导读:本文包含了降雨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:模型,降雨量,山洪,新安江,洪水,奉节县,水库。
降雨预报论文文献综述
杨欢,胡云进,吴振波[1]（2019）在《降雨型滑坡预测预报研究进展》一文中研究指出降雨诱发滑坡一直是滑坡领域的研究热点,为更好地总结降雨型滑坡的研究成果,本文从试验分析法出发,综述了预测预报降雨型滑坡的研究现状。介绍了试验分析法分析降雨型滑坡的优势,试验分析法在试验条件允许的情况下其结果最为可靠;最后对研究中所存在的问题进行了总结。研究结果可为降雨型滑坡的预测预报等提供参考依据。(本文来源于《科技视界》期刊2019年33期）
张盛明[2]（2019）在《基于降雨指数法的水库实时洪水预报方案研究》一文中研究指出流域水量预报是防洪调度决策的主要依据,是防洪减灾工作中的一项重要的非工程措施,由于紫坪铺水库在受"5·12"大地震以及由地震引起的次生灾害影响,流域内产、汇流条件发生巨大改变,很多高端水文预报模型的计算结果和实际来水存在较大误差。为了更好地做好水库优化运行管理工作,利用基于降雨指数法的水库实时洪水预报方案快速可靠得对降水过后的来水做出预报方案就显得非常有必要。本文以对2013、2014和2017年汛期的来水预测为例,采用实时洪水预报方案,对降雨情势进行分析,根据强降雨过后的土壤墒情、蒸发等因素进行分析计算,辅以经验修正,为系统研究水量预报技术打基础。本研究可使洪水预报工作更加准确,对编制调度方案和运行计划有直接效果。(本文来源于《四川水力发电》期刊2019年05期）
刘畅,胡东明,周芯玉,李怀宇,刘霞[3]（2019）在《广州道路交通拥堵的降雨影响分析及短时预报》一文中研究指出基于广州市东风路2016—2018年交通拥堵指数和临近观测站的降雨量资料,利用随机森林回归算法,探讨了当降雨发生时,东风路交通拥堵情况的变化特征。研究表明:东风路工作日的交通拥堵指数白天段总体呈现出4个峰值,全天拥堵最严重时刻为18:00左右,表现为中度拥堵;总体来看,周末、节假日的交通拥堵情况相较工作日有所缓解。结合G3218气象观测站的雨量数据对比分析可得,当全天雨量在10、25及50 mm以上时,拥堵指数的日变化明显高于总体平均趋势;基于随机森林算法分析得出,当降雨发生时,工作日各时段的拥堵指数均不同程度有所增长,并对模型检验分析,所有预测误差与实际差值均在1 mm以内,模型可信度较高。(本文来源于《广东气象》期刊2019年04期）
周宁,沙海飞,何勇军,李宏恩,徐海峰[4]（2019）在《基于多源降雨数据的山洪灾害预报技术初探》一文中研究指出山洪灾害是地质条件、气象条件、人类活动等多种因素综合作用的结果,降雨与山洪灾害的关系一直是研究关注的重点。探究多源降雨数据如何有效地应用于山洪地质灾害预报预警中,依据卫星与雷达估算降雨技术,融合站点观测数据,有效弥补无资料地区的降雨预报方法。通过引入集合数值预报,提高了山洪灾害降雨预报的预见期。建立山洪灾害预报预警体系,以风险识别、风险预报、风险模拟和风险评估4个层次为主要框架,初步设计基于多源降雨数据的预警平台。(本文来源于《大坝与安全》期刊2019年03期）
钟海燕[5]（2019）在《机器学习方法在临近降雨预报中的应用研究》一文中研究指出传统的临近降雨预报方法主要是利用数值方法、外推技术和概念模型等来预报。这些临近降雨预测的方法考虑的因素众多、模型的构造过于复杂且预测步骤多、累计误差较大。近年来,机器学习方法在气象预报中得到广泛应用。本文利用雷达降雨产品,引入支持向量机(SVM)、梯度提升树(GBDT)、极限提升树(XGBoost)叁种机器学习方法应用于雷达降雨产品的临近降雨预报,使用TS评分、命中率POD、空报率FAR和漏报率MAR四个定性检验指标来综合比较各机器学习方法在临近降雨预报中的预报效果,还将XGBoost方法和PPLK方法相结合进行短临定量降水预报,使用了相关检验指标进行了评估。下面是本文的主要研究结果和结论:(1)基于SVM方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的非线性支持向量机训练模型,达到了在考虑较少影响因子的基础上对雷达降雨产品进行临近降雨预报,在降雨分布比较集中的雷达降雨产品中降雨的命中率都较高,实验验证了该方法的可行性。