导读:本文包含了中长期水文预报论文开题报告文献综述及选题提纲参考文献，主要关键词:灰色系统理论,GM(1,1)模型,中长期水文预报,预报精度
中长期水文预报论文文献综述
武博,王丹[1]（2019）在《灰色系统理论在清河水库中长期水文预报中的应用》一文中研究指出本文对灰色系统理论进行了原理剖析,以此为基础建立水文系统GM(1, 1)模型,在清河水库中长期水文预报进行了实际应用,并对历年实际值与预测值做了比较分析,满足预报精度要求,证明使用灰色系统理论在清河水库中长期水文预报中应用是完全可行的,其使得中长期水文预报结果更加准确。(本文来源于《东北水利水电》期刊2019年07期）
周育琳,穆振侠,彭亮,高瑞,尹梓渊[2]（2018）在《基于互信息与神经网络的天山西部山区融雪径流中长期水文预报》一文中研究指出为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:(1)互信息法优选出的预报因子作为模型输入可以提高预报精度;(2)采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;(3)以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。(本文来源于《长江科学院院报》期刊2018年08期）
谭思源[3]（2018）在《中长期水文预报方法的应用》一文中研究指出本文以江桥站1954—2017年实测降雨资料为基础,运用计算机编程,周期迭加的方法进行中长期水文预报检测,得到信度为0.05时的5个周期,对其进行线性迭加与实测值拟合,程度尚可,预测值与真实值对比,该方法应用于江桥站有理论意义,可以为该地区的水资源优化配置和合理利用提供理论支撑。(本文来源于《水利科学与寒区工程》期刊2018年07期）
刘忠民[4]（2018）在《小波分析和人工神经网络及水文频率分析法相结合的中长期水文预报模型研究》一文中研究指出以辽河流域为例,在充分考虑了不确定型因素对模型的影响作用的基础上,采用联立小波分析以及人工神经系统网络和水文频率叁种模拟方法理论,建立中长期水文预报模型并进行率定校核。结果表明:预测模型不仅能表征水文时序和频率结构变化特征,而且预报合格率及精确度较高,能够很好地反应辽河流域的实际水文情况。(本文来源于《水利技术监督》期刊2018年03期）
林沛榕,张艳军,冼翠玲,蒋婷,张利平[5]（2017）在《不同时间尺度的中长期水文预报研究》一文中研究指出为研究中长期水文预报时间尺度对预报精度的影响,选取最近邻抽样回归模型与基于小波分析的组合模型对长江干流典型断面不同时间尺度的径流序列进行中长期径流预报。将1980~2012年的逐日径流资料经过时间聚集方法转换成叁天、周、旬、半月、月、双月、季、半年、九月、年等10个不同时间尺度,对高场、寸滩、宜昌、螺山、汉口、大通6个典型断面的径流进行拟合和预报。结果表明:随着预报时间尺度增加,预报精度呈现先降低后提高的趋势,其中,在月时间尺度上预报效果最差,叁天和年尺度上预报效果相对较好。(本文来源于《水文》期刊2017年06期）
彭芳鹛[6]（2017）在《赣江中下游水文要素的变化及中长期水文预报》一文中研究指出赣江作为江西省最大的一条河流,频繁遭受洪水的威胁,损失严重,因此对水文要素的变化规律进行分析研究并积极开展赣江中下游流域中长期水文预报和提高其预报精度对流域水资源开发利用与保护、水土资源的规划和部署、防洪减灾等有着重大意义。本文以赣江中下游为研究区域,通过外洲水文站的流量数据以及赣江中下游流域的雨量站、蒸发站收集到的降水、径流、蒸发一系列资料,利用线性回归法、累积距平曲线法、Mann-Kendall非参数统计检验法、小波分析法等方法进行变化分析,从而揭示在变化环境下赣江中下游水文要素的变化规律,之后通过3种不同的预报因子筛选方法选取合适的因子后,建立BP神经网络模型,分别对外洲站的年平均流量和年最大流量进行预报,分析比较预报结果。得到的结论如下:(1)根据赣江中下游外洲站1950~2012年的流量资料分析,发现流域径流丰枯转换平衡,径流年内分配越来越均匀,近60年来年平均流量呈现微弱的增加趋势。赣江中下游年平均流量在1989年发生突变,突变原因可能与万安水库和其他水利工程的建立和运行有关。对流域丰枯转换进行频率统计,发现赣江中下游流域发生连枯年的概率大于发生连丰年的概率,进行小波分析后得到年平均流量的演变存在2~4 a、6~10 a、14~18a、25~30a等4类时间尺度的周期变化规律,主要周期为28年。