中長期徑流預報對掌握未來徑流信息,實現(xiàn)水資源科學管理和優(yōu)化調(diào)度具有重要意義。進行中長期徑流預報模型的耦合計算和綜合評價,可為中長期徑流預報模型的應用研究,提高站點的預報精度提供重要參考。本文介紹了中長期徑流預報原理及其模型,分析總結目前中長期徑流預報研究中存在的問題。以黃河流域民和、蘭州、龍門、白馬寺和黑石關水文站的天然年徑流序列為研究對象,選取平均絕對誤差(MAE)、平均相對誤差(MRE)、均方根誤差(RMSE)和均方百分比誤差(MSPE)4個誤差指標,運用信息熵確定各誤差指標的權重,得到徑流預報模型的優(yōu)屬度,實現(xiàn)模型的綜合評價。本文主要的研究內(nèi)容和結論如下:(1)研究區(qū)站點徑流單一預報模型的構建。應用中長期徑流預報的周期分析和時間序列預報模型,建立研究區(qū)站點的周期外延疊加、均生函數(shù)、自回歸(AR)和馬爾科夫4個單一預報模型。結果表明,單一模型的綜合評價結果集中,民和和白馬寺水文站均生函數(shù)模型的優(yōu)屬度,取得最大值分別為0.963和1.000,蘭州、龍門和黑石關水文站AR模型的優(yōu)屬度,取得最大值分別為0.966、0.989和1.000。應用馬爾科夫模型進行定性預報時,模型精度和可靠性較低。(2)研究區(qū)站點徑流耦合預報模型的構建。根據(jù)單一預報模型的特點,嘗試將不同的模型進行耦合計算,以期提高中長期徑流預報的精度。耦合模型包括灰色-周期外延疊加、均生函數(shù)-逐步回歸、加權馬爾可夫、灰色-逐步回歸周期、EEMD-BP神經(jīng)網(wǎng)絡、PPRGSRP、PPARWD和模糊綜合分析模型。結果表明,耦合模型的綜合評價結果集中,民和水文站PPARWD模型、蘭州和黑石關水文站EEMD-BP模型的優(yōu)屬度,均取得最大值1.000,龍門水文站PPRGSRP模型的優(yōu)屬度,取得最大值0.962,白馬寺水文站模糊綜合分析模型的優(yōu)屬度,取得最大值0.967。應用加權馬爾科夫模型解決了馬爾科夫模型最大轉移概率不唯一的弊端,模型精度和可靠性提高。(3)研究區(qū)站點徑流預報模型的優(yōu)選研究。結合單一預報模型和耦合預報模型的誤差指標的計算結果,計算各站點所有模型的優(yōu)屬度,實現(xiàn)模型優(yōu)選。結果表明,民和水文站的優(yōu)選模型為PPARWD模型、蘭州和黑石關水文站為EEMD-BP模型、龍門水文站為PPRGSRP模型、白馬寺水文站為模糊綜合分析模型。
【學位單位】：西北農(nóng)林科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：P338
【部分圖文】：

圖 2-1 單個人工神經(jīng)元模型圖Fig. 2-1 Single artificial neuron model入層、隱含層和輸出層的 3 層 BP 神經(jīng)網(wǎng)絡模型如圖 2-2 所示(Ho16)。1x 輸入層隱含層輸出層 1yyiym 2xjxnx圖 2-2 三層 BP 神經(jīng)網(wǎng)絡模型圖

eti為總輸入凈值；θ為閾值。 輸出1x輸入2x輸入i1 i2 jx輸入nx輸入 ij in 閾值 輸入圖 2-1 單個人工神經(jīng)元模型圖Fig. 2-1 Single artificial neuron model層、隱含層和輸出層的 3 層 BP 神經(jīng)網(wǎng)絡模型如圖 2-2 所示(Hos6)。1x輸入層隱含層

西北農(nóng)林科技大學碩士學位論文ermite 多項式歸模型的過程中，如何選擇合適的優(yōu)化算法和法采用遺傳算法，嶺函數(shù)擬合采用埃爾米特(界“優(yōu)勝劣汰，適者生存”的生物進化機理引需要計算模型的適應度值，然后進行選擇操作最好的個體。通過循環(huán)計算直至滿足結束條件創(chuàng)建初始種群
【相似文獻】

