导读:本文包含了水位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:水位,水库,神经网络,滩涂,白洋淀,泰安市,需水量。
水位预测论文文献综述
郭维维,龙岩[1]（2019）在《风场对明渠输水工程水位的影响及快速预测研究》一文中研究指出依据南水北调中线干渠资料,开展了不同风场的影响下闸前水位变化规律的数值模拟研究。采用数值模拟、数学归纳和统计分析方法,提出风速、风持续时间以及风向对水位变幅的影响,并提出风影响下最大水位变幅的快速预测公式。通过实际监测数据验证了公式的可行性。结果表明:风的持续时间对最大水位变幅影响很小;最大水位变幅随风速的增加而增加,随风源距离的增加而减小。风向与水流的夹角β介于0°到360°之间,水位变幅是关于夹角β=180°对称。快速预测公式计算结果与实测结果的误差为3.66%,说明最大水位预测公式对明渠输水工程适用性较强。研究结果可为输水工程日常调度提供参照。(本文来源于《水利水电快报》期刊2019年12期）
庄惠钧[2]（2019）在《基于BP神经网络的地下水位埋深预测——以辽宁省为例》一文中研究指出依据辽宁省2005—2014年的地下水埋深和人口等数据资料,分析地下水埋深动态变化规律,建立辽宁省地下水埋深动态监测模型,我们使用2015年和2016年的农业用水总量、生态用水总量、地区生产总值、人均地区生产总值、年末常住人口作为输入变量,利用BP神经网络预测辽宁省地下水埋深。(本文来源于《信息技术与信息化》期刊2019年11期）
汪云,杨海博,徐建,郑梦琪,韩智昕[3]（2019）在《基于长短期记忆神经网络模型的地下水水位预测研究》一文中研究指出利用长短期记忆神经网络(LSTM)构建地下水水位预测模型,解决了传统神经网络预测模型处理时序数据时未考虑时间序列的问题,同时采用多影响变量输入的方式弥补了简单时序模型处理数据时过于依赖时间的缺点。以泰安市岱岳区满庄镇姜家园村046J地下水位监测井为例,采用2001-2016年的监测资料与相关气候数据,利用长短期记忆神经网络构建了地下水水位预测模型,以控制变量的方法确定最优参数,对该井的地下水水位进行了预测,并与单变量LSTM神经网络、BP神经网络预测模型作对比。研究结果表明:基于多变量输入的LSTM神经网络模型能够通过少量历史数据准确的预测未来地下水水位变化情况,特别是在一些资料匮乏的地区,预测误差要显着低于参与对比的预测模型,预测均方根误差仅为2.052。因此,基于多变量的LSTM神经网络模型能够作为简单有效的地下水水位预测工具,为区域水资源管理提供一定的参考。(本文来源于《节水灌溉》期刊2019年10期）
林文孝,郑贵德[4]（2019）在《基于机器学习的水电站水库水位预测应用》一文中研究指出水电是清洁能源,日益受到重视。水电水情主要受到天气影响,水库水位短期预测可以借助天气预报预测,但中长期预测仍然是个问题,预测准确度无法达到预期。一种常用的水库水位预测方法是根据水库水位监测的历史数据做统计分析,虽然水库水位本身已经隐含了天气等因素,但仅依据水位自身数据预测还是无法满足预测准确度的需要,从目前已有的预测效果来看,最上游水库水位预测相对稳定,但对下游水库来说,由于水库水流之间相互影响,水库水位预测比较复杂,预测稳定度不好。提出一种对水库水位预测的方法,该方法的特点是能够客观考虑各水库的上下游关联及影响,并利用大数据、机器学习技术,包括关联分析及基于神经网络的多特征及记忆能力预测分析技术,更加准确地预测水库水位,为中长期发电计划提供有效辅助。(本文来源于《生态互联 数字电力——2019电力行业信息化年会论文集》期刊2019-09-07）
