检索结果-南通市图书馆

“分解-校正-集成”模式下基于深度信念网络模型的径流预测

在线全文

学校读者我要写书评

暂无评论

长江科学院院报 2024年第5期41卷 35-44页

作者：钱玉霞陈伏龙何朝飞龙爱华孙怀卫吕廷波石河子大学水利建筑工程学院新疆石河子832000 寒旱区生态水利工程兵团重点实验室新疆石河子832000 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室北京100038 华中科技大学土木与水利工程学院武汉430074

精准的短期径流预测可为流域内水资源规划、防洪调度及抗旱减灾工作提供重要的科学依据。为减小模型的系统误差,提高径流预测精度,在“分解-集成”模式的基础上提出“分解-校正-集成”框架,构建EEMD-DBN-EnKF、VMD-DBN-EnKF模型。利用... 详细信息

精准的短期径流预测可为流域内水资源规划、防洪调度及抗旱减灾工作提供重要的科学依据。为减小模型的系统误差,提高径流预测精度,在“分解-集成”模式的基础上提出“分解-校正-集成”框架,构建EEMD-DBN-EnKF、VMD-DBN-EnKF模型。利用集合卡尔曼滤波数据同化算法对偏离实测径流过大的分量校正以降低分解子序列在预测中产生的系统误差,并与未修正的EEMD-DBN、VMD-DBN模型及单一DBN模型进行了对比分析。结果表明:基于模态分解的组合模型较单一模型RMSE减小了至少23%,NSE与R^(2)增加了21%以上;基于径流分量校正的组合模型相较于模态分解的组合模型各评价系数有所提升,其中VMD-DBN-EnKF预测模型误差最小,效果最优,NSE与R^(2)达到0.89以上,其次依次为EEMD-DBN-EnKF>VMD-DBN>EEMD-DBN。综上“分解-校正-集成”模式的预测框架在玛纳斯河流域具有良好的适用性,可为玛纳斯河径流短期预报提供技术支持。

关键词：模态分解深度信念网络集合卡尔曼滤波径流预测组合模型

基于LSTM、RF、SVR三种机器学习方法的径流预测研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

水文 2024年

作者：胡乐怡付晓雷蒋晓蕾章丽萍章雨晨钟奇扬州大学水利科学与工程学院河海大学水灾害防御全国重点实验室水利部水文气象灾害机理与预警重点实验室南京信息工程大学

为探究不同预报方案对机器学习模型径流预测的影响，以淮河王家坝～蒋家集～润河集区间流域为例，设计了七种径流预测方案，采用LSTM（长短期记忆神经网络）、RF（随机森林）以及SVR（支持向量回归）三种机器学习模型进行径流预测。研... 详细信息

为探究不同预报方案对机器学习模型径流预测的影响，以淮河王家坝～蒋家集～润河集区间流域为例，设计了七种径流预测方案，采用LSTM（长短期记忆神经网络）、RF（随机森林）以及SVR（支持向量回归）三种机器学习模型进行径流预测。研究结果表明：（1）三种机器学习模型对降雨信息的敏感程度不同，且采用同时考虑径流影响因素以及前期历史径流的方案预测效果最佳，但随着预见期的延长，前期历史径流的重要性逐渐降低；（2）三种机器学习模型在不同预见期的径流预测表现有所差异：三种机器学习模型在预见期为1 d时预测精度均较高；当预见期为2～4 d时，SVR模型的预测效果较好；RF模型在预见期为5～7 d时预测精度较高。研究可为后续基于机器学习的径流预测提供参考。

