水位预测
水位预测的相关文献在1994年到2022年内共计207篇,主要集中在地球物理学、水利工程、自动化技术、计算机技术
等领域,其中期刊论文95篇、会议论文18篇、专利文献113900篇;相关期刊77种,包括河海大学学报(自然科学版)、地下水、湖泊科学等;
相关会议16种,包括2013第九届海峡两岸地工技术/岩土工程交流研讨会、2013年中国水利学会勘测专业委员会年会暨技术交流会、第十六届海峡两岸水利科技交流研讨会等;水位预测的相关文献由620位作者贡献,包括陈友武、雷晓辉、马森标等。
水位预测—发文量
专利文献>
论文:113900篇
占比:99.90%
总计:114013篇
水位预测
-研究学者
- 陈友武
- 雷晓辉
- 马森标
- 黄祖海
- 黄正鹏
- 徐飞
- 张召
- 戴会超
- 徐杨
- 王浩
- 王超
- 田雨
- 管杰
- 薛安克
- 乔雨
- 冯创业
- 刘亚新
- 刘俊民
- 刘华役
- 张锦
- 梁雪春
- 沈军
- 潘志松
- 王晓龙
- 袁智翔
- 赵诚
- 陈宇龙
- Liu Junmin
- Pang Wei
- 万定生
- 严建华
- 付佳龙
- 任小凤
- 任玉峰
- 何宏平
- 何峰
- 何必仕
- 倪明江
- 全秀峰
- 兰帮福
- 冯克印
- 冯永新
- 刘伟
- 刘善军
- 刘应欢
- 刘志武
- 刘文峰
- 刘昭伟
- 刘涛
- 华小军
-
-
张睿芝;
戴凌全;
戴会超;
刘亚新;
蔡卓森;
刘芬
-
-
摘要:
针对传统的LSTM模型存在网络训练受阻、泛化能力减弱、预测精度和效率较低的问题,从模型结构和参数优选两方面进行改进。结构方面,在LSTM模型前加入具有多层结构的神经网络层;参数优选方面,采用多层网格搜索法选取模型参数。以长江中游典型通江湖泊——洞庭湖不同湖区的水位预测为例,与传统的LSTM模型、BP神经网络及水动力模型相比,改进型LSTM模型平均均方根误差分别减少58.80%、65.95%、44.14%;从预测计算时间来看,改进型LSTM模型所消耗的时间比传统的LSTM模型缩短62.12%,且明显少于水动力模型,总体来看改进型LSTM模型的整体性能优于其他三种模型。将改进型LSTM模型应用到三峡水库蓄水对洞庭湖水位的影响分析上,结果表明:三峡水库运行对洞庭湖不同湖区水位的影响具有明显的空间异质性,城陵矶站受其影响最为显著,其次为东洞庭湖鹿角站和西洞庭湖南咀站,南洞庭湖受影响最小。蓄水期间东洞庭湖城陵矶站水位平均下降0.44 m,最大降幅为1.55 m;鹿角站水位平均下降0.22 m,最大降幅为1.02 m;西洞庭湖南咀站水位平均下降0.27 m,最大降幅为1.28 m;南洞庭湖杨柳潭站水位平均下降0.15 m,最大降幅为1 m。研究成果为快速准确预测三峡水库影响下的洞庭湖水位提供了新的手段,同时也可为三峡水库的蓄水策略优化提供重要参考依据。
-
-
刘艳;
张婷;
康爱卿;
李建柱;
雷晓辉
-
-
摘要:
为有效预测未来一定时间内的连续水位,提出了基于序列到序列(Seq2Seq)的短期水位预测模型,并使用一个长短期记忆神经网络(LSTM)作为编码层,将历史水位序列编码为一个上下文向量,使用另一个LSTM作为解码层,将上下文向量解码来预测目标水位序列。以流溪河为研究对象,针对不同预测长度分别建立水位预测模型,并与LSTM模型和人工神经网络(ANN)模型进行了对比。结果表明:Seq2Seq模型对连续6 h、12 h和24 h水位预测的纳什效率系数最高分别为0.93、0.90和0.85;当预测长度为6 h时,LSTM和Seq2Seq模型预测结果相似,ANN模型精度较低;当预测长度为12 h和24 h时,Seq2Seq模型相比LSTM模型和ANN模型预测效果更好,收敛速度更快。
-
-
胡腾飞;
施勇;
毛劲乔;
栾震宇;
陈炼钢;
陈黎明;
金秋;
徐祎凡;
戴会超
-
-
摘要:
为解决河湖水位支持向量回归(SVR)模型输入变量选择问题,提出了基于进化算法的模型结构-参数同步优化方法.该方法可应对复杂河湖交汇水系输入变量搜索空间的高维特性,减小源自模型结构及参数不确定性的模型误差.将提出方法应用于洞庭湖城陵矶站和荆江陈二口站水位建模,结果显示:提出方法可准确反映不同影响因素对水位预测的作用大小,城陵矶水位预测最主要的外部变量为长江来水和湘江来水,陈二口水位预测则为枝城站和马家店水位;该方法可充分发掘SVR潜力,2个站点的水位模型均取得了理想精度(R^(2)>0.998);提出方法采用的n折交叉验证方式可有效避免模型过拟合问题.综上,提出的SVR模型结构-参数同步优化方法适用于河流湖泊,特别是复杂河湖交汇水系的水位建模.
