导读:本文包含了径流预测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,流域,因子,黑河,疏勒河,大通。
径流预测论文文献综述
徐钰峰[1]（2019）在《聚焦水资源保护：灌区年径流量预测与水资源的科学利用》一文中研究指出一、研究背景水资源是地球上最宝贵的财富,是我们世界的源头,是人类最不可分离的自然资源之一,还是全体国民经济和人类生存的生命。近年来,水资源的现状和使用效率已成为衡量一个国家或区域经济可持续发展的首要标准,也是保证国民经济持续健康发展的主要依据。尽管地球表面70%都是水,可是人类可以在生活中使用的淡水只占有1%。由于现代工农业(本文来源于《区域治理》期刊2019年32期）
周娅,郭萍,杨柳,宋培培[2]（2019）在《基于聚类分析的月径流预测模型研究》一文中研究指出本文基于生产实践对高精度中长期径流预报提出的要求,对我国海河流域两大支流之一的滹沱河小觉水文站(岗南水库入库径流控制水文站)径流量进行预测研究。采用聚类分析方法将数据分为汛期(7—10月)和枯水期(11—次年6月),采用灰色关联分析法对汛期和枯水期的气象因子数据(五台山、原平两个气象站共16项气象因子)与径流量值的相关性进行分析,选取相关性强的气象因子作为输入、小觉站径流量值作为输出建立基于聚类分析的小觉站月径流预测模型,有效改善了神经网络对极值拟合差的特点,提高了预测精度。(本文来源于《水利科学与寒区工程》期刊2019年05期）
周轶成[3]（2019）在《基于小波分析的黑河流域径流预测模型研究》一文中研究指出基于小波分析的黑河流域径流水文预测模型是定量研究人类活动影响下流域水文过程非常有效的工具。以黑河莺落峡水文站1956-2016年实测数据为例,运用此模型对黑河上游1956-2016年的年径流量进行模拟,并使用支持向量机和灰色系统分析法对径流预测模型精度进行比对分析,分析结果表明通过小波分析的预测模型精度较高,用于径流预测是可行的。(本文来源于《地下水》期刊2019年05期）
孙栋元,胡想全,王忠静,吕华芳[4]（2019）在《疏勒河流域径流变化与预测研究》一文中研究指出基于疏勒河流域昌马堡站1953—2014年观测资料,采用累积距平、距平百分率和迭加马尔科夫链预测模型研究了62年流域径流量变化特征,并对径流变化进行了预测。结果表明:昌马堡站年平均径流量整体呈现增加趋势。该预测模型能较好地预测干旱内陆河流域年径流量,但对于丰水年份径流量预测有一定误差,有待于进一步改进。(本文来源于《水利规划与设计》期刊2019年09期）
罗智锋[5]（2019）在《多因子逐步回归与自回归组合径流预测模型的建立及应用》一文中研究指出选取1951-2007年大气环流指数及长江大通站1952-2012年平均径流资料,利用多因子逐步回归与自回归组合预测方法建立长江大通站年径流预报模型。结果表明:该模型拟合和试预报合格率分别为94.6%和80%,试预报平均相对误差为16%,相对多因子逐步回归周期分析模型预报效果更佳。影响显着的因子与冷暖空气关系密切,即长江大通站年平均径流受冷暖空气影响较大,且北半球11月极涡强度指数和9月印缅槽存在显着趋势,其他因子未发现显着趋势。优势因子存在5～13个不等的试验周期且普遍存在19 a、28 a周期,周期历时最短4 a,最长28 a。(本文来源于《甘肃水利水电技术》期刊2019年09期）
刘甜,梁忠民,邱辉,金路熠,王军[6]（2019）在《基于CFS的汉江上游梯级水库系统月入库径流预测》一文中研究指出将天气预报产品引入水文模型是提高长期径流预测精度的有效途径,但引入方法仍存在难度。为此,以汉江上游梯级水库系统为例,引入智能算法及相似典型放缩,构建基于分预见期校正的CFS与SWAT耦合径流预测模型,首先甄选智能算法校正CFS降雨,然后基于相似典型放缩对其进行时空展布,最终将其输入分区率定的梯级水库SWAT模型,从而实现月径流预测。结果表明,随机森林和人工神经网络更适合于CFS预测校正且不受预见期影响,基于相似典型时空分布的耦合模型预测效果较好,能为梯级水库系统提供更为可靠的径流预测。(本文来源于《水电能源科学》期刊2019年08期）
赵益平,王文圣,刘浅奎[7]（2019）在《R/S-BP网络耦合模型及其在年径流预测中的应用》一文中研究指出由一维径流序列构建的BP网络模型输入因子(输入层结点数)的确定至今尚无明确定论,R/S分析法能度量前期径流对当前径流的有效影响时长(拟周期),基于此构建了基于R/S分析法的BP网络预测模型——R/S-BP网络耦合模型。该模型由R/S分析法识别径流序列的拟周期,以当前径流为界将拟周期内的前期径流作为BP网络输入的待选因子,优选后得到模型的输入因子,从而构建BP网络并进行径流预测。将R/S-BP网络耦合模型应用于釜溪河流域年径流预测中,并与两种常规BP网络模型的应用结果进行对比分析。结果表明,釜溪河流域年径流序列存在13 a的拟周期;R/S-BP网络耦合模型的预测效果优于常规BP网络模型;R/S分析法可为BP网络筛选输入因子提供科学依据,减少人为选择的不确定性;R/S-BP网络耦合模型用于年径流预测是可行的。(本文来源于《华北水利水电大学学报(自然科学版)》期刊2019年04期）