王淑华[5]（2019）在《基于ARIMA模型的冯家山水库水位预测研究》一文中研究指出基于自回归移动平均模型对冯家山水库主汛期水位进行预测研究。以2015年～2017年叁年中6月1日至11月5日水库水位数据为研究对象,基于SPSS软件进行时间序列建模研究。结果表明:AR IMA(1,2,2)模型具有较好的预测精度,最终模型调整拟合优度值adjust R2为0.428,平均绝对误差值MAE为0.045,贝叶斯信息检验值BIC为-4.003。研究成果有助于主汛期水库水位预判,从而为水库水情调度管理提供决策依据。(本文来源于《陕西水利》期刊2019年08期）
蔡俊华[6]（2019）在《反复水位作用下的深厚滩涂路基沉降及预测研究》一文中研究指出结合福建某路基工程,分析了福建霞浦滩涂区的工程地质条件。在此基础上,利用Plaxis~(2D)数值仿真软件研究了深厚滩涂路基在反复水位作用下的沉降变形规律,分析了每个施工阶段固结度的增长机制,并提出了固结度预测公式。此外介绍了滩涂路基孔压变化规律,重点揭示了反复水位作用下孔压增长机制。最后,结合灰色预测方法GM(1,1)研发了反复水位作用下深厚滩涂路基的沉降预测系统,利用数值计算沉降结果验证了其正确性。研究结果表明:在反复水位作用下,路基会产生差异沉降,路堤的顶部右侧沉降量大于左侧的沉降,两侧沉降差约为36 cm。路堤顶部右、左侧的沉降速率分别为9.43×10~(-5) m/d,4.35×10~(-5) m/d;幂函数形式可以很好地描述滩涂淤泥在堆载和固结过程中的固结度变化规律,建议采用幂函数表达式;在反复水位作用阶段,滩涂淤泥的固结度建议采用Logistic函数表达式;在反复水位作用下,路基右侧的孔隙水压力比路基左侧孔隙水压力要大,路基右侧处孔隙水压力忽然增高至120 kPa,路基中心处点的孔隙水压力增加至113 kPa,路基左侧处的孔隙水压力为10 kPa,比第1次堆载时产生的孔压高3 kPa。所提出的深厚滩涂路基沉降预测系统可以将沉降误差控制在5%范围之内,并应用于工程实践。(本文来源于《公路交通科技》期刊2019年08期）
赵春雷,钱拴,黄强,吴国明,孟成真[7]（2019）在《基于降水量的白洋淀最低水位预测研究》一文中研究指出为了每年能够提前预测未来10月份至翌年4月份的白洋淀最低水位,指导水资源管理和防灾减灾,利用白洋淀区域多个气象站点雨季不同时段的平均降水量和白洋淀水位资料,采取历史资料回归和机器学习方法,对白洋淀水位随区域降水量的变化规律进行了分析,研究建立了一种利用当年雨季平均降水量和当年雨季前水位预测当年雨季后至翌年雨季前白洋淀最低水位的方法。通过建立最低水位预测模型对已有的数据进行验证,发现所建的模型模拟和预测的结果误差在5%以下,精度较高。根据2018年5月白洋淀水位和白洋淀区域2018年7—8月、7—9月平均降水量预测的2018年10月至2019年4月白洋淀的最低水位分别为8.52 m和8.38m,根据最新监测的2018年10月至2019年2月20日的最低水位实况,预测误差在4%以下,预测精度较高。因此,所建模型能够提前3～7个月动态预测白洋淀即将出现的最低水位,可为提高雄安新区区域水资源综合管理水平、统筹分配区域水资源、合理安排补水等提供科学依据。(本文来源于《中国生态农业学报(中英文)》期刊2019年08期）
