基于混合BP神经网络的河流水位流量预测方法研究

论文摘要

全球水文变化对陆地生态系统具有重要而深远的影响,水文模拟与预测是水文变化研究的一项重要内容。水位和流量等水文要素的准确预测,对水资源规划、水库调度与运行、航运管理以及预防洪涝灾害等方面具有重要的作用。以长江中游流域宜昌、枝城、螺山和汉口四个水文站点的监测数据为研究对象,探索和揭示河流水位流量的内在联系,建立基于混合BP神经网络的水位流量预测方法,从而为水文预测预警提供理论支撑和技术平台。论文的主要工作和成果如下:（1）在长江中游流域四个站点的2010年至2013年的水位和流量时间序列数据存在空缺和异常的情况下,对比分析了常用的几种数据处理方法的优缺点,确定以中心度量填充法进行空缺值和异常值数据的处理,保证数据的完备性和可信性,确保预测模型的准确性。（2）针对水位和流量间复杂的绳套曲线关系,构建VMD-BP模型模拟水位和流量的关系并进行流量预测。变分模态分解（VMD）将序列数据分解为多个反映原始序列的分量组合,可以降低水位和流量数据的波动性;BP神经网络在非线性拟合上具有很大的优势。融合两种方法构建VMD-BP模型进行流量预测,达到提高预测精度的目的。以螺山水文站的流量数据进行模型验证,并将预测结果与单输入BP神经网络和多输入BP神经网络结果进行对比,结果表明:VMDBP模型的总体预测误差仅为1.41%,且模型在低频分量上的预测效果极佳。（3）针对上下游水位间的滞后关系,基于时空序列模型,结合分布滞后模型（DLM）、VMD模型以及BP神经网络,构建DLM-VMD-BP模型进行上下游水位预测。以长江中游四个站点的水位数据进行实例分析,将预测结果与回归模型、单输入BP神经网络以及多输入BP神经网络进行对比,结果表明:DLMVMD-BP模型在上下游水位预测中有很好的效果,能够为水位预测预警和水文站点的合理优化配置提供重要帮助。（4）集成VMD-BP河流流量预测模型以及DLM-VMD-BP上下游水位预测模型,基于ArcGIS Engine二次开发和MySQL数据库等技术,开发和构建了长江中游水位流量预测预警系统。实现了信息查询管理、信息分析、预测预警以及系统管理四大功能模块,为长江中游水文预测预报提供了信息化管理平台。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 论文选题背景及意义
•     1.1.1 研究背景
•     1.1.2 研究意义及目的
•   1.2 国内外研究现状
•     1.2.1 物理模型研究现状
•     1.2.2 数据统计研究现状
•     1.2.3 智能方法研究现状
•     1.2.4 集成模型研究现状
•   1.3 论文研究内容和组织结构
•     1.3.1 研究内容及方案
•     1.3.2 技术路线
•     1.3.3 论文组织结构
• 第二章 研究区域及数据处理
•   2.1 研究区域
•   2.2 数据处理
•   2.3 评价指标
• 第三章 基于VMD-BP模型的河流流量预测
•   3.1 水位流量关系研究
•   3.2 河流流量VMD-BP预测模型
•     3.2.1 VMD模型
•     3.2.2 BP神经网络
•     3.2.3 VMD-BP模型
•   3.3 实例分析
•     3.3.1 模型预处理分析
•     3.3.2 模型结果分析
•     3.3.3 模型对比验证
•   3.4 本章小结
• 第四章 顾及时滞效应的上下游水位VMD-BP模型预测
•   4.1 上下游水位关系
•   4.2 上下游VMD-BP集成模型的构建
•     4.2.1 时空序列模型
•     4.2.2 集成模型
•   4.3 实例分析
•     4.3.1 模型预处理分析
•     4.3.2 模型结果分析
•     4.3.3 模型对比验证
•   4.4 本章小结
• 第五章 长江中游流域水位流量预测预警系统
•   5.1 系统开发主要技术及工具
•     5.1.1 ArcGIS Engine介绍
•     5.1.2 Visual Studio.NET介绍
•     5.1.3 数据库系统
•   5.2 水位流量预测预警系统总体设计
•     5.2.1 设计目标及原则
•     5.2.2 总体架构设计
•     5.2.3 功能模块设计
•     5.2.4 数据库系统设计
•   5.3 水位流量预测预警系统的实现及应用
•   5.4 本章小结
• 第六章 总结与展望
•   6.1 主要结论
•   6.2 未来展望
• 致谢
• 参考文献
• 攻读硕士期间参与的项目及研究成果

文章来源

类型: 硕士论文

作者: 赵力学

导师: 黄解军

关键词: 水位流量预测,时空序列模型,分布滞后模型,变分模态分解,神经网络

来源: 武汉理工大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 地球物理学,水利水电工程,自动化技术

单位: 武汉理工大学

分类号: TP183;P338

DOI: 10.27381/d.cnki.gwlgu.2019.000622

总页数: 82

文件大小: 3842K

下载量: 48