(2)根据赣江中下游1950~2012年面雨量资料分析,发现年降雨量同样呈现弱微的增加趋势,且增加趋势不明显。20世纪90年代降雨量最大,所以这一时期赣江中下游洪涝灾害频发。由于赣江中下游流域4、5、6月月平均降雨量大,同时其月降雨量的年际变化又小,使得4、5、6月成为最容易发生洪水的月份。赣江中下游年降雨量突变起始时间为1968年,1968年开始流域降雨量开始进入增加的趋势。年降雨量的演变存在2~4 a、5~10 a、12~18a、25~30a等4类时间尺度的周期变化规律,主要周期为28年,与年平均流量演变趋势一致。(3)根据赣江中下游1979~2012年面蒸发量资料分析,发现蒸发量呈现显着的下降趋势,四季蒸发量也皆呈现降低的趋势,可以证明赣江中下游存在明显的“蒸发悖论”现象。赣江中下游年蒸发量突变起始时间为1984年,1984年之后蒸发量开始大幅度下降。年蒸发量的演变存在10~14 a、16~20 a等2类时间尺度的周期变化规律,主要周期为18年。(4)通过比较赣江中下游的预报结果,发现在相同的神经网络模型下,结合主成分分析法的相关概率法相对于相关系数法和逐步回归法两个方法来说,拟合精度和预报精度都相对较高;在预报对象不同,而相同的预报因子筛选方法和神经网络模型相同的情况下,年最大流量的预报精度皆明显低于年平均流量的预报精度,这表明预报中长期水文要素的极值大小相对来说比较困难。(本文来源于《南昌工程学院》期刊2017-12-01）
刘博懿[7]（2017）在《气象因子对赣江中下游流域中长期水文预报的影响分析》一文中研究指出赣江是鄱阳湖水系中径流量最大、河流长度最长、最重要的一条河流。一直以来,赣江流域频繁遭受洪水的威胁。然而,目前长期水文预报仍存在精度不高、预报模型通用度不高等问题,使得其难以有效指导生产实践的问题。长期水文预报在理论研究和实际应用中还相对落后,处于不断发展的阶段。由于江西省省会南昌处于赣江中下游区域,因此,对赣江中下游流域进行中长期水文预报研究有更加重要的意义。本研究选择赣江中下游流域的出口控制站,外洲站作为赣江中下游的代表站,用成因分析、统计分析相结合的方法识别影响水文要素的前期预报因子。然后利用关联规则挖掘分析、人工神经网络分别对赣江中下游流域进行定性预报(对外洲站丰枯水变化进行预报)与定量预报(外洲站年最大洪峰流量进行定量预报),以建立适合赣江流域的简单实用且预报精度较高的预报模型。主要成果与结论有:从定性预报的结果来看,太阳黑子相对数、东太平洋海表海温及西太平洋副高出现异常时会造成外洲站径流量的异常变化,但是这个变化并不是绝对的。而且,从目前已有的数据计算结果,枯水预报的支持度与置信度都远远大于丰水预报从定量预报的结果来看,基于LM改进算法的BP神经网络在对外洲站年最大洪峰流量的预报效果还是比较好,并且随着数据的积累,水文数据序列的不断延长,模型的预报精度还会不断的提高。(本文来源于《南昌工程学院》期刊2017-12-01）
周育琳,穆振侠,高瑞,尹梓渊,汤瑞[8]（2017）在《基于多方法优选预报因子的天山西部山区融雪径流中长期水文预报》一文中研究指出为实现天山西部山区喀什河流域冰川融雪区域的水资源可持续开发利用,更好地支撑所在区域工农业生产发展,有必要开展融雪径流中长期水文预报研究。基于相关系数法、主成分分析法及两种方法相结合的综合方法优选预报因子,采用BP神经网络模型和组合小波BP神经网络模型预报径流。结果表明,采用综合方法筛选出的预报因子集合可以得到更好的预报结果;组合小波BP神经网络模型在3个不同方案中的预测效果均优于BP神经网络模型的预测结果,其预报精度更高。研究成果可为该区域融雪径流模拟研究及洪水预报提供参考。(本文来源于《水电能源科学》期刊2017年07期）
朱双[9]（2017）在《流域中长期水文预报与水资源承载力评价方法研究》一文中研究指出水资源在人类生存和社会发展中占有重要地位,保证水资源的可持续发展利用,是实现经济社会可持续发展的首要前提条件。流域水文预报和水资源承载力分析是水资源系统研究中的两个重要课题,是水利工程规划建设、水资源优化配置及社会可持续发展的重要支撑。进入二十一世纪以来,我国水资源的可持续利用面临人口增长、供需水不平衡以及气候变化影响等多重压力。一方面全球气候变暖导致两极冰盖加剧融化,海平面升高,淡水资源减少,暴雨、洪涝、干旱等极端事件发生频率显着增加;另一方面,水利工程胁迫导致流域自然径流破碎化,流域水资源系统的时空变异规律更加复杂,水循环系统的大气、地表、土壤、河川和地下水过程的显着变化诱发了系列资源、生态、环境等问题。