钱丽丽,魏长勇[8]（2019）在《基于modflow和时间序列分析法的地下水位预测研究——以宁阳水源地为例》一文中研究指出Modflow是一套用有限差分的方法模拟孔隙介质中地下水流动的软件,可通过建立模型和拟合校正,得到预测的水位。而时间序列分析法也是应用极为广泛的一种科学分析方法,可以定时定量地推测地下水位动态,对预测具有一定的实用价值。基于Modflow模型法和时间序列分析法对宁阳水源地开采后的地下水位进行分析预测,结果显示:两种方法预测的水位变化趋势一致,通过数值模拟预测的10年后最大的水位降深为2.15 m,通过时间序列法预测10年水位降深为1.88 m,15年降深为2.32 m,20年水位降深为2.83 m,说明两种方法预测的10年后水位降深均在2 m左右,均符合当地实际。研究结果对当地水资源可持续利用具有指导意义。(本文来源于《地下水》期刊2019年04期）
翁玲,谢强,陈宇,管杰[9]（2019）在《基于机器学习的赤水河中下游水位预测研究》一文中研究指出该文利用2015、2016年5—10月赤水河沿岸的茅台站、二郎站、赤水站3个水文监测站以及赤水站、习水站两个气象站逐小时采集存储的水文气象数据,基于多元线性回归、岭回归和套索回归3种机器学习方法,构建预测赤水河中下游未来6 h水位趋势的模型。结果表明,基于机器学习的方法可以较好的预测赤水河中下游未来6 h的水位情况,而利用72 h滞后量作为输入集的LASSO回归模型能取得RMSE为0.192 m的预测效果。(本文来源于《中低纬山地气象》期刊2019年03期）
解晓静,孙叁健,张慧,苏荣托雅[10]（2019）在《利用地下流体观测井水位预测海南及邻区中强震发生时间》一文中研究指出利用海南地下流体观测井水位资料,选择适合长期、中短期地震异常提取方法,对海南及邻区M 4.0以上地震发生前水位异常进行分析,依据统计资料,提出预测海南及邻区中强震发生时间的指标与方法。(本文来源于《地震地磁观测与研究》期刊2019年03期）
水位预测论文开题报告
（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：
依据辽宁省2005—2014年的地下水埋深和人口等数据资料,分析地下水埋深动态变化规律,建立辽宁省地下水埋深动态监测模型,我们使用2015年和2016年的农业用水总量、生态用水总量、地区生产总值、人均地区生产总值、年末常住人口作为输入变量,利用BP神经网络预测辽宁省地下水埋深。
（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。
水位预测论文参考文献
[1].郭维维,龙岩.风场对明渠输水工程水位的影响及快速预测研究[J].水利水电快报.2019
[2].庄惠钧.基于BP神经网络的地下水位埋深预测——以辽宁省为例[J].信息技术与信息化.2019
[3].汪云,杨海博,徐建,郑梦琪,韩智昕.基于长短期记忆神经网络模型的地下水水位预测研究[J].节水灌溉.2019
[4].林文孝,郑贵德.基于机器学习的水电站水库水位预测应用[C].生态互联数字电力——2019电力行业信息化年会论文集.2019
[5].王淑华.基于ARIMA模型的冯家山水库水位预测研究[J].陕西水利.2019
[6].蔡俊华.反复水位作用下的深厚滩涂路基沉降及预测研究[J].公路交通科技.2019
[7].赵春雷,钱拴,黄强,吴国明,孟成真.基于降水量的白洋淀最低水位预测研究[J].中国生态农业学报(中英文).2019
[8].钱丽丽,魏长勇.基于modflow和时间序列分析法的地下水位预测研究——以宁阳水源地为例[J].地下水.2019
[9].翁玲,谢强,陈宇,管杰.基于机器学习的赤水河中下游水位预测研究[J].中低纬山地气象.2019
[10].解晓静,孙叁健,张慧,苏荣托雅.利用地下流体观测井水位预测海南及邻区中强震发生时间[J].地震地磁观测与研究.2019
论文知识图
