导读:本文包含了日径流预报论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:径流,神经网络,水文学,模型,小波,新安江,递归。
日径流预报论文文献综述
石静涛,金文婷,朱悦璐[1]（2018）在《基于气象和水文模型耦合的水电站日径流预报》一文中研究指出提出广义线性模型降尺度方法模拟降水、气温耦合空间网格化大尺度分布式水文模型VIC模拟水库长序列日径流过程的方案,目的是提高水电站日径流预报的精度。分别建立并率定广义线性模型和VIC模型,使两个模型输出的降水、气温和日径流过程满足精度要求。再将两个模型耦合对接,选取2006～2008和2010～2012的NCEP逐日海平面气压、地面温度场等资料对水电站日径流进行预测。结果显示两个时段精度等级均为甲等,可满足水电站对预测未来日径流过程的使用要求。(本文来源于《陕西水利》期刊2018年06期）
初海波,魏加华,王东方,李家叶,黄跃飞[2]（2018）在《基于预报因子聚类分级的日径流预报深度信念模型及应用》一文中研究指出径流预报是水库运行调度的重要决策依据,提高入库径流预报精度,对水库优化调度和水资源高效利用具有重要意义.本文提出一种基于大样本数据分级策略的深度信念网络模型(Deep Belief Networks,DBN),以龙羊峡入库径流预报为例,采用Fuzzy C-means(FCM)聚类方法,将总样本训练集分为不同训练样本子集;不同样本子集下,对不同预报因子(只考虑降雨、考虑不同时期的降雨及同时考虑降雨及前期径流),分别建立DBN模型和人工神经网络模型(Artificial Neural Network,ANN),分析样本分级和考虑不同因子情况下不同模型的预报结果.结果表明:与不考虑预报因子分级的预报模型相比,基于时间序列聚类的预报模型显着提高了径流预报的精度;通过FCM聚类,将样本分为3类,考虑降雨及前期径流作为预报因子进行分级时,比只考虑降雨、考虑不同时期的降雨时建立的预报模型的预测精度更高.用该模型进行龙羊峡水库入流日径流预报,提高了预报精度,可为龙羊峡水库调度提供决策支持.(本文来源于《应用基础与工程科学学报》期刊2018年05期）
李保健,程春田,武新宇,王森[3]（2014）在《日径流预报贝叶斯回声状态网络方法》一文中研究指出回声状态网络(ESN)相比传统递归神经网络,具有模型简单、参数训练速度快的特点.针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题,提出了基于贝叶斯回声状态网络(BESN)的日径流预报模型.该模型将贝叶斯理论与ESN模型相结合,通过权重后验概率密度最大化而获得最优输出权重,提高了模型的泛化能力.通过安砂和新丰江两座水库日径流预测实例表明,BESN模型是一种有效、可行的预测方法,与传统BP神经网络和ESN模型对比,进一步表明BESN模型具有更好的预测精度.(本文来源于《中国科学:技术科学》期刊2014年09期）
李彦彬,尤凤,徐建新,黄强[4]（2012）在《河川日径流预报的混沌神经网络模型》一文中研究指出将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流叁门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.(本文来源于《华北水利水电学院学报》期刊2012年04期）
张俊,程春田,杨斌斌,廖胜利[5]（2008）在《基于改进BP网络的日径流预报模型研究》一文中研究指出针对常规BP算法收敛速度慢和难以获得全局最优的不足,将网络误差函数的改变量引入权值和偏移值的调整,采用自适应学习速率和自适应动量因子调整策略,建立了基于多层感知器神经网络(MLP—ANN)的水文预报模型。采用自相关函数(ACF)和交叉相关函数(CCF)确定网络输入因子并使用试错法优化网络结构。以湖南省双牌水库日入库流量预测为应用实例,并将模拟结果与常规BP网络模型和新安江模型进行对比分析。结果表明,改进模型收敛速度快、预报精度高。(本文来源于《水电能源科学》期刊2008年06期）
蔡绍宽,宋洋,钟炜,钟登华[6]（2007）在《基于小波神经网络的库区日径流预报模型研究》一文中研究指出提出了一种基于小波神经网络(WNN)方法构建而成的水库日径流预测模型,该模型通过模糊聚类分析将水库历史径流数据进行分类,按不同类型并分别建立相应的小波神经网络预测模型,应用遗传算法对模型的参数进行优化,提高小波神经网络的预报精度,对某水库日平均采流进行分类预测,表明该方法具有较好的应用价值。(本文来源于《第叁届全国水力学与水利信息学大会论文集》期刊2007-10-01）