气候和水循环过程的变异对流域水文预报和水资源承载力分析提出了更高的要求。本文针对变化环境下中长期水文预报与水资源承载力研究中存在的关键科学问题,以长江上游金沙江流域及西南地区为主要研究对象,分析了金沙江流域径流和降雨特性时空变化规律;建立了基于灰色关联分析的模糊支持向量机月径流预报模型,为了提高模型预报精度,研究了模型构建过程中预报因子选择与时间序列分解两个关键环节。将气象,大气环流,影响长江中上游流域降雨的黑潮海温,东亚夏季风指数等遥相关因子组成特征集合,采用序列浮动前向算法挖掘预报因子特征子集,并尝试采用高斯过程回归对金沙江上游石鼓站和下游屏山站月径流进行不确定性预报,得到月径流的预报区间和置信水平,在此基础上,采用Sobol全局敏感性方法推求了石鼓和屏山站汛期径流预报因子的灵敏度,辨识了对汛期径流预报结果产生较大影响的因子集。最后针对传统模糊综合评价方法中的不足之处,建立了可变模糊集与集对分析耦合的西南地区水资源承载力评价模型,识别了西南各地水资源承载力等级。本文的主要研究内容和创新性成果包括:(1)研究工作以金沙江最大支流雅砻江二滩站以及金沙江干流控制断面石鼓、攀枝花,工程断面乌东德、白鹤滩、溪洛渡、向家坝为分析对象,研究金沙江流域径流年内年际时空变化特性,并建立了金沙江和乌江洪水联合概率分布,探求两江洪水遭遇概率。金沙江流域多时空尺度径流特性以及洪水遭遇研究发现,过去50年金沙江径流年内分配存在较大的不均匀性,而径流的年际变化较小,且金沙江下游地区径流年际变化比上游地区相比较弱。洪水遭遇方面,金沙江与乌江洪水同现概率非常小,而乌江已经发生大洪水情况下,金沙江发生洪水的条件概率很大,当乌江发生20年一遇洪水时,有接近50%的可能金沙江发生了 20年一遇洪水。(2)为了提高中长期径流预报模型的预报精度,本文从模型构建,预报因子筛选和时间序列分解叁个关键环节进行了研究。径流的形成受到气象、水文、地形等复杂因素的影响,随着气候条件以及流域下垫面条件发生变化,不同时期水文样本数据对未来径流贴近程度是不相同的。将支持向量机与模糊集理论的中隶属度概念相结合,构建模糊支持向量机模型使得径流模拟过程中样本数据能根据重要性的不同而具有不同误差要求,其中离预测期较近的历史样本数据具有更大的参考价值而离预测期较远的历时样本具有相对较小的参考价值。同时,为克服常用的相关系数法不能衡量因子间非线性相关关系的缺陷,研究工作引入一种多元因子分析方法-灰色关联分析法,该方法能考察复杂现象发展态势的关联、接近程度而不是简单度量变量间的一致性。以金沙江石鼓站月径流预报为实例,考察基于灰色关联分析的模糊支持向量机模型的预报效果,研究结果表明相对传统支持向量机模型,本文构建的模型极大提高了预测精度和泛化能力,是一种可靠有效的径流中长期径流预报模型。(3)将输入因子序列进行小波分解被证明能提高水文模型的预报精度,为了研究不同时间序列分解方法在径流预报领域的适用性,本文研究了离散小波变换、经验模式分解、STL叁种分解方法的原理并分别采用叁种方法对金沙江屏山站径流和降雨序列进行了分解,选用被证明具有良好预测性能的基于灰色关联分析的模糊支持向量机模型对分解子序列进行模拟预测,模拟结果表明叁种分解方法能使模型的预报精度有不同程度提高,其中离散小波变换分解对模型精度改善最大、其次是STL分解处理,经验模式分解处理后的模型精度改善效果较不明显。(4)径流的形成极其复杂,仅仅用前期的径流或气象数据来预报未来径流是不全面的,限制了预报精度的进一步提高。气候遥相关因子与径流具有滞后相关性,研究工作提出基于信息增益的序列浮动前向选择算法,从降雨、气温、气压等气象因子,国家气象中心发布的74项环流因子,与长江流域径流有密切关系的黑潮海温,太平洋10年涛动、东亚夏季风指数等300多个初选预报因子中挖掘出与预报月径流密切相关的一组预报因子集。将近年发展起来的基于贝叶斯网络的新型机器学习算法高斯过程回归引入到金沙江上游石鼓站和下游屏山站的径流预报研究中来,预报结果同时给出置信水平和预报区间,并采用Sobol全局敏感性分析方法辨识了对金沙江汛期径流预报影响较大的因子集。建立的基于气候因子的高斯过程回归水文预报模型具有良好的预报效果,在汛期对径流预报有较大影响的因子为前期径流、降雨、湿度以及大西洋东部欧洲环流型、北大西洋振荡遥相关因子。(5)在水资源承载力评价研究中,针对以往模糊综合评价多采用主观方法确定各评价指标权重的诸多弊端,研究工作将信息熵理论客观权重法与层次分析主观权重法相结合,采用基于主客观组合权重的改进模糊可变模型,评价了水资源承载力等级。在选取评价标准时,为了避免在模糊决策方面广泛应用的最大隶属原则在极端情况下失效问题,研究工作引入了可处理不确定性问题的集对分析方法,通过集合间同异反分析,选用联系度系数描述集合间的贴近度。通过云南水资源系统实例计算并进行对比分析,表明该方法不但结构严谨,而且可信度较高。(本文来源于《华中科技大学》期刊2017-06-01）
