贝叶斯概率洪水预报系统

贝叶斯概率洪水预报系统考虑预见期内定量降水预报不确定性和水文模型及参数等水文不确定性,通过全概率公式将两者结合起来得到预报概率密度函数。通过实例研究,结果表明该法为防洪决策提供了可靠的理论依据,实现了预报与决策过程的有机耦合,可显著提高洪水预报精度。     

遗传算法与神经网络在洪水预报中的应用

采用遗传学习算法对神经网络BP模型的初始权重进行优化,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。将该方法运用于洪水预报问题,并利用山西省文峪河水库的历史资料条件建立一个网络,以洪水预报的各种控制因素相关资料作为样本,对网络进行训练并用训练好的网络进行预报。网络的训练速度及预报结果表明,该算法收敛速度较快,预测精度很高,为洪水预报提供了一种新思路和新方法。     

面向对象技术在流域洪水预报系统中的应用

通过对现有的洪水预报系统的分析,确定了复用率低以及难于扩展是目前洪水预报应用系统在实现方面存在的普遍问题。利用面向对象的Java语言作为开发工具,进行洪水预报应用系统的开发,使系统具有较强的可扩展性和复用能力,能有效地缩短新系统的开发周期,因而是进行洪水预报系统开发的有效工具。     

延迟BP算法在洪水预报中的应用

针对现有洪水预报神经网络结构难以确定的问题，应用一种在训练中包含有延迟功能的BP算法，建立了延迟神经网络。实验研究表明，该算法在盘石头水库的应用中取得了令人满意的结果。     

改进的TOPKAPI模型及其在洪水预报中的应用

分析改进的TOPKAPI模型的结构组成,并对模块计算做出相应调整.以地理信息系统技术为支撑,基于数字高程模型的数据构建数字流域平台,根据土壤、植被类型等资料建立属性数据库,结合空间水文气象资料,将改进的TOPKAPI模型应用于半湿润的洛河上游卢氏流域的洪水预报,并进行分析评价.应用实例表明,改进的TOPKAPI模型结构...     

经验性洪水预报模型在陆浑水库的应用及其与小花间洪水预报模型结果对比

在对陆浑水库经验性洪水预报模型介绍的基础上,根据历史数据及流域地貌信息确定了模型参数,对1975-2011年25场洪水的计算结果与实测值进行了对比,同时对2003-2011年的7场洪水预报结果与黄委水文局小花间洪水预报模型预报结果进行了对比.结果表明:两模型模拟结果精度相差不大,都能满足预报精度要求,7场洪水小花间洪水预报模型模拟结果整体效果稍好,尤其是洪水过程与实测过程比较吻合;经验性洪水预报模拟结果稍差,但误差在可接受范围之内.两个模型都具有一定实用性,建议两模型联合运用,将小花间洪水预报模型的洪水预报结果作为指导水库防洪调度的主要依据,经验模型的预报结果作为参考.     

偏差递归神经网络在区间洪水预报中的应用研究

介绍了一种带有偏差单元的递归神经网络模型,并对其在区间洪水预报过程中的应用进行了分析和研究.利用东北丰满、白山等水电站的历史水文观测数据对模型进行验证,结果证明了这一方法的可行性,理论分析表明该方法可以推广到其他区间洪水预报中.     

江西省修河流域洪水预报系统

本系统根据修水流域洪水预报的要求和流域水系、测报站网、水文和气象资料等情况。进行了洪水预报系统的总体框架设计,包括雨量站网分析、流域单元划分、模型率定、模型检验以及各种软件的开发和选用。     

Nash模型参数不确定性分析及概率洪水预报

针对通常水文预报过程参数的不确定性问题,利用贝叶斯理论,结合自适应采样的马尔可夫链蒙特卡罗方法来研究Nash模型参数的不确定性,并进行概率洪水预报。实例研究表明,该方法能充分利用已知的后验信息获取Nash模型参数的不确定性,得到其后验分布。根据获得的参数后验分布可实现概率洪水预报,同时给出各时刻洪水流量的均值和方差的预报值,为估计各种防洪决策的风险提供了依据。     

基于PowerBuilder的流域洪水预报系统的应用研究

以ＰｏｗｅｒＢｕｉｌｄｅｒ为开发工具，重点对流域洪水预报系统的拓扑结构２，组成，软件的重组和可移植性作了详细阐述，并将上述研究成果应用于多个大型流域洪水预报系统中，实际应用表明该系统具有较好的通用性，能满足实际用户的需要。     

卡尔曼滤波校正技术在水动力学模型实时洪水预报中的应用

将卡尔曼滤波技术与水动力学模型实时洪水预报相结合,提出了"交替校正"方法;分别建立水位与流量的状态方程,进行交替滤波计算,较好地解决了滤波计算中不同类型状态量之间共同校正的问题.对长江干流局部河段的实例验证表明,卡尔曼滤波技术应用于单一河道水动力学模型没有破坏模型的稳定性,局部的校正对全河道具有较好的带动作用,说明卡尔曼滤波技术应用到水动力学模型的实时校正中是可行而且有效的.     

