單項(xiàng)徑流預(yù)測和分布式SWAT徑流預(yù)測模型研究 ——以潮河流域?yàn)槔?/H1>

發(fā)布時(shí)間：2021-06-17 10:13

　　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(duì)北京市供水安全造成了巨大的壓力。據(jù)統(tǒng)計(jì),2012年密云水庫年均來水量不到4億立方米,比上世紀(jì)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(jié)果造成的,但二者的作用機(jī)理與影響程度則有多種研究結(jié)果。本文以潮河近密云水庫區(qū)域作為研究對(duì)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(yán)重的成因；另一方面將氣象因素作為單獨(dú)考查模塊,進(jìn)行多角度的建模分析。研究采取單項(xiàng)研究方法分析氣象因素與徑流量之間相關(guān)性,首先按照線性系統(tǒng)采用逐步元回歸的方法進(jìn)行預(yù)測,對(duì)于回歸模型的多個(gè)預(yù)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(guān)性,這是回歸模型的優(yōu)勢體現(xiàn),在共線性驗(yàn)證之后,得到較符合預(yù)期的結(jié)果；進(jìn)一步按照非線性系統(tǒng)的預(yù)測,發(fā)現(xiàn)考慮了周期性和隨機(jī)噪聲后的時(shí)間序列模型較線性回歸有更好的擬合結(jié)果,但預(yù)測周期較短；而用BP人工神經(jīng)網(wǎng)絡(luò)得到的預(yù)測精度是最優(yōu)的,原因在于人工神經(jīng)網(wǎng)絡(luò)模型自身強(qiáng)健的魯棒性和容錯(cuò)性,而且對(duì)于率正數(shù)據(jù)集中的... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多元回歸分析模型預(yù)測結(jié)果

suoshi