相關期刊論文 前10條

1 張衛(wèi)國;鐘平安;張玉蘭;郭樂;王新龍;;季節(jié)性支持向量機中長期徑流預報模型[J];水力發(fā)電;2014年04期

2 袁子勇;梁虹;;人工神經(jīng)網(wǎng)絡在徑流預報中的述評與展望[J];水科學與工程技術;2009年01期

3 陳賢章;;祁連山積雪衛(wèi)星監(jiān)測與缺水期徑流預報研究課題通過鑒定[J];遙感信息;1987年02期

4 周惠成;張楊;唐國磊;王雅軍;蹇德平;;二灘水電站中長期徑流預報研究[J];水電能源科學;2009年01期

5 紀昌明;張培;吳月秋;張驗科;李榮波;;基于小波分析-穩(wěn)健估計的徑流預報模型及應用[J];水力發(fā)電學報;2017年06期

6 丁義;邵朋昊;繆益平;;楊房溝電站大江截流期徑流預報[J];人民長江;2017年S1期

7 鄒俏俏;;歐氏距離與趨勢值在中長期徑流預報中的應用[J];東北水利水電;2017年06期

8 楊應舉;天生橋一級水電站中長期徑流預報系統(tǒng)的應用及效益[J];貴州水力發(fā)電;2005年03期

9 王根緒;長期徑流預報的灰色雙向差分模型[J];蘭州大學學報;1994年02期

10 閃麗潔;張利平;劉戀;賈軍偉;;基于多方法優(yōu)選因子和人工神經(jīng)網(wǎng)絡耦合模型的枯水期徑流預報[J];武漢大學學報(工學版);2015年06期

相關博士學位論文 前10條

1 楊榮新;基于組合智能優(yōu)化算法的云南省徑流預報系統(tǒng)研究[D];華中科技大學;2006年

2 張小麗;水電站不同預見期徑流預報及優(yōu)化調(diào)度研究[D];大連理工大學;2016年

3 劉芳;基于小波分析和相關向量機的非線性徑流預報模型研究[D];華中科技大學;2007年

4 唐國磊;考慮徑流預報及其不確定性的水電站水庫調(diào)度研究[D];大連理工大學;2009年

5 徐煒;考慮中期徑流預報及其不確定性的水庫群發(fā)電優(yōu)化調(diào)度模型研究[D];大連理工大學;2014年

6 盧迪;耦合中長期徑流預報信息的水庫調(diào)度方式研究[D];大連理工大學;2015年

7 羅蔣梅;基于不同率定期資料的月、季徑流預報方法研究[D];南京信息工程大學;2012年

8 張新明;水電站水庫群中長期徑流預報及短期優(yōu)化調(diào)度研究[D];華北電力大學;2014年

9 李克飛;水庫調(diào)度多目標決策與風險分析方法研究[D];華北電力大學;2013年

10 李紅霞;無徑流資料流域的水文預報研究[D];大連理工大學;2009年

相關碩士學位論文 前10條

1 石繼海;中長期徑流預報模型研究[D];西北農(nóng)林科技大學;2019年

2 周正弘;基于熵譜理論的中長期徑流預報模型研究及應用[D];西北農(nóng)林科技大學;2018年

3 張靜;TIGGE降雨集合數(shù)據(jù)驅動下徑流預報技術研究[D];華中科技大學;2017年

4 葛樂壯;基于多模型預報信息融合及模型參數(shù)優(yōu)化的徑流預報方法研究[D];華中科技大學;2018年

5 顧逸;基于長短期記憶循環(huán)神經(jīng)網(wǎng)絡及其結構約減變體的中長期徑流預報研究[D];華中科技大學;2018年

6 王學武;圖們江流域水文特性分析及中長期徑流預報研究[D];長春工程學院;2018年

7 王遷;中長期徑流預報系統(tǒng)的設計與實現(xiàn)[D];南昌航空大學;2018年

8 劉佳;中長期徑流預報技術及應用系統(tǒng)研究[D];東華大學;2011年

9 狄源碩;中長期徑流預報模型與方法綜合應用研究[D];大連理工大學;2015年

10 姜珊;嫩江流域中長期徑流預報方法比較研究[D];吉林大學;2011年

本文編號：2843706