非汛期径流预报方法的应用研究

摘要

随着社会主义现代化事业的不断发展，国民经济各个部门对水文预报提出的要求越来越高：从防洪抗旱的指挥，大中小型水利、水电、水运工程的兴建、管理运行直至国防建设都要求水文部门能提供预见期长、准确性高的径流预报。 径流预报方法可以分为两种：过程驱动方法和数据驱动方法。过程驱动方法认为从系统的理论来看，径流是流域系统的输出。它用数学的方法估计控制径流过程的流域内在物理过程。而数据驱动方法是基于黑箱子方法的，它从数学上识别输入和输出的关系，而不考虑流域内在的物理机制。 本文首先对径流预报的意义和研究现状进行了概述，介绍了数据驱动模型的三种理论和方法：逐步回归分析、BP 神经网络和多维时间序列模型。分别对影响伊洛河流域黑石关、卢氏和栾川站日径流过程的因素进行了分析，在此基础上，选取合适的预报因子，确定模型的结构和参数。 根据递归的方法，用率定好的模型和综合预报方法对各站1996～2001年非汛期日径流过程进行多步外推预报，对试报结果进行了分析和比较。 本研究建立的模型计算方便，应用简单，所需的资料和参数较少，进一步完善后可广泛应用于其它地区的径流预报。

目录

文摘

英文文摘

声明

第1章绪论

1.1引言

1.2国内外研究概况

1.2.1回归分析方法

1.2.2人工神经网络

1.2.3时间序列模型

1.3本文研究内容

第2章逐步回归模型

2.1回归分析简介

2.2逐步回归分析原理

2.3逐步回归一些问题的说明

第3章BP神经网络模型

3.1 ANN概述

3.2经典BP神经网络

3.2.1 BP网络模型特点

3.2.2 BP网络学习算法

3.2.3网络的训练过程

3.3 BP算法的启发式改进

3.3.1附加动量法

3.3.2自适应学习速率

3.3.3动量-自适应学习速率调整算法

3.4网络的设计

第4章多维时间序列模型

4.1时间序列模型简介

4.2多维时间序列模型的原理和方法

第5章模型应用实例

5.1流域概况和资料说明

5.1.1流域地理位置及地形地貌特征

5.1.2气象水文

5.1.3水利工程概况

5.1.4资料说明

5.2评价指标

5.3模型的建立和应用

5.3.1黑石关站

5.3.2卢氏站

5.3.3栾川站

5.4模型在不同地区应用效果的分析

第6章总结与展望

6.1总结

6.2展望

参考文献

附录

致谢