密云水庫作為北京市重要飲用水源,近年來其入庫水量呈現(xiàn)持續(xù)減少的趨勢,對北京市供水安全造成了巨大的壓力。據(jù)統(tǒng)計,2012年密云水庫年均來水量不到4億立方米,比上世紀六七十年代的峰值12億立方米減少將近60%。多數(shù)研究表明,造成密云水庫來水量顯著減少的原因是土地利用變化特別是大規(guī)模造林和氣候變異共同作用的結果造成的,但二者的作用機理與影響程度則有多種研究結果。本文以潮河近密云水庫區(qū)域作為研究對象,一方面分析其1960年至今以來的徑流變化趨勢,以及近十年來徑流下降嚴重的成因；另一方面將氣象因素作為單獨考查模塊,進行多角度的建模分析。研究采取單項研究方法分析氣象因素與徑流量之間相關性,首先按照線性系統(tǒng)采用逐步元回歸的方法進行預測,對于回歸模型的多個預測自變量,逐步回歸模型可以分析輸入變量之間的內(nèi)部相關性,這是回歸模型的優(yōu)勢體現(xiàn),在共線性驗證之后,得到較符合預期的結果；進一步按照非線性系統(tǒng)的預測,發(fā)現(xiàn)考慮了周期性和隨機噪聲后的時間序列模型較線性回歸有更好的擬合結果,但預測周期較短；而用BP人工神經(jīng)網(wǎng)絡得到的預測精度是最優(yōu)的,原因在于人工神經(jīng)網(wǎng)絡模型自身強健的魯棒性和容錯性,而且對于率正數(shù)據(jù)集中的... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

研究區(qū)域及觀測地圖

多元回歸分析模型預測結果

圖4-4時間序列序列殘差自相關偏相關圖(變量1)

【參考文獻】：
期刊論文
[1]BP神經(jīng)網(wǎng)絡在大理河年徑流預測中的應用[J]. 趙麗娜,宋松柏.  人民黃河. 2010(08)
[2]多元變量徑流預測的最小二乘支持向量機模型[J]. 李彥彬,尤鳳,黃強,徐建新.  水力發(fā)電學報. 2010(03)
[3]基于四種方法的月徑流預測研究[J]. 李計,李毅,嚴寶文,宋松柏.  水利與建筑工程學報. 2010(02)
[4]基于逐步回歸均生函數(shù)模型的哈爾濱站年徑流預測分析[J]. 崔景山,葉柳.  黑龍江水利科技. 2009(04)
[5]投影尋蹤自回歸模型在長江徑流量預測中的應用[J]. 于國榮,葉輝,夏自強,趙小勇.  河海大學學報(自然科學版). 2009(03)
[6]水文模型組合預報應用研究[J]. 黃志強,李柏宏,凌仙華.  浙江水利水電�？茖W校學報. 2009(01)
[7]人工神經(jīng)網(wǎng)絡BP模型在枯季徑流量預測中的應用[J]. 鄒文安,劉立博,王鳳.  水資源研究. 2008(03)
[8]BP神經(jīng)網(wǎng)絡預測河流月徑流量[J]. 胡賓,崔廣柏,朱靈芝.  浙江水利科技. 2007(02)
[9]年徑流預測的小波系數(shù)加權和模型[J]. 李亞嬌,沈冰,李家科.  應用科學學報. 2007(01)
[10]基于小波分析的月徑流ARIMA預測方法[J]. 劉曉安,王金文,王海偉.  水電自動化與大壩監(jiān)測. 2006(04)

碩士論文
[1]涇河流域徑流變化規(guī)律與預報模型研究[D]. 呂靜渭.西北農(nóng)林科技大學 2010



本文編號：3235001