关键词：长短期记忆神经网络随机森林支持向量回归径流预测预见期预报方案

基于BP和LSSVM的径流分频预测模型构建

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

干旱地区农业研究 2024年第3期42卷 254-263,275页

作者：张炳林李俊宋松柏西北农林科技大学水利与建筑工程学院陕西杨凌712100 海南大学生态与环境学院海南海口570100

针对径流序列具有较强的随机性和波动性特征,提出一种短期月径流预测混合模型CEEMDAN-VMD-(BP,LSSVM)-LSSVM。首先利用自适应白噪声完整集成经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)将径流序列分解为高频、中频和低频分量,再利用变分模态分解(VMD,variational mode decomposition)方法进一步分解高频分量,并根据样本熵对两次分解得到的子序列进行整合,采用麻雀搜索算法优化的反向传播神经网络(BP,back-propagation neural network)和最小二乘支持向量机(LSSVM,least square support vector machine)分别预测高频分量和中低频分量,最后将不同频率分量训练期的拟合值作为LSSVM的输入,进行二次预测得到最终的径流预测结果。将提出的模型应用于黑河流域莺落峡站和祁连站的月径流预测,验证期相关系数和纳什效率系数均达到0.99以上,对比其他8组对照模型,该模型具有更高的预测精度,可以应用于实际的短期月径流预测。

关键词：径流预测经验模态分解变分模态分解样本熵神经网络支持向量机

在线全文

学校读者我要写书评

暂无评论

基于混合孪生支持向量机的径流区间预测

人民长江 2024年第4期55卷 95-102,117页

作者：冯仲恺付新月纪国良刘亚新牛文静黄海燕杨涛河海大学水文水资源学院江苏南京210098 中国长江三峡集团有限公司湖北宜昌443100 中国长江电力股份有限公司湖北宜昌443133 长江水利委员会水文局湖北武汉430010 云南水利水电职业学院云南昆明650051

径流具有非线性和随机性特征,单一点预测模型难以精确刻画和描述径流演化过程。为此,提出了一种可有效量化径流波动范围的智能区间预测方法。首先采用自适应噪声完备集合经验模态分解将非线性径流序列划分为若干子序列,并采用样本熵方... 详细信息

径流具有非线性和随机性特征,单一点预测模型难以精确刻画和描述径流演化过程。为此,提出了一种可有效量化径流波动范围的智能区间预测方法。首先采用自适应噪声完备集合经验模态分解将非线性径流序列划分为若干子序列,并采用样本熵方法重构得到修正序列;其次以孪生支持向量机为基础,分别对复杂度较高的子序列构建区间预测模型、复杂度较低的子序列建立点预测模型,同时采用鲸鱼优化方法寻求满意的模型参数组合;最后将各子模型的预测结果叠加得到最终的预测区间。结果表明:所提方法具有良好的稳健性和可靠性,在点预测、区间预测等不同场景、不同预见期的性能指标均优于对比模型;如预见期为3 d时,对于黄河流域唐乃亥水文站,所得预测区间具有较高的可靠度与清晰度,其预测区间覆盖率PICP值为98.30%,预测区间平均宽度PINAW值为0.0792,可靠度、清晰度分别平均提高了9.47%和32.66%。研究成果可为智能化径流预测提供行之有效的方法。

关键词：径流预测孪生支持向量机自适应噪声完备集合经验模态分解鲸鱼优化方法黄河流域

维普期刊数据库博看期刊

基于SWAT模型的格尔木河上游分布式水文模拟和径流预测

在线全文

学校读者我要写书评

暂无评论

盐湖研究 2024年第3期32卷 1-10页

作者：易磊陈富洪韩积斌刘小宝杨建文周震鑫卢晓航马喆魏海成韩凤清中国科学院青海盐湖研究所中国科学院盐湖资源综合高效利用重点实验室青海西宁810008 青海省盐湖地质与环境重点实验室青海西宁810008 中国科学院大学北京100049 青海大学三江源生态与高原农牧业国家重点实验室青海西宁810016 青海省海西蒙古族藏族自治州盐湖管理局青海德令哈817099

研究格尔木河流域水文循环过程并预测未来流域水资源的变化特征,对地区生态环境保护和下游盐湖矿产资源可持续开发利用具有重要意义。选取格尔木水文站以上区域构建SWAT(Soil and Water Assessment Tool)分布式水文模型。采用大气同化... 详细信息

