贛江是鄱陽(yáng)湖水系中徑流量最大、河流長(zhǎng)度最長(zhǎng)、最重要的一條河流。一直以來(lái),贛江流域頻繁遭受洪水的威脅。然而,目前長(zhǎng)期水文預(yù)報(bào)仍存在精度不高、預(yù)報(bào)模型通用度不高等問(wèn)題,使得其難以有效指導(dǎo)生產(chǎn)實(shí)踐的問(wèn)題。長(zhǎng)期水文預(yù)報(bào)在理論研究和實(shí)際應(yīng)用中還相對(duì)落后,處于不斷發(fā)展的階段。由于江西省省會(huì)南昌處于贛江中下游區(qū)域,因此,對(duì)贛江中下游流域進(jìn)行中長(zhǎng)期水文預(yù)報(bào)研究有更加重要的意義。本研究選擇贛江中下游流域的出口控制站,外洲站作為贛江中下游的代表站,用成因分析、統(tǒng)計(jì)分析相結(jié)合的方法識(shí)別影響水文要素的前期預(yù)報(bào)因子。然后利用關(guān)聯(lián)規(guī)則挖掘分析、人工神經(jīng)網(wǎng)絡(luò)分別對(duì)贛江中下游流域進(jìn)行定性預(yù)報(bào)（對(duì)外洲站豐枯水變化進(jìn)行預(yù)報(bào)）與定量預(yù)報(bào)（外洲站年最大洪峰流量進(jìn)行定量預(yù)報(bào)）,以建立適合贛江流域的簡(jiǎn)單實(shí)用且預(yù)報(bào)精度較高的預(yù)報(bào)模型。主要成果與結(jié)論有:從定性預(yù)報(bào)的結(jié)果來(lái)看,太陽(yáng)黑子相對(duì)數(shù)、東太平洋海表海溫及西太平洋副高出現(xiàn)異常時(shí)會(huì)造成外洲站徑流量的異常變化,但是這個(gè)變化并不是絕對(duì)的。而且,從目前已有的數(shù)據(jù)計(jì)算結(jié)果,枯水預(yù)報(bào)的支持度與置信度都遠(yuǎn)遠(yuǎn)大于豐水預(yù)報(bào)從定量預(yù)報(bào)的結(jié)果來(lái)看,基于LM改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)在對(duì)外洲站年最大洪峰流量... 

【文章來(lái)源】：南昌工程學(xué)院江西省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

水文循環(huán)示意圖

宥ㄒ邐?篘ino 綜合區(qū)海溫距平指數(shù)持續(xù) 6 個(gè)月達(dá)到 0.5 以上或該區(qū)指數(shù)持續(xù) 5 個(gè)月達(dá)到 0.5 以上且 5 個(gè)月的指數(shù)之和大于等于 4。厄爾尼諾分區(qū)位置圖[29]如圖2.5 所示。圖 2.5 厄爾尼諾分區(qū)位置示意圖[29]Fig 2.5 Ernie partition position schematic“拉尼娜”現(xiàn)象即“反厄爾尼諾”現(xiàn)象，與“厄爾尼諾”現(xiàn)象所不同它的出現(xiàn)會(huì)造成太平洋東部的海表溫度大范圍降低。具體表現(xiàn)為海水表層溫度低出距平值 0.5 以

