泾河流域径流预报模型研究

发布时间：2017-04-24 08:16

  本文关键词：泾河流域径流预报模型研究，由笔耕文化传播整理发布。

【摘要】：地表径流受气候、流域自然地理及人类活动等多种因素影响,其变化特性和规律错综复杂,表现出随机性、灰色性、非线性等复杂特征,准确而及时的径流预报对水资源合理利用以及防汛抗旱工作具有重要的理论意义和实用价值。泾河流域灌溉农业发达,但地表径流年内分布不均,造成农业灌溉在关键期缺水,径流预报可以为流域水资源合理利用及泾惠渠灌区水资源实时调度提供依据。本文基于泾河流域张家山站的多年径流资料,开展月、日尺度的径流预报研究。采用BP神经网络模型、支持向量机回归模型、广义回归神经网络模型和差分自回归移动平均模型四种单项预测模型预报月径流;结合多分辨率分析的小波分析理论,建立了小波神经网络模型、小波支持向量机回归模型、小波广义回归神经网络模型三种组合预测方法;选择均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)以及相关系数(R)四个指标作为模型预测精度的评价标准;采用matlab软件实现模型的率定及验证。比较各种预测方法的精度,优选出适合于张家山站月径流预测的推荐方法,并运用张家山站的推荐月径流组合预测方法来预报日径流。得到如下结果:(1)单项预报模型中,对于检验期较长的BP神经网络模型、支持向量机回归模型和广义人工神经网络模型,检验期支持向量机回归模型的RMSE、MAE、DC、R分别为27.93 m3/s、13.43 m3/s、0.338、0.662,优于其它两种方法;对于检验期较短的差分自回归移动平均模型考虑了同一月份不同年的影响,优于其它三种单项预报模型,可以运用于检验期较短的预报。(2)为了提高预测模型的精度,本文尝试将小波分析与前三种单项预测方法相结合,利用小波分析的多分辨率分析原理,建立小波神经网络模型、小波支持向量机回归模型和小波广义回归神经网络模型。研究结果发现,组合模型相比单项预报模型可以显著提高张家山站的月径流预报精度。小波神经网络模型在检验阶段的四个评价指标分别为26.03 m3/s、17.96 m3/s、0.425、0.664,优于BP神经网络模型在检验阶段的各项指标,相应地,小波支持向量机回归模型的各项指标为12.46 m3/s、7.74 m3/s、0.868、0.935远远优于支持向量机回归模型,小波广义回归神经网络模型的各项指标18.91 m3/s、13.14 m3/s、0.697、0.854远远优于广义回归神经网络模型。(3)对比三种组合预测模型,发现小波支持向量机回归模型和小波广义回归神经网络模型精度满足月径流预测精度要求,在检验期的各项评价指标明显优于小波神经网络模型,其中小波支持向量回归模型精度最高,推荐为张家山站月径流预测模型,可以运用于张家山站的月径流预报。(4)为了验证小波支持向量机回归模型的有效性和实用性,本文尝试将该模型运用于张家山站的日径流预报。建立的小波支持向量机回归模型在检验期的RMSE、MAE、DC、R分别为26.05 m3/s、8.26 m3/s、0.826、0.910,与仅使用支持向量机回归模型相比,小波支持向量机回归模型预测精度明显高于单一模型,且非汛期预测效果优于汛期。该模型可有效模拟和预测日径流,为日径流预测提供了一种新途径。
【关键词】：泾河流域 径流预报 小波分析 单项预测模型 组合模型
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P338
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-23
• 1.1 研究目的和意义11
• 1.2 国内外研究进展11-19
• 1.2.1 传统水文预报方法12-14
• 1.2.2 现代水文预报方法14-19
• 1.3 目前研究存在的问题19-20
• 1.4 本文主要研究内容和技术路线20-21
• 1.4.1 研究的主要内容20
• 1.4.2 技术路线20-21
• 1.5 研究区概况及资料21-23
• 第二章 研究原理和方法23-33
• 2.1 人工神经网络23-25
• 2.1.1 BP神经网络模型23-24
• 2.1.2 BP学习算法24-25
• 2.2 差分自回归移动平均模型25-27
• 2.2.1 模型原理25-26
• 2.2.2 求解ARIMA模型的一般步骤26-27
• 2.3 支持向量机27-29
• 2.3.1 支持向量机基本原理27-28
• 2.3.2 支持向量机回归方法28-29
• 2.4 广义回归神经网络29-31
• 2.4.1 网络基本结构29-30
• 2.4.2 GRNN的理论基础30-31
• 2.5 小波分析31-32
• 2.6 模型模拟和预报效果精度评定方法32-33
• 第三章 基于单项预测方法的月径流预测33-41
• 3.1 BP神经网络模型33-34
• 3.1.1 BP网络结构确定33
• 3.1.2 BP网络预测结果33-34
• 3.2 支持向量机回归模型34-36
• 3.2.1 建模步骤34
• 3.2.2 模型应用34-36
• 3.3 广义回归神经网络模型36-37
• 3.4 差分自回归移动平均模型37-39
• 3.5 单项预测方法精度比较39-40
• 3.6 本章小结40-41
• 第四章 基于组合预测方法的日、月径流预测41-55
• 4.1 小波神经网络模型41-43
• 4.1.1 模型建立41-42
• 4.1.2 模型应用42-43
• 4.2 小波支持向量机回归模型43-47
• 4.2.1 模型建立43-44
• 4.2.2 模型应用44-47
• 4.3 小波广义回归神经网络模型47-49
• 4.3.1 模型建立47
• 4.3.2 模型应用47-49
• 4.4 组合预测方法精度比较49-50
• 4.5 基于小波支持向量机回归模型的日径流预测50-53
• 4.5.1 模型建立50-51
• 4.5.2 模型应用51-53
• 4.6 本章小结53-55
• 第五章 结论与展望55-57
• 5.1 结论55-56
• 5.2 展望56-57
• 参考文献57-61
• 致谢61-62
• 作者简介62

