、潜在蒸散发、叶面积指数对不同时段(汛期、非汛期)月径流深变化的相对重要性。研究结果表明：1960—2018年多年平均尺度上,冶河流域径流深(69.34 mm)大于小觉流域(39.07 mm),两流域年径流深均呈显著下降趋势,且冶河流域的下降速率(13.0 mm/10a)大于小觉流域的下降速率(8.7 mm/10a);在月和季节尺度上,两流域径流深也呈现显著下降趋势,尤其在夏季时段径流深下降趋势最快。小觉流域和冶河流域径流深分别在1981和1979年发生突变,且突变后径流深下降速率较突变前有所减缓,同时极端流量出现频率减少,其中8月份流量减小幅度最大。小觉流域的径流深主周期分别为15、8和5 a,冶...