-
-
李加龙;
李慧赟;
罗潋葱;
龚发露;
张如枫;
刘凤龙;
吴松涛;
罗碧瑜
-
-
摘要:
在极端气候事件频发和人类活动加剧的背景下,抚仙湖水位波动显著,尤其是2009—2012年极端干旱事件的发生,使抚仙湖平均水位(1721.31 m)低于法定最低水位(1721.65 m),给生态环境安全带来严重威胁.因此,找到合适有效的湖泊水位模拟方法,对气候变化影响下的未来水位进行预测,并做好相应的应对准备,对湖泊生态系统的保护至关重要.本文运用DYRESM水动力模型对抚仙湖1959—2050年水位进行了模拟.因抚仙湖流域尚无长时间序列的历史水文观测数据,故利用模型和水量补偿法对抚仙湖入湖水量进行反推,构建了降水量—入湖水量的回归方程,并通过有效的实测入湖水量和水位数据,对回归方程的精度进行了检验.利用全球气候模式BCC-CSM2-MR中SSP245和SSP585两种情景提供的未来气候预估数据,运用DYRESM预测了抚仙湖2021—2050年水位变化趋势.结果表明:(1)构建的DYRESM水动力模型和降水—入湖水量回归方程精度较高,模型结果能很好地反映抚仙湖水位的年际和年内变化趋势,且能有效捕捉到抚仙湖的水位峰值.(2)在SSP245和SSP585两种情景下,抚仙湖2021—2050年多年平均水位分别为1722.98和1723.93 m,较1959—2017年平均水位1721.77 m分别升高1.21和2.16 m.两种情景下抚仙湖未来水位均有部分时段超过法定最高蓄水位(1723.35 m),但均高于法定最低水位.因此,未来气候变化对抚仙湖水量的影响有限,并不会导致水位过低,当水位超过法定最高蓄水位时,可通过控制出流闸门将水位调节在合理范围内.
-
-
王迎飞;
黄应平;
肖敏;
熊彪;
周爽爽;
靳专
-
-
摘要:
为提高长短期记忆网络(Long Short-Term Memory,LSTM)在水位预测任务中的准确性,以及提高LSTM对数据中时空信息的利用率,本文提出了一种基于Softmax函数的注意力模块,并将其应用在LSTM的输入前,使模型可以根据输入数据中的时间和空间信息,自主地生成带有权重的词义向量,并赋予输入序列时间和空间注意力权重值.注意力机制增强了LSTM模型对时间序列的处理能力,同时使LSTM模型能够对数据空间信息具备一定的应对能力.最后在长江汛期的水位数据上进行预测试验,以E_(MAE)、E_(RMSE)、E_(MAPE)和R^(2)作为评价指标,将所提出的模型与原始LSTM模型进对比,同时分析了权重分布情况.结果表明,该模型对水位预测的精度有明显提升,应用了时空注意力机制的LSTM(AT-LSTM)相比于原始LSTM,E_(MAE)、E_(RMSE)和E_(MAPE)分别降低了21.77%、31.15%和17.4%,R^(2)提高了9.69%.