程子鹏[10]（2017）在《基于集成学习的中长期水文预报研究》一文中研究指出近年来,我国洪涝灾害十分频繁,对经济和社会发展造成了巨大的损失。中长期水文预报具有较长的预见期,是一项重要的水利基本工作和防灾减灾的非工程措施,能够使人们在解决以防洪为代表的水资源相关问题时,尽早进行相关工作安排,减小损失以及增加效益。然而水文系统受到多方面因素影响,是一个复杂的系统,传统方法难以满足精度要求。如何引入新的预报模型、提高中长期水文预报的精度显得越来越重要。本文在综述国内外中长期水文预报模型的基础上,以虎跳峡坝区历史径流为研究对象,引入机器学习领域中广泛应用的集成学习方法,为中长期水文预报研究介绍了新的思路。本文首先通过互信息值这一指标分析了虎跳峡坝区的大气环流指数和历史径流等相关预报因子信息,挑选出150个相关指标作为预报特征。在此基础上经过深入研究,选择具有代表性的梯度提升树(GBRT)和随机森林(RF)算法以及结合策略,通过各种方式将回归树这种基学习器集成起来,有效地增加算法的泛化能力和降低过拟合的风险。实例分析中对虎跳峡坝区1959-1992年相关数据进行建模,并详细展示了各算法参数的选取过程,利用1993-2000年月径流资料对几个模型进行预测与验证,并与单一学习器支持向量机(SVM)进行比较分析;随后在利用GBRT和RF的基学习器——决策树划分结点时会将重要结点优先划分的特性,选择了10个最重要特征,并以线性回归为基准比较了各集成学习方法的优劣。研究结果表明,GBRT和RF集成学习方法在不同评价指标下各有优劣,RF预测得到的优秀结果要多于GBRT,但整体平均误差要高于GBRT,二者对径流的预报结果都优于SVM这种单一学习器,并且在非汛期达到很高的预报精度。以GBRT、RF、SVM加权平均的结合策略得到的优秀预报结果有了显着的提高,而其他指标则提高不大或是低于某种单一算法。经过特征挑选后以线性回归为基准比较各算法,各个集成方法在相对误差上显着领先,而均方误差(MSE)差别较小。而经过特征挑选后,普遍结果比不上挑选前。本文的研究过程也提供了研究预报因子的新思路。(本文来源于《华中科技大学》期刊2017-05-27）
中长期水文预报论文开题报告
（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：
为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:(1)互信息法优选出的预报因子作为模型输入可以提高预报精度;(2)采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;(3)以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。
（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。
中长期水文预报论文参考文献
[1].武博,王丹.灰色系统理论在清河水库中长期水文预报中的应用[J].东北水利水电.2019
[2].周育琳,穆振侠,彭亮,高瑞,尹梓渊.基于互信息与神经网络的天山西部山区融雪径流中长期水文预报[J].长江科学院院报.2018
[3].谭思源.中长期水文预报方法的应用[J].水利科学与寒区工程.2018
[4].刘忠民.小波分析和人工神经网络及水文频率分析法相结合的中长期水文预报模型研究[J].水利技术监督.2018
[5].林沛榕,张艳军,冼翠玲,蒋婷,张利平.不同时间尺度的中长期水文预报研究[J].水文.2017
[6].彭芳鹛.赣江中下游水文要素的变化及中长期水文预报[D].南昌工程学院.2017
[7].刘博懿.气象因子对赣江中下游流域中长期水文预报的影响分析[D].南昌工程学院.2017
[8].周育琳,穆振侠,高瑞,尹梓渊,汤瑞.基于多方法优选预报因子的天山西部山区融雪径流中长期水文预报[J].水电能源科学.2017
[9].朱双.流域中长期水文预报与水资源承载力评价方法研究[D].华中科技大学.2017
[10].程子鹏.基于集成学习的中长期水文预报研究[D].华中科技大学.2017