本文選題：錦屏一級水電站 + 項環(huán)流特征量��； 參考：《水電能源科學(xué)》2017年10期

【摘要】：為預(yù)報錦屏一級水電站年平均徑流量,根據(jù)其1960~1999年逐年年平均徑流量與上年(1959~1998年)逐月74項大氣環(huán)流指數(shù)的相關(guān)關(guān)系,選出相關(guān)性高且與年平均徑流有物理聯(lián)系的大氣環(huán)流指數(shù)作為預(yù)報因子;利用多個Elman神經(jīng)網(wǎng)絡(luò)建立年平均徑流量的集合預(yù)報模型,并采用錦屏一級水電站1960~1999年的逐年年平均徑流量和篩選的預(yù)報因子數(shù)據(jù)對模型參數(shù)進行率定,2000~2011年的逐年年平均徑流量對模型預(yù)報效果進行檢驗。結(jié)果表明,基于Elman神經(jīng)網(wǎng)絡(luò)的單一模型的范化能力較好,多模型的集合預(yù)報精度比單一模型的預(yù)報精度有進一步提高,可為錦屏一級水電站水資源調(diào)度提供參考。
[Abstract]:In order to forecast the annual average runoff of Jinping Grade I Hydropower Station, according to the correlation between the annual average annual runoff of Jinping Hydropower Station from 1960 to 1999 and the annual average runoff of last year (1959-1998), there are 74 items of atmospheric circulation index each month. The atmospheric circulation index with high correlation and physical relationship with the annual mean runoff is selected as the forecast factor, and the ensemble forecasting model of the annual average runoff is established by using several Elman neural networks. The annual average runoff of Jinping Grade I Hydropower Station from 1960 to 1999 and the selected forecast factor data are used to determine the model parameters. The annual average annual runoff from 2000 to 2011 is used to test the effect of the model forecast. The results show that the single model based on Elman neural network has better normalizing ability, and the accuracy of multi-model ensemble prediction is further improved than that of single model, which can be used as a reference for the water resources dispatching of Jinping I Hydropower Station.
【作者單位】： 河海大學(xué)計算機與信息學(xué)院;中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室;
【基金】：十三五國家重點研發(fā)計劃專題(2016YFC0402201) 十二五國家科技支撐計劃項目(2015BAB07B03) 桂林市防洪及漓江補水水庫群生態(tài)調(diào)度技術(shù)研究(GXZC2016-G3-2344-JHZJ)
【分類號】：P338

【相似文獻】

相關(guān)期刊論文 前10條

1 屈亞玲;周建中;劉芳;楊俊杰;李英海;;基于改進的Elman神經(jīng)網(wǎng)絡(luò)的中長期徑流預(yù)報[J];水文;2006年01期

2 李萬緒;;水電站年平均徑流量的灰色模型[J];水電能源科學(xué);1988年01期

3 雒文生;森林對多年平均徑流量影響的探討[J];武漢水利電力學(xué)院學(xué)報;1989年01期

4 許卷卷;張濟世;;甘肅省岷縣站年平均徑流量小波分析[J];蘭州交通大學(xué)學(xué)報;2009年01期

5 馬建華;楚純潔;宮少燕;;花園口斷面年徑流量時間序列混沌特性分析[J];人民黃河;2006年01期

6 李明皓;王秋萍;;烏云河?xùn)|風(fēng)站年平均徑流量的多時間尺度分析[J];林業(yè)科技情報;2009年04期

7 陶謹(jǐn);陳曉宏;汪麗娜;謝毅文;;北江流域徑流時間序列的分形特征解析[J];中山大學(xué)學(xué)報(自然科學(xué)版);2011年05期

8 王志杰;王新輝;旦木仁加甫;耿曙萍;;氣候變化對臺蘭河年平均徑流量的影響[J];干旱區(qū)研究;2014年01期

9 牛超;盧世坤;祁樹鋒;;基于EEMD和改進Elman神經(jīng)網(wǎng)絡(luò)的地球變化磁場短時預(yù)測[J];河北師范大學(xué)學(xué)報(自然科學(xué)版);2014年01期

10 張紅平;;黃河上游2011年度水情概況[J];農(nóng)業(yè)科技與信息;2012年22期

相關(guān)會議論文 前2條

1 楊斌;肖慈s，

本文編號：2047567