研究格尔木河流域水文循环过程并预测未来流域水资源的变化特征,对地区生态环境保护和下游盐湖矿产资源可持续开发利用具有重要意义。选取格尔木水文站以上区域构建SWAT(Soil and Water Assessment Tool)分布式水文模型。采用大气同化数据集为气象驱动,联合区域内纳赤台和格尔木水文站的实测月尺度径流数据进行参数的率定和验证。在率定期和验证期内,纳什效率系数、确定性系数和相对偏差系数均达到了良好的标准,表明SWAT模型在格尔木河高寒山区流域水文过程模拟中具有较好的适用性。研究表明流域降水量偏少,地表径流量、壤中流量与降水量的变化趋势具有较好的一致性,降水量年际变化中蒸散发量为主要消耗量,占40.26%。根据未来气候预测模型RegCM4.6,预测路径浓度RCP2.6、RCP4.5和RCP8.53种情景下格尔木河未来40年径流量呈增加趋势。3种情景下的年平均径流量较基准期(2006—2018年)分别增加了7.63%、11.01%、15.96%;随着温室气体排放浓度的增加,径流量呈现出增加趋势,特别是夏秋季增幅较大。短时间内径流量增大可能会引发格尔木市洪涝灾害,破坏盐湖企业生产设施;但若将洪水资源进行调控和利用,不仅防范了洪涝灾害,同时也利于解决盐湖企业日渐增大的用水需求难题。

关键词：格尔木河上游流域分布式水文模拟 SWAT 未来气候模型径流预测

基于CEEMDAN-QPSO-BLS模型的径流预测研究

在线全文

学校读者我要写书评

暂无评论

中国农村水利水电 2024年第1期 101-108页

作者：刘扬赵丽华北水利水电大学黄河流域水资源高效利用省部共建协同创新中心河南郑州450046 华北水利水电大学信息工程学院河南郑州450046

准确的径流预测是水资源优化配置和高效利用的前提,是制定防洪减灾决策的基础,然而受到人类活动、环境、气候等因素的影响,径流序列呈现出非线性、非稳态、多尺度变化的特点,这为径流的精准预测增加了难度。为提高径流预测的精准度和可... 详细信息

准确的径流预测是水资源优化配置和高效利用的前提,是制定防洪减灾决策的基础,然而受到人类活动、环境、气候等因素的影响,径流序列呈现出非线性、非稳态、多尺度变化的特点,这为径流的精准预测增加了难度。为提高径流预测的精准度和可信度,结合自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)方法,量子粒子群优化算法(Quantum Particle Swarm Optimization,QPSO)、宽度学习系统(Broad Learning System,BLS)模型,提出了一种基于CEEMDAN-QPSO-BLS组合式的径流预测模型。该组合模型首先使用CEEMDAN方法对原始径流信号进行分解,得到若干相对平稳的本征模态分量。其次利用QPSO算法对BLS模型的特征层节点组数、增强层节点组数和组内节点数进行寻优,得到最优的宽度学习网络拓扑结构,进而使用最优的QPSOBLS对多个稳态分量进行预测,并对预测分量进行重构,从而获得更高的预测精度。以黄河流域小浪底水库的日径流值为实验数据,将EMD-QPSO-BLS、QPSO-BLS作为CEEMDAN-QPSO-BLS的对比模型,并采用纳什效率系数(NSE)、均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)作为模型预测可信度和精准度的评价指标。实验表明,在预见期4天内,与QPSO-BLS、EMD-QPSO-BLS模型相比,CEEMDAN-QPSO-BLS的预测精准度分别提高了79.87%、19.80%,可信度分别提高了131.2%、10.98%,径流预测精度的提高,可为防洪抗旱保护人民生命财产和可持续发展提供决策支持。