-
-
薛萍;
张召;
雷晓辉;
卢龙彬;
颜培儒;
李月强
-
-
摘要:
针对建筑物调控下的水位预测难题,建立基于BP神经网络的泵站前池水位预测模型,在不同时间尺度下分析时间序列、影响因子、预报因子对水位预测精度的影响。将构建模型应用于胶东调水工程东宋泵站,研究结果表明:在数据总量一定的情况下,训练期和预测期之比为7∶3时,预测结果较好;数据量越大,保持一定预报精度所需要的正相关的影响因子数量越多;短时间内,预测时间间隔与数据本身时间间隔相同时,预测效果更好。该构建模型能够满足明渠调水工程泵站前池的水位动态预测需求,实现泵站前池水位的2 h准确预测和4 h一般准确预测,同时可在其他类似明渠调水工程中推广应用。
-
-
刘威;
尹飞
-
-
摘要:
受降水量、径流等因素的影响,水库的长期水位预测面临巨大挑战。提出了一种新的基于长短期记忆(Long Short Term Memory, LSTM)网络的时间序列模型,对沂沭泗流域中的石梁河水库水位进行了预测和性能评价。该模型整合了降雨、水流和土壤含水量等历史信息,并通过实验获取最优预测步长,从而提高了模型的预测准确度,并且稳定性更好,避免出现较大的误差。实验使用Nash-Sutcliffe效率(NSE)、Pearson相关系数平方(R;)和绝对均方根误差(Root Mean Square Errors, RMSE)等评价指标,与基本的多层感知机模型和卷积神经网络(Convolutional Neural Networks, CNN)比较,得出如下结论:① LSTM模型的预测值不存在明显较小的波峰或波谷;②模型的预测精度不会随着预测时间步长的增加而急剧下降;③在真实的洪水事件预测中,雨量较小时不会引起预报线的波动,且预测洪峰时偏离度较小。当然,如何在大规模流域中应用该模型,以及对流域中的多个水库水位同时预测等问题,将在未来的工作中进行进一步的研究和分析。
-
-
刘晓伟;
哈明虎;
雷晓辉;
张召
-
-
摘要:
针对多种水工建筑物相互作用和影响下的泵站水位预测难题,提出基于GRA-NARX(grey relation analysis-nonlinear autoregressive model with exogenous inputs)神经网络的泵站站前水位预测模型。该模型包括灰色关联分析(GRA)和NARX神经网络两部分,利用3种训练算法和不同时间延迟分别对密云水库调蓄工程屯佃泵站站前水位进行2 h预测,并与NARX模型和GRA-BP(grey relation analysis-back propagation)模型的预测结果进行比较。研究结果表明,GRA-NARX-BR(grey relation analysis-nonlinear autoregressive model with exogenous inputs-bayesian regularization)模型用于水位预测能够比较全面地考虑影响因子,预测精度高,相关系数最高达0.986 62,均方根误差最小为0.008 6 m,预测效果比NARX模型和GRA-BP模型好,且时间延迟越长,均方根误差越小。模型也可在其他调水工程中推广使用。
-
-
刘达;
罗维平
-
-
摘要:
针对我国每年频繁发生的洪涝灾害及河流航道通行困难等问题,构建了一个基于时间序列神经网络的高精度的河流水位预报模型,该模型能够有效预测河流水位值,进而及时做出应急处理,减少对生命财产造成的损失。该模型采用湖北省武汉市某水位站2019年7月29日至2020年5月28日的逐时水位时间序列作为训练样本进行训练,2020年5月29日至2021年8月28日的逐时水位组成的500个数据为测试样本进行检验。该模型的预测水位值与真实水位值之间的平均绝对误差为0.00663,均方根误差为0.08143,平均绝对百分比误差为0.23785%,预测精度极高,具有较强实际应用前景。
-
-
陈家辉;
李敏
-
-
摘要:
文章根据西江梧州水文站水文数据2阶差分序列变化内较为平稳的特征,利用传统的单变量时间序列ARIMA模型进行短期水位预测。通过对西江从2019-01-01至2020-12-31每天24 h的整点水位作为时间序列,进行建模、预测及效果评估,建立了ARIMA(1,2,14)×(1,0,2)_(24)最优模型,该模型能够在短期内、实际降雨趋势无较大波动时,对西江梧州下游段通航水位进行较好的拟合预测,平均相对误差为1.48%,为船闸通航主管部门进行决策提供水情信息方面的数据参考依据,达到提升西江水运行业运力的目的。
-
-
林文孝;
郑贵德
- 《2019电力行业信息化年会》
| 2019年
-
摘要:
水电是清洁能源,日益受到重视.水电水情主要受到天气影响,水库水位短期预测可以借助天气预报预测,但中长期预测仍然是个问题,预测准确度无法达到预期.一种常用的水库水位预测方法是根据水库水位监测的历史数据做统计分析,虽然水库水位本身已经隐含了天气等因素,但仅依据水位自身数据预测还是无法满足预测准确度的需要,从目前已有的预测效果来看,最上游水库水位预测相对稳定,但对下游水库来说,由于水库水流之间相互影响,水库水位预测比较复杂,预测稳定度不好.提出一种对水库水位预测的方法,该方法的特点是能够客观考虑各水库的上下游关联及影响,并利用大数据、机器学习技术,包括关联分析及基于神经网络的多特征及记忆能力预测分析技术,更加准确地预测水库水位,为中长期发电计划提供有效辅助.