氣象因子對(duì)贛江中下游流域中長(zhǎng)期水文預(yù)報(bào)的影響分析第三章 關(guān)聯(lián)規(guī)則挖掘分析預(yù)報(bào)3.1 數(shù)據(jù)挖掘隨著現(xiàn)代計(jì)算機(jī)與數(shù)據(jù)庫(kù)技術(shù)在工程領(lǐng)域的大量應(yīng)用，使得各領(lǐng)域內(nèi)的數(shù)據(jù)庫(kù)都存儲(chǔ)了大量的數(shù)據(jù)，但是這時(shí)面臨一個(gè)很大問(wèn)題，就是如何對(duì)這些數(shù)據(jù)進(jìn)行分析從而轉(zhuǎn)化成有用的知識(shí)。于是數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)在各個(gè)領(lǐng)域受到人們的關(guān)注越來(lái)越多。簡(jiǎn)單來(lái)說(shuō)，數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取出隱藏在數(shù)據(jù)背后的“知識(shí)”[47-48]。數(shù)據(jù)挖掘[49](Data Mining，DM)是指通過(guò)算法對(duì)數(shù)據(jù)庫(kù)的數(shù)據(jù)進(jìn)行搜索進(jìn)而從中提取人們感興趣的知識(shí)。這些知識(shí)是隱含的、事先未知的潛在有用信息，提取的知識(shí)可以表示為概念（Concepts）、規(guī)則（Rules）、規(guī)律（Regularities）、模式（Patterns）等形式。一般認(rèn)為數(shù)據(jù)挖掘的對(duì)象為數(shù)據(jù)庫(kù)，但是通過(guò)大量的研究表明，數(shù)據(jù)挖掘的對(duì)象不僅可以是數(shù)據(jù)庫(kù)，也可以是文件系統(tǒng)等，或是其他形式組織的數(shù)據(jù)集合。數(shù)據(jù)挖掘的過(guò)程可以用圖 3.1 表示。

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)挖掘領(lǐng)域研究現(xiàn)狀與趨勢(shì)的可視化分析[J]. 楊良斌.  圖書(shū)情報(bào)工作. 2015(S2)
[2]流域中長(zhǎng)期徑流分類預(yù)報(bào)方法[J]. 李鴻雁,薛麗君,王紅瑞,王曉昕.  南水北調(diào)與水利科技. 2015(05)
[3]春末夏初南亞高壓的形成過(guò)程及其與ENSO事件的聯(lián)系[J]. 何金海,劉伯奇,吳國(guó)雄.  大氣科學(xué). 2014(04)
[4]基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在中長(zhǎng)期水文預(yù)報(bào)中的應(yīng)用[J]. 李宏偉.  人民珠江. 2013(06)
[5]數(shù)據(jù)挖掘綜述[J]. 王夢(mèng)雪.  軟件導(dǎo)刊. 2013(10)
[6]基于支持向量機(jī)的石羊河流域徑流模擬適用性評(píng)價(jià)[J]. 張?zhí)m影,龐博,徐宗學(xué),劉文豐.  干旱區(qū)資源與環(huán)境. 2013(07)
[7]ENSO事件對(duì)西北太平洋熱帶氣旋影響的分級(jí)研究[J]. 曹智露,胡邦輝,楊修群,王學(xué)忠,何雪松,譚言科.  海洋學(xué)報(bào)(中文版). 2013(02)
[8]一種綜合監(jiān)測(cè)兩類不同分布類型ENSO事件指標(biāo)的研究[J]. 曹璐,孫丞虎,任福民,袁媛,江靜.  熱帶氣象學(xué)報(bào). 2013(01)
[9]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽(yáng)明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[10]人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J]. 毛健,趙紅東,姚婧婧.  電子設(shè)計(jì)工程. 2011(24)

博士論文
[1]流域水文分析與水文預(yù)報(bào)方法研究[D]. 葉磊.華中科技大學(xué) 2016
[2]中長(zhǎng)期水文預(yù)報(bào)及其在平原洪水資源利用中的應(yīng)用研究[D]. 王富強(qiáng).大連理工大學(xué) 2008

碩士論文
[1]關(guān)聯(lián)規(guī)則挖掘的并行化算法研究[D]. 劉智勇.東南大學(xué) 2016
[2]基于神經(jīng)網(wǎng)絡(luò)的水文預(yù)報(bào)方法研究[D]. 王圣.華中科技大學(xué) 2013
[3]湘江流域中長(zhǎng)期水文預(yù)報(bào)[D]. 宋荷花.長(zhǎng)沙理工大學(xué) 2008
[4]BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究[D]. 劉彩紅.重慶師范大學(xué) 2008
[5]長(zhǎng)江三峽中長(zhǎng)期水文預(yù)報(bào)研究[D]. 孫樹(shù)青.長(zhǎng)沙理工大學(xué) 2007
[6]關(guān)聯(lián)規(guī)則挖掘算法的研究[D]. 張貞梅.山東科技大學(xué) 2005



本文編號(hào)：3220502