关键词：径流预测宽度学习量子粒子群 CEEMDAN EMD

基于VIF-GBRT-MC模型的日径流预测

在线全文

学校读者我要写书评

暂无评论

中国农村水利水电 2024年

作者：张上要宋雄顷宏利龙章发刘连燚中国电建集团贵阳勘测设计研究院有限公司

针对气象数据驱动模型在预测径流面临的特征间多重共线性及预测精度较低的问题，将方差膨胀因子（VIF）、梯度提升回归树（GBRT）模型和马尔科夫链（MC）误差修正模型相结合，建立VIF-GBRT-MC组合预测模型。选取汉江流域洋县水文站的日... 详细信息

针对气象数据驱动模型在预测径流面临的特征间多重共线性及预测精度较低的问题，将方差膨胀因子（VIF）、梯度提升回归树（GBRT）模型和马尔科夫链（MC）误差修正模型相结合，建立VIF-GBRT-MC组合预测模型。选取汉江流域洋县水文站的日径流进行实例分析，并与单一模型GBRT、长短期记忆神经网络（LSTM）、支持向量机（SVM）及相应组合模型VIF-GBRT、VIF-LSTM、VIF-SVM、VIF-LSTM-MC和VIF-SVM-MC的预测结果进行对比分析。采用纳什效率系数（NSE）、均方根误差归一化（NRMSE）、平均绝对百分比误差（MAPE(%)）、峰值预测性能评价指标（PPTS(5)）和合格率（QR(%)）对模型的预测结果进行评价。研究结果表明：1）VIF能够有效选取对模型预测有利的特征，改善特征间的多重共线性问题，降低模型过拟合的风险，从而提高模型预测精度。2）MC误差修正模型能够准确识别未来时刻径流的预测值可能所处的误差状态，并加以修正，进一步提高径流预测的准确性。3）GBRT模型相比LSTM和SVM模型，它能够更好适应径流和气象因子的非线性特征，相比其他子模型有着更强的预测能力。将GBRT与VIF和MC模型组合构成VIF-GBRT-MC模型，能够有效降低径流非一致性的影响，显著提高径流的预测精度。本研究为实际径流预测工作提供了有效的预测方法，并为应对气候变化和人类活动对径流预测带来的挑战提供了一种可行方案。

关键词：径流预测方差膨胀因子梯度提升回归树马尔科夫链

群智能算法在月径流预测支持向量机建模中的适应性研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水电能源科学 2024年第5期42卷 34-38页

作者：毛建刚王庆杰新疆水利水电科学研究院新疆乌鲁木齐830000 四川水发勘测设计研究有限公司四川成都610065

变化环境下,径流的精准预测愈加困难,集成稳健的优化算法是近年来机器学习发展的动力,也是提高径流预测精度的有效途径。为规避支持向量机(SVM)建模时适应度函数选取的不足,提出基于群智能算法的SVM参数优化范式,并以新疆克孜尔水库月... 详细信息

变化环境下,径流的精准预测愈加困难,集成稳健的优化算法是近年来机器学习发展的动力,也是提高径流预测精度的有效途径。为规避支持向量机(SVM)建模时适应度函数选取的不足,提出基于群智能算法的SVM参数优化范式,并以新疆克孜尔水库月平均径流量预测为例,对粒子群算法(PSO)、差分算法(DE)、灰狼算法(GWO)、鲸鱼算法(WOA)和麻雀算法(SSA)5个典型算法进行仿真验证。结果表明,PSO建立SVM模型合格率(QR)小于60%,预测精度不达标,其余4类算法的平均绝对相对误差和纳什系数分别介于10%~20%和0.75~1之间,预测效果良好;20次独立运算结果中,PSO、WOA、SSA和DE存在预测结果较差的情况,其中PSO的稳定性最差。综合而言,GWO优化的SVM(SVMGWO)在月径流预测中精度、稳定性和可靠性更佳。

关键词：径流预测支持向量机群智能算法交叉验证参数优化

在线全文

学校读者我要写书评

暂无评论

气候变化对高寒山区流域径流量的模拟及预测

盐湖研究 2024年第1期32