高熙贺[8]（2019）在《基于指数平滑技术的城市公路及隧道径流污染超前预测模型设计研究》一文中研究指出通过对城市公路及隧道径流污染指数的实时超前预测,提高对污染的监测和治理能力,提出一种基于指数平滑技术的城市公路及隧道径流污染超前预测模型。构建城市公路及隧道径流污染指数序列模型,采用指数序列特征重构技术进行城市公路及隧道径流污染指数序列构建,采用模糊指向性聚类方法对提取的城市公路及隧道径流污染指数特征值进行聚类处理,分析城市公路及隧道径流污染序列在污染指数分布空间中数据特征结构,根据污染指数分布特征进行线性结构重组,采用指数平滑方法进行城市公路及隧道径流污染的规则性调度,实现城市公路及隧道径流空间污染的超前预测。(本文来源于《环境科学与管理》期刊2019年07期）
崔东文[9]（2019）在《多组群教学优化算法-神经网络-支持向量机组合模型在径流预测中的应用》一文中研究指出采用5个标准测试函数对多组群教学优化(MGTLO)算法进行仿真验证,并将仿真结果与基本教学优化(TLBO)算法、混合蛙跳算法(SFLA)、差分进化(DE)算法和粒子群优化(PSO)算法的仿真结果进行对比。利用MGTLO算法搜寻基于广义回归神经网络(GRNN)、径向基神经网络(RBF)、支持向量机(SVM)模型单元的组合模型的最佳模型参数和组合权重系数,提出MGTLO-GRNN-RBF、MGTLO-GRNN-SVM、MGTLO-RBF-SVM、MGTLO-GRNN-RBF-SVM 4种组合预测模型,以新疆伊犁河雅马渡水文站和云南省某水文站年径流量预测为例进行了实例分析,并将预测结果与MGTLO-GRNN、MGTLO-RBF、MGTLO-SVM和GRNN、RBF、SVM 6种单一模型的结果进行对比分析。结果表明:MGTLO算法寻优精度优于TLBO、SFLA、DE和PSO算法,具有较好的收敛速度和全局极值寻优能力;组合模型融合了MGTLO算法与GRNN、RBF、SVM模型单元的优点,在预测精度、泛化能力等方面均优于单一模型;MGTLO算法能有效优化各组合模型的相关参数和权重系数,MGTLO-GRNN-RBF-SVM模型预测精度最高。(本文来源于《水利水电科技进展》期刊2019年04期）
李志新,龙云墨[10]（2019）在《基于NARX神经网络的年径流预测》一文中研究指出针对传统BP模型在时间系列年径流预测中的适应性问题,本文构建了基于动态反馈性NARX神经网络的年径流预测模型,模型结构带有外部输入的非线性自回归网络,输入向量选取降雨及气温,输出向量为未来的年均流量。本文采用构皮滩站历史实测数据对模型进行训练及测试,对NARX模型与传统BP模型及逐步线性回归模型性能进行了对比分析。(本文来源于《贵州农机化》期刊2019年02期）
径流预测论文开题报告
（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：
本文基于生产实践对高精度中长期径流预报提出的要求,对我国海河流域两大支流之一的滹沱河小觉水文站(岗南水库入库径流控制水文站)径流量进行预测研究。采用聚类分析方法将数据分为汛期(7—10月)和枯水期(11—次年6月),采用灰色关联分析法对汛期和枯水期的气象因子数据(五台山、原平两个气象站共16项气象因子)与径流量值的相关性进行分析,选取相关性强的气象因子作为输入、小觉站径流量值作为输出建立基于聚类分析的小觉站月径流预测模型,有效改善了神经网络对极值拟合差的特点,提高了预测精度。
（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。
径流预测论文参考文献
[1].徐钰峰.聚焦水资源保护：灌区年径流量预测与水资源的科学利用[J].区域治理.2019
[2].周娅,郭萍,杨柳,宋培培.基于聚类分析的月径流预测模型研究[J].水利科学与寒区工程.2019
[3].周轶成.基于小波分析的黑河流域径流预测模型研究[J].地下水.2019
[4].孙栋元,胡想全,王忠静,吕华芳.疏勒河流域径流变化与预测研究[J].水利规划与设计.2019
[5].罗智锋.多因子逐步回归与自回归组合径流预测模型的建立及应用[J].甘肃水利水电技术.2019
[6].刘甜,梁忠民,邱辉,金路熠,王军.基于CFS的汉江上游梯级水库系统月入库径流预测[J].水电能源科学.2019
[7].赵益平,王文圣,刘浅奎.R/S-BP网络耦合模型及其在年径流预测中的应用[J].华北水利水电大学学报(自然科学版).2019
[8].高熙贺.基于指数平滑技术的城市公路及隧道径流污染超前预测模型设计研究[J].环境科学与管理.2019
[9].崔东文.多组群教学优化算法-神经网络-支持向量机组合模型在径流预测中的应用[J].水利水电科技进展.2019
[10].李志新,龙云墨.基于NARX神经网络的年径流预测[J].贵州农机化.2019
论文知识图