考虑降雨不确定性的洪水概率预报方法

基于流域雨量站网布设的抽站法原理,推导以面雨量计算值为条件的面雨量真值的概率分布,用以描述现有测站数目条件下流域面雨量计算的不确定性。在此基础上,结合确定性预报模型,展开洪水概率预报研究。以淮河黄泥庄流域为研究对象,对该方法进行应用,结果表明:该方法不仅可以实现任一时段流域面雨量真值概率分布的估计,描述面雨量计算的不确定性;同时,通过与水文模型(如新安江模型)耦合,结合Monte-Carlo抽样技术,可以实现预报流量概率分布的估计,从而实现洪水概率预报。     

基于Web的洪水预报系统

以JBuilder6．0为集成开发工具，基于EJB组件部署洪水预报系统业务逻辑，设计开发成功了基于Web的流域洪水预报系统，重点阐述了利用上述平台进行洪水预报系统设计和开发的关键技术。应用实践表明，本系统具有开放性、可靠性、安全性、透明性等特点，提供了分布式计算平台架构，可实现未来的流域洪水预报管理。     

综合多源不确定性的洪水概率预报试验

为探究多种不确定性因素综合影响下洪水概率预报的实现方法及其适用性,利用2003—2020年史灌河流域多场次洪水开展模拟试验,在量化降雨输入、模型参数及结构不确定性程度的前提下,基于MCMC(Markov chain Monte Carlo)方法融合各来源不确定性实现洪水概率预报,并分别基于覆盖率、确定性系数指标评估预报...     

半湿润流域洪水预报实时校正方法比较

为了提高新安江模型在半湿润流域的洪水预报精度,选择K最近邻(KNN)算法、传统的误差自回归(AR)方法、反馈模拟方法3种实时校正方法,以陕西省陈河流域为试验对象进行洪水预报。以洪峰相对误差和纳什效率系数为评价指标,分析对比3种方法的校正效果。结果表明:3种校正方法均能提高预报纳什效率系数,其中反馈模拟最优,AR、KNN效果次之;反馈模拟对洪峰误差校正相比于KNN算法在短预见期内更为精确,两者均能减小AR法在洪峰误差校正上的不足;加入历史样本的KNN算法在洪峰误差校正上效果优于反馈模拟,可有效提高洪水预报精度。     

基于雷达测雨的实时洪水预报模型

实时洪水预报系统通常会伴随系统误差,即模型误差和观测误差．为了减小系统误差,本次研究尝试将雷达测雨技术、BP神经网络技术引入流域洪水预报中,并建立基于分布式水文模型的洪水预报模型．将该实时预报模型应用于史灌河流域．从预报的结果来看,该实时预报模型很好地解决了雷达遥感数据与水文模型的耦合,为在流域洪水预报中采用雷达测雨提供了先行的研究基础．     

中小河流洪水预报预警问题与对策及关键技术应用

介绍了我国中小河流及洪水灾害基本情况,简要分析了中小河流洪水防御重点难点及亟需解决的科学技术问题,提出了中小河流洪水预报预警的对策与措施,并对未来影响预报、风险预警、网格精细化风险管理等理念创新实践提出了展望:将实现由水文要素预报向洪水影响预报转变,由基于防洪阈值的预警向洪水风险预警拓展,由"预测-应对"应急处置向网格精细化风险管理转变,由监测数据提供向信息产品服务延伸,水文现代化发展水平不断提升。     

河网洪水预报径向基函数人工神经网络方法

讨论了神经网络在河网水流数值模拟中的运用现状,并基于河网水流数值计算模拟的特点,将径向基函数神经网络方法应用于复杂河网水流．模型采用混合学习算法,选用高斯核函数作为隐藏层基函数,充分发挥其表示形武筒单、径向对称、光滑性好和解析性好的优势,并采用k-均值聚类算法来确定径向基函数的参数,运用最小二乘法求解权值．建立了珠江三角洲河网的洪水预报模型,计算表明,预测结果与实测数据吻合较好,该模型具有运算速度快、简便易用且预报精度较高等特点．