【相似文献】

中国期刊全文数据库 前10条

1 张松;崔铁军;牟玉兴;周松川;田尧;;基于ActiveX的3维模型建模方法研究[J];测绘与空间地理信息;2011年02期

2 包玉海，宝力格，包刚;改进DHGM（2，2）模型[J];内蒙古师大学报(自然科学汉文版);1995年02期

3 叶亮;潘尔顺;奚立峰;;模型精度对自控性能的影响及谨慎控制策略[J];计算机集成制造系统;2007年10期

4 周长芹;杜迎雪;何霞;;最小一乘准则GM(1,1)模型[J];廊坊师范学院学报(自然科学版);2013年02期

5 伍艳春;一种提高灰色预测模型精度的方法[J];系统工程;1997年04期

6 范家明;陶大欣;朱建青;朱长青;;一种基于TIN的DEM表面C~1光滑插值模型[J];测绘科学技术学报;2007年03期

7 陈鹏;陈家君;;全球电离层格网模型精度影响因素分析[J];大地测量与地球动力学;2014年02期

8 潘延玲,叶声华,丁海元;工业大地测量系统模型精度的验证[J];工程勘察;2000年05期

9 王良健;GM(1,1)模型在湖南严重干旱预报上的应用[J];干旱区地理;1995年01期

10 王弘宇,马放,杨开,吕斌;灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究[J];武汉大学学报(工学版);2004年06期

中国重要会议论文全文数据库 前1条

1 丁松;党耀国;徐宁;;灰色Verhulst模型的灰导数优化及其应用[A];第25届全国灰色系统会议论文集[C];2014年

中国博士学位论文全文数据库 前1条

1 刘梦涵;面向特大城市的分层次交通拥堵评价模型及算法[D];北京交通大学;2009年

中国硕士学位论文全文数据库 前10条

1 杨知;GM(1,1)模型的优化及其应用研究[D];南京航空航天大学;2009年

2 李辰;交通方式划分的LOGIT模型方法[D];河海大学;2004年

3 钱吴永;数据变换技术与GM(1，1)模型研究[D];南京航空航天大学;2009年

4 孙禹枫;CAD模型修复技术研究[D];华中科技大学;2007年

5 朱健;建筑物变形监测数据分析中的灰色改进模型应用研究[D];长安大学;2007年

6 庞庆非;基于移动变窗口的地表温度空间分辨率提升模型[D];电子科技大学;2013年

7 胡得胜;基于模型的汽油机气路系统控制map标定[D];吉林大学;2015年

8 曾柯方;几种灰预测模型的参数辨识与优化方法研究[D];西华师范大学;2015年

9 钟政;包含辅助图形基于制程窗口的OPC模型[D];复旦大学;2011年

10 王珂靖;统计型人口数据多尺度空间化模型研究[D];华东师范大学;2015年

  本文关键词：泾河流域径流预报模型研究，，由笔耕文化传播整理发布。

本文编号：323865