(2)基于GBDT方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的梯度提升模型,实现了从数据驱动的角度对雷达降雨产品进行临近降雨预报,在各类雷达降雨产品中的临近预报都较好,实验验证了该方法具有一定的可行性。(3)基于XGBoost方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的XGBoost模型,实验表明其对不同雷达降雨产品的临近降雨预报能力都很强,TS评分和命中率都在较高的水平,实验验证了该方法的有效性及准确性。(4)将XGBoost方法临近降雨预报的结果和SVM方法、RF方法及GBDT方法临近降雨预报的结果进行了比较,实验结果表明XGBoost方法的预报性能明显优于其他叁种预报方法,预报精度是最高的。(5)将XGBoost方法和PPLK方法相结合对雷达降雨产品进行短临定量降水预报,实验验证了XGBoost方法与PPLK方法相结合的预报性能会高于PPLK方法,也再次证实了XGBoost方法在降雨预报中的实用性及高效性。(本文来源于《南宁师范大学》期刊2019-06-01）
王雪玉[6]（2019）在《降雨量随机特征分析与降雨预报研究》一文中研究指出本文对建叁江地区30 a的降雨量数据进行随机性分析,利用非线性拟合技术,获取到了该区域的各月降雨量及年降雨量的概率分布。结果显示:各月降雨量和年降雨量都符合正态概率分布。除此之外,本文还构建了研究区域内的年降雨量自回归模型(AR),对该区域年降雨量进行了预报研究。(本文来源于《水利科学与寒区工程》期刊2019年03期）
殷兆凯,廖卫红,王若佳,雷晓辉[7]（2019）在《基于长短时记忆神经网络（LSTM）的降雨径流模拟及预报》一文中研究指出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。(本文来源于《南水北调与水利科技》期刊2019年06期）
宁作鹏[8]（2019）在《集合降雨预报驱动洪水预报模型的铁甲水库洪水预报研究》一文中研究指出以铁甲水库为例,对集合预报的短期降雨量分别采用Talagrand分布、Brier评分与TS评分进行对比分析和定量评估,然后对新安江模型洪水模拟过程分别利用NCEP预报降雨和实测降雨进行驱动。结果表明:在低雨量级降雨预报过程中各集合预报中心均呈现出较好的效果,随预见期的增长各雨量级的预报效果逐渐增大,并且具有漏报率偏低、空报率较高的现象;在新安江模型洪水预报时可利用集合降雨预报信息,从而显着提高预见期。(本文来源于《水利技术监督》期刊2019年03期）
孙德亮[9]（2019）在《基于机器学习的滑坡易发性区划与降雨诱发滑坡预报预警研究》一文中研究指出滑坡是由岩石、土体或碎屑堆积物构成的山坡体在重力的作用下,受到地表水和地下水或地震等的影响,沿软弱面(滑动面)发生整体向下滑落的过程。滑坡灾害可毁灭村镇、破坏交通,造成财产损失和人员伤亡,滑坡引发的次生灾害还会阻塞河道、引发洪水,甚至诱发形成泥石流灾害,造成更严重损失。我国山地环境广泛,尤其在西南地区,山地是主要的地貌形态,地质环境条件和水文气候条件复杂多变,是我国滑坡灾害最严重的地区,频繁发生的滑坡使得人们的生命和财产安全受到了极大的威胁。滑坡易发性区划是通过分析影响滑坡的内在因素和外在因素,评价潜在滑坡灾害的地理空间分布,为城市建设规划和滑坡灾害防治提供决策支持。我国的大部分滑坡是由降雨直接诱发或与降雨有关,降雨诱发滑坡的预报预警能够使有关部门及早制定防治措施,减少滑坡灾害的损失。本文以典型的西部山区县域――重庆市奉节县为研究区域,开展基于机器学习的滑坡易发性区划与降雨诱发滑坡预报预警研究,具体研究内容和研究成果如下:(1)采集并处理了研究区2001~2016年发生的1520个滑坡数据以及地质构造、地形地貌、降雨、人类活动等数据,分析了研究区滑坡灾害的空间分布特征、成因机理及发育环境。(2)基于滑坡灾害成因机理的复杂性和诱发因素的多元化,选取地形地貌、地质条件、环境条件、人类工程活动以及诱发因子等5种影响因素的16个指标作为候选的评价指标,包括高程、坡度、坡向、坡位、微地貌、地面曲率、地形湿度指数、岩性、距离断层距离、倾坡类型、NDVI(归一化植被指数)、距离水系距离、土地利用类型、距离道路距离、距离房屋建筑距离和多年平均降雨量等,并对各因子与历史滑坡的相关性进行了统计分析。(3)选择逻辑回归、人工神经网络和随机森林叁种机器学习方法进行滑坡易发性区划,为了能更有效地构建优化的机器学习模型,采用贝叶斯优化算法进行超参数优化,利用递归特征消除方法进行特征选择。