-
-
万永智;
张双圣
- 《沂沐泗第八届水文学术交流会》
| 2017年
-
摘要:
以丰县地质队地下水水位预测为例,详细阐述了地下水水位时间序列的GM(1,1)模型的原理和建立过程,根据模型的预测值和实测值,对模型的精度进行检验,并对预测结果进行了分析.结果表明:地质队监测点GM(1,1)数学模型精度均达到Ⅰ级,达到较好的预测效果;2016~2018年丰县地下水水位呈逐年下降趋势,而且水位降落漏斗不断扩大.
-
-
-
董兆俊;
王彦磊;
关吉平
- 《第29届中国气象学会年会》
| 2012年
-
摘要:
本文以淮河王家坝以上流域为例,采用数值集合预报产品与神经网络耦合的模型,对王家坝站2007年的水位进行了预测研究。采用WRFV3.2制作多物理过程集合预报预报对淮河流域6-7月的降水进行了准确预测;利用集合预报降水作为BP神经网络的输入,建立了王家坝站水位预测模型;结果表明,数值集合预报与神经网络耦合的预测模型在2007年的洪水回报实验中进行了检验,取得了较高的精度。
-
-
章树安;
束龙仓;
徐强;
杨建青;
王光生;
章雨乾
- 《2012中国水文学术讨论会》
| 2012年
-
摘要:
本文对常用的Holt-Winters加法指数平滑、多元线性回归、神经网络的统计模型进行了较为详细介绍,给出了应用统计模型进行研究的基本方法与步骤.利用北京市平原区地下水等有关资料,建立了指数平滑、多元线性回归、神经网络的模型.结果表明三种模型实现了地下水水位短期和长期滚动预测,且拟合和预测的结果较好,可以在本地区应用.短期预测宜采用Holt-Winters加法指数平滑模型,而长期预测宜采用BP神经网络模型,多元回归模型在此适用性一般.
-
-
-
-
-
-
Pang Wei
- 《2013第九届海峡两岸地工技术/岩土工程交流研讨会》
| 2013年
-
摘要:
随着经济和社会发展,城市轨道交通已成为城市交通发展的重点.济南作为世界著名的"泉城",建设轨道交通与泉水生态系统的保护之间不可避免地产生矛盾.作者从分析济南地区水文地质条件入手,结合轨道交通特点,应用Visual MODFLOW对研究区的地下水流进行了数值模拟,利用情景分析预测未来济南市轨道交通建设中及建设后的地下水水位的动态变化,研究区大部分属于灰岩深埋区,灰岩埋置深度超过50m,在轨道交通建设影响范围内,地下水以浅层孔隙水为主,轨道交通建设触及不到岩溶水,不影响泉水的补给和径流合排泄。因此,在这些区域进行轨道交通工程建设几乎对泉水没有影响。在泉水集中出露的城市功能的核心区,岩溶水埋置深度较浅,在降水条件下进行轨道交通建设,会对泉水造成一定的影响。特别是泺源大街和泉城路,进行轨道交通建设会显著影响泉水喷涌,甚至导致断流,对泉水生态系统影响较大。随着轨道交通建设规模的增大,对泉水喷涌的影响也随之增大,因此应避免同时修建多条轨道交通。在轨道交通建成50年后对整个区域内流场没有影响,流场几乎无变化,且计算结果显示五十年之后泉流量有一些增加。