黃河中游典型流域洪水分類實(shí)時(shí)預(yù)報(bào)研究
發(fā)布時(shí)間:2023-10-13 20:57
在氣候變化和人類活動(dòng)的共同作用下,黃河流域的流域水循環(huán)發(fā)生了顯著變化。尤其是黃河中游地區(qū),產(chǎn)匯流狀況復(fù)雜,加上洪水本身存在的不確定性,若只使用一套模型參數(shù)來對整個(gè)流域的洪水進(jìn)行預(yù)報(bào),將難以得到理想的預(yù)報(bào)結(jié)果。本文在“十三五”國家科技支撐計(jì)劃項(xiàng)目“黃河流域水沙變化機(jī)理與趨勢預(yù)測”(2016YFC040240203)的支撐下,選擇有代表性的洛河故縣水庫及汾河上游靜樂站控制流域?yàn)榈湫脱芯繉ο?構(gòu)建F-K++洪水分類預(yù)報(bào)方法,對典型流域內(nèi)的洪水進(jìn)行實(shí)時(shí)分類,并在得到分類洪水的基礎(chǔ)上利用蓄滿-超滲兼容模型與LSTM模型分別進(jìn)行預(yù)報(bào)。為了提高預(yù)報(bào)精度,采用蓄滿-超滲兼容模型進(jìn)行洪水預(yù)報(bào),然后利用LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行實(shí)時(shí)校正。研究的主要內(nèi)容及結(jié)論如下:(1)F-K++洪水分類預(yù)報(bào)方法的構(gòu)建為了解決目前洪水分類方法存在的不足,構(gòu)建洪水實(shí)時(shí)分類方法對洪水進(jìn)行分類,構(gòu)建的F-K++洪水實(shí)時(shí)分類方法過程主要包括三個(gè)模塊:樣本處理模塊、聚類分析模塊、實(shí)時(shí)洪水分類模塊,有效解決多維特征指標(biāo)間的冗余性問題和k-means++算法最佳聚類數(shù)k確定的問題。并將分類方法應(yīng)用于洛河故縣水庫及汾河上游靜樂站控制流域。(...
【文章頁數(shù)】:84 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 洪水分類預(yù)報(bào)研究現(xiàn)狀
1.2.2 水文模型國內(nèi)外研究現(xiàn)狀
1.3 目前存在的問題
1.4 研究內(nèi)容
1.5 研究技術(shù)路線
2 洪水實(shí)時(shí)分類方法的構(gòu)建與應(yīng)用
2.1 分類方法
2.2 F-K++洪水實(shí)時(shí)分類方法的構(gòu)建
2.2.1 樣本處理模塊
2.2.2 聚類分析模塊
2.2.3 BP神經(jīng)網(wǎng)絡(luò)洪水分類模型
2.3 故縣水庫洪水分類
2.3.1 流域概況
2.3.2 洪水樣本處理
2.3.3 洪水聚類分析
2.3.4 洪水實(shí)時(shí)分類
2.4 靜樂站控制流域洪水分類
2.4.1 流域概況
2.4.2 洪水樣本處理
2.4.3 洪水聚類分析
2.4.4 洪水實(shí)時(shí)分類
2.5 小結(jié)
3 蓄滿-超滲兼容模型的應(yīng)用
3.1 蓄滿-超滲兼容模型
3.1.1 模型結(jié)構(gòu)
3.1.2 模型主要參數(shù)
3.1.3 參數(shù)率定方法
3.1.4 模型評價(jià)方法
3.2 模型在故縣水庫的應(yīng)用
3.2.1 分類洪水的參數(shù)率定
3.2.2 分類洪水模擬結(jié)果分析
3.3 模型在靜樂站控制流域的應(yīng)用
3.3.1 分類洪水的參數(shù)率定
3.3.2 分類洪水模擬結(jié)果分析
3.4 小結(jié)
4 基于LSTM神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)洪水預(yù)報(bào)
4.1 LSTM神經(jīng)網(wǎng)絡(luò)
4.2 LSTM神經(jīng)網(wǎng)絡(luò)模型在典型流域的應(yīng)用
4.2.1 故縣水庫洪水分類預(yù)報(bào)
4.2.2 靜樂站控制流域洪水分類預(yù)報(bào)
4.2.3 模擬結(jié)果對比分析
4.3 基于LSTM神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)洪水校正預(yù)報(bào)
4.3.1 故縣水庫實(shí)時(shí)校正預(yù)報(bào)
4.3.2 靜樂站控制流域?qū)崟r(shí)校正預(yù)報(bào)
4.4 小結(jié)
5 結(jié)論及展望
5.1 結(jié)論
5.2 新見解
5.3 展望
參考文獻(xiàn)
個(gè)人簡歷、在校期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝
本文編號:3853760
【文章頁數(shù)】:84 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 洪水分類預(yù)報(bào)研究現(xiàn)狀
1.2.2 水文模型國內(nèi)外研究現(xiàn)狀
1.3 目前存在的問題
1.4 研究內(nèi)容
1.5 研究技術(shù)路線
2 洪水實(shí)時(shí)分類方法的構(gòu)建與應(yīng)用
2.1 分類方法
2.2 F-K++洪水實(shí)時(shí)分類方法的構(gòu)建
2.2.1 樣本處理模塊
2.2.2 聚類分析模塊
2.2.3 BP神經(jīng)網(wǎng)絡(luò)洪水分類模型
2.3 故縣水庫洪水分類
2.3.1 流域概況
2.3.2 洪水樣本處理
2.3.3 洪水聚類分析
2.3.4 洪水實(shí)時(shí)分類
2.4 靜樂站控制流域洪水分類
2.4.1 流域概況
2.4.2 洪水樣本處理
2.4.3 洪水聚類分析
2.4.4 洪水實(shí)時(shí)分類
2.5 小結(jié)
3 蓄滿-超滲兼容模型的應(yīng)用
3.1 蓄滿-超滲兼容模型
3.1.1 模型結(jié)構(gòu)
3.1.2 模型主要參數(shù)
3.1.3 參數(shù)率定方法
3.1.4 模型評價(jià)方法
3.2 模型在故縣水庫的應(yīng)用
3.2.1 分類洪水的參數(shù)率定
3.2.2 分類洪水模擬結(jié)果分析
3.3 模型在靜樂站控制流域的應(yīng)用
3.3.1 分類洪水的參數(shù)率定
3.3.2 分類洪水模擬結(jié)果分析
3.4 小結(jié)
4 基于LSTM神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)洪水預(yù)報(bào)
4.1 LSTM神經(jīng)網(wǎng)絡(luò)
4.2 LSTM神經(jīng)網(wǎng)絡(luò)模型在典型流域的應(yīng)用
4.2.1 故縣水庫洪水分類預(yù)報(bào)
4.2.2 靜樂站控制流域洪水分類預(yù)報(bào)
4.2.3 模擬結(jié)果對比分析
4.3 基于LSTM神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)洪水校正預(yù)報(bào)
4.3.1 故縣水庫實(shí)時(shí)校正預(yù)報(bào)
4.3.2 靜樂站控制流域?qū)崟r(shí)校正預(yù)報(bào)
4.4 小結(jié)
5 結(jié)論及展望
5.1 結(jié)論
5.2 新見解
5.3 展望
參考文獻(xiàn)
個(gè)人簡歷、在校期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝
本文編號:3853760
本文鏈接:http://sikaile.net/projectlw/dqwllw/3853760.html
最近更新
教材專著