测试结果表明利用贝叶斯优化算法的速度要比网格搜索的速度快40倍,且得到的优化模型精度要高于网格搜索。通过对不同方法的滑坡易发性区划结果进行比较分析,显示随机森林方法的结果更符合实际情况。最终得到研究区域滑坡易发性区划图与历史滑坡点的迭置结果,有65%的历史滑坡落在面积比不到20%的高易发区和较高易发区中。(4)结合研究区历史滑坡及对应的降雨数据,进行降雨与滑坡灾害相关性的数理统计分析,建立了奉节县滑坡灾害的前期有效降雨量计算模型。依据有效降雨量模型,对位于不同等级滑坡易发区的滑坡数据进行数据挖掘分析,提出了奉节县滑坡灾害不同预警等级的有效降雨量阈值。基于不同滑坡易发性区划的当日降雨量与历史滑坡关系的数据挖掘,提出了当日降雨对滑坡预警等级的标准。将易发性区划、有效降雨阈值和当量降雨调整标准结合,构建了奉节县滑坡灾害降雨时空联合预报预警模型。(5)开发了奉节县降雨诱发滑坡降预警预报系统,系统集成了奉节县滑坡灾害及影响因子数据,能进行滑坡易发性区划的机器学习建模、前期有效降雨和日降雨查询分析,以及时空耦合的降雨诱发滑坡的预报预警,并实现成果的可视化表达。(6)利用研究区2017年的滑坡案例进行了验证分析,根据5个滑坡案例的发生时间计算滑坡前10天有效降雨量,并结合当日降雨量,给出预报预警等级,结果表明5个典型案例的最终预警分析结果均为黄色~橙色预警,预警结果与现场实际情况总体吻合。(本文来源于《华东师范大学》期刊2019-05-01）
郭小川[10]（2019）在《考虑成灾数据集合信息的山洪预警与降雨预报耦合修订方法研究》一文中研究指出文章提出了一种新的基于水文模型的动态临界雨量山洪预警方法,并将其与降雨预报信息进行耦合,对预警方法进行修订。首先对山洪成灾的影响因素进行了分析,确定了前期影响雨量、累计雨量、降雨强度以及降雨分布等几个重要的影响因素;然后利用辽宁中部流域东陵站实测场次洪水建立了各影响因素与临界雨量之间的数据集合关系,并将之运用到流域的山洪预警中,对预警指标进行复核和检验。结果表明,该预警方法预警准确率较高,效果良好,可为山洪预警提供一种新的预警指标确定方法。(本文来源于《水利规划与设计》期刊2019年05期）
降雨预报论文开题报告
（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：
流域水量预报是防洪调度决策的主要依据,是防洪减灾工作中的一项重要的非工程措施,由于紫坪铺水库在受"5·12"大地震以及由地震引起的次生灾害影响,流域内产、汇流条件发生巨大改变,很多高端水文预报模型的计算结果和实际来水存在较大误差。为了更好地做好水库优化运行管理工作,利用基于降雨指数法的水库实时洪水预报方案快速可靠得对降水过后的来水做出预报方案就显得非常有必要。本文以对2013、2014和2017年汛期的来水预测为例,采用实时洪水预报方案,对降雨情势进行分析,根据强降雨过后的土壤墒情、蒸发等因素进行分析计算,辅以经验修正,为系统研究水量预报技术打基础。本研究可使洪水预报工作更加准确,对编制调度方案和运行计划有直接效果。
（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。
降雨预报论文参考文献
[1].杨欢,胡云进,吴振波.降雨型滑坡预测预报研究进展[J].科技视界.2019
[2].张盛明.基于降雨指数法的水库实时洪水预报方案研究[J].四川水力发电.2019
[3].刘畅,胡东明,周芯玉,李怀宇,刘霞.广州道路交通拥堵的降雨影响分析及短时预报[J].广东气象.2019
[4].周宁,沙海飞,何勇军,李宏恩,徐海峰.基于多源降雨数据的山洪灾害预报技术初探[J].大坝与安全.2019
[5].钟海燕.机器学习方法在临近降雨预报中的应用研究[D].南宁师范大学.2019
[6].王雪玉.降雨量随机特征分析与降雨预报研究[J].水利科学与寒区工程.2019
[7].殷兆凯,廖卫红,王若佳,雷晓辉.基于长短时记忆神经网络（LSTM）的降雨径流模拟及预报[J].南水北调与水利科技.2019
[8].宁作鹏.集合降雨预报驱动洪水预报模型的铁甲水库洪水预报研究[J].水利技术监督.2019
[9].孙德亮.基于机器学习的滑坡易发性区划与降雨诱发滑坡预报预警研究[D].华东师范大学.2019
[10].郭小川.考虑成灾数据集合信息的山洪预警与降雨预报耦合修订方法研究[J].水利规划与设计.2019
论文知识图
