基于物理成因识别的第二松花江汛期径流预报

基于物理成因识别的第二松花江汛期径流预报

论文摘要

针对第二松花江流域中长期径流预测精度较低问题,为了分析物理预报因子的作用过程以提高汛期洪水预报精度,选取太阳黑子相对数为物理影响因素,进而识别其影响时滞,以影响时滞期内的太阳黑子相对数作为径流预报因子,以汛期(6—9月份)月平均径流为预报项目,采用BP神经网络识别映射关系,采用历史资料作为训练样本,完成网络训练和检验。以第二松花江干流控制性水利工程丰满水库为例,对2017年汛期月平均径流进行预报。结果表明:丰满水库汛期月平均入库流量为1 400 m~3/s,来水频率为11%,定性预报第二松花江流域2017年为丰水年;2017年丰满水库实际来水141.00亿m~3,为多年均值的112%,为偏丰来水年份,来水定性预报正确。该方法的创新点在于:采用全局敏感性分析方法识别太阳活动的影响时滞,以确定预报因子;采用BP网络模拟预报因子与预报项目的复杂非线性相关关系,以构建预报网络。研究成果为2017年吉林省水文预报和防汛决策提供了重要支撑。

论文目录

  • 0 引 言
  • 1 研究方法
  •   1.1 多因素耦合作用的全局敏感性分析方法
  •   1.2 基于BP网络的非线性识别方法
  • 2 研究区与数据
  •   2.1 研究区
  •   2.2 数据及来源
  • 3 预报因子识别
  •   3.1 滞后期的识别
  •   3.2 预报因子的确定
  • 4 映射关系识别
  •   4.1 网络构建
  •     (1) 网络输入:
  •     (2) 网络输出:
  •     (3) BP网络结构:
  •     (4) BP网络参数:
  •   4.2 预报检验
  • 5 预报成果与后评估
  • 6 结论与展望
  • 文章来源

    类型: 期刊论文

    作者: 孙虹,李鸿雁,郭道华,鲍珊珊

    关键词: 太阳黑子,敏感性分析,非线性映射识别,长期径流预报,洪水预报,干旱洪涝灾害,防汛抗旱

    来源: 水利水电技术 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑,基础科学

    专业: 地球物理学

    单位: 吉林省水文水资源局(吉林省水环境监测中心),吉林大学新能源与环境学院

    基金: 国家自然基金委中韩合作项目(51711540299),吉林省科技厅基础研究项目(20180101078JC)

    分类号: P338

    DOI: 10.13928/j.cnki.wrahe.2019.03.006

    页码: 45-51

    总页数: 7

    文件大小: 1015K

    下载量: 120

    相关论文文献

    • [1].季节性支持向量机中长期径流预报模型[J]. 水力发电 2014(04)
    • [2].人工神经网络在径流预报中的述评与展望[J]. 水科学与工程技术 2009(01)
    • [3].基于小波分析-稳健估计的径流预报模型及应用[J]. 水力发电学报 2017(06)
    • [4].杨房沟电站大江截流期径流预报[J]. 人民长江 2017(S1)
    • [5].二滩水电站中长期径流预报研究[J]. 水电能源科学 2009(01)
    • [6].欧氏距离与趋势值在中长期径流预报中的应用[J]. 东北水利水电 2017(06)
    • [7].基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报[J]. 武汉大学学报(工学版) 2015(06)
    • [8].结合大气环流和遥相关信息的集合径流预报方法及其应用[J]. 清华大学学报(自然科学版) 2013(05)
    • [9].基于随机森林与支持向量机的水库长期径流预报[J]. 水利水运工程学报 2020(04)
    • [10].不同流域的自回归径流预报效果对比[J]. 应用基础与工程科学学报 2018(04)
    • [11].基于神经网络的中长期径流预报时间尺度研究[J]. 中国农村水利水电 2014(08)
    • [12].中长期径流预报模型优选研究[J]. 西北农林科技大学学报(自然科学版) 2019(07)
    • [13].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(05)
    • [14].基于气象因子的汛期径流预报模型[J]. 水电能源科学 2015(10)
    • [15].基于相关向量机的中长期径流预报模型研究[J]. 大连理工大学学报 2012(01)
    • [16].基于气象分析的二滩电站月径流预报[J]. 农业工程学报 2011(S2)
    • [17].LASSO回归和支持向量回归耦合的中长期径流预报[J]. 应用基础与工程科学学报 2018(04)
    • [18].基于熵谱理论的月径流预报[J]. 西北农林科技大学学报(自然科学版) 2019(05)
    • [19].中长期径流预报的时间尺度[J]. 武汉大学学报(工学版) 2015(06)
    • [20].基于小波分析—模糊神经网络的径流预报模型[J]. 水利水电技术 2013(02)
    • [21].基于改进径流曲线数模型的北京密云坡地径流估算[J]. 农业工程学报 2017(21)
    • [22].基于数值天气预报模式的流域中期径流预报[J]. 水利水电技术 2018(11)
    • [23].利用PSO-SA混合优化支持向量回归的径流预报模型研究[J]. 计算机应用研究 2019(09)
    • [24].基于支持向量回归机的长期径流预报及不确定性分析[J]. 南水北调与水利科技 2018(03)
    • [25].耦合中期、长期径流预报的跨流域引水受水水库调度图研究[J]. 水资源与水工程学报 2016(06)
    • [26].基于小波-ANFIS的水库月径流预报模型[J]. 水电能源科学 2008(01)
    • [27].红水河乐滩水电站月径流预报模型的编制[J]. 东北水利水电 2008(06)
    • [28].基于随机森林模型的长江上游枯水期径流预报研究[J]. 水力发电学报 2012(03)
    • [29].滑动窗口二次自回归模型在径流预报中的应用[J]. 河海大学学报(自然科学版) 2009(03)
    • [30].GAS参数优化方法在黄河上游非汛期径流预报中的应用[J]. 水文 2008(02)

    标签:;  ;  ;  ;  ;  ;  ;  

    基于物理成因识别的第二松花江汛期径流预报
    下载Doc文档

    猜你喜欢