张雅琦[7]（2007）在《基于小波神经网络的流域日径流预报模型研究》一文中研究指出在水资源开发利用过程中,实时而准确的日径流量预报在减少灾害、防洪调度等方面起到了巨大的作用。本文将传统的小波分析理论和人工神经网络模型相结合,并将所得到的小波神经网络模型用于流域的日径流预报。首先通过小波降噪实例研究,证明利用小波预先对水文时间序列信号进行降噪声处理可以有效的提高预报的精度。接着通过分析比较,提出了一种优化的样本数据选取模式。该模式既能考虑到季节因素,又能兼顾考虑时间序列的相关性对径流序列的影响。然后将选取合适的样本序列利用小波变换分解为不同的频段的子序列,以小波分解系数作为神经网络的输入,以径流量的时间序列作为输入,对BP神经网络模型进行训练、测试。训练好的网络权重表征了各频率段的预报因子对该流域日径流量时间序列的影响。为了验证模型的有效性,我们从评定径流预报模型有效性的两个方面对小波神经网络日径流预报模型进行了对比验证:在日径流预报的精度上,我们通过将小波神经网络模型与多种模型预报结果比较证明了小波神经网络能有效的提高日径流预报的精度以及合格率;并将该模型进一步应用于不同预见期的日径流预报对比研究。通过对模型的气候适应性研究,推断出小波神经网络模型是一种适用于干旱地区的日径流预报模型。(本文来源于《华中科技大学》期刊2007-03-01）
董红,李兰,李艳平[8]（2006）在《灌区与水库联调中基于GIS的日径流预报》一文中研究指出日径流过程模拟预报的准确程度对于合理利用水资源于农业灌溉、工业生产、生活用水以及水力发电等具有很重要的意义。日径流预报有很多方法,分布式水文模型是国内外水文界的热门研究课题,将基于GIS的分布式水文模型应用于灌区与水库联合调度系统中,应用李兰教授开发的LL-Ⅱ型分布式水文模型对东风渠灌区白河水库日径流过程进行模拟预报,取得了较好的效果。(本文来源于《中国农村水利水电》期刊2006年05期）
日径流预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
径流预报是水库运行调度的重要决策依据,提高入库径流预报精度,对水库优化调度和水资源高效利用具有重要意义.本文提出一种基于大样本数据分级策略的深度信念网络模型(Deep Belief Networks,DBN),以龙羊峡入库径流预报为例,采用Fuzzy C-means(FCM)聚类方法,将总样本训练集分为不同训练样本子集;不同样本子集下,对不同预报因子(只考虑降雨、考虑不同时期的降雨及同时考虑降雨及前期径流),分别建立DBN模型和人工神经网络模型(Artificial Neural Network,ANN),分析样本分级和考虑不同因子情况下不同模型的预报结果.结果表明:与不考虑预报因子分级的预报模型相比,基于时间序列聚类的预报模型显着提高了径流预报的精度;通过FCM聚类,将样本分为3类,考虑降雨及前期径流作为预报因子进行分级时,比只考虑降雨、考虑不同时期的降雨时建立的预报模型的预测精度更高.用该模型进行龙羊峡水库入流日径流预报,提高了预报精度,可为龙羊峡水库调度提供决策支持.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
日径流预报论文参考文献
[1].石静涛,金文婷,朱悦璐.基于气象和水文模型耦合的水电站日径流预报[J].陕西水利.2018
[2].初海波,魏加华,王东方,李家叶,黄跃飞.基于预报因子聚类分级的日径流预报深度信念模型及应用[J].应用基础与工程科学学报.2018
[3].李保健,程春田,武新宇,王森.日径流预报贝叶斯回声状态网络方法[J].中国科学:技术科学.2014
[4].李彦彬,尤凤,徐建新,黄强.河川日径流预报的混沌神经网络模型[J].华北水利水电学院学报.2012
[5].张俊,程春田,杨斌斌,廖胜利.基于改进BP网络的日径流预报模型研究[J].水电能源科学.2008
[6].蔡绍宽,宋洋,钟炜,钟登华.基于小波神经网络的库区日径流预报模型研究[C].第叁届全国水力学与水利信息学大会论文集.2007
[7].张雅琦.基于小波神经网络的流域日径流预报模型研究[D].华中科技大学.2007
[8].董红,李兰,李艳平.灌区与水库联调中基于GIS的日径流预报[J].中国农村水利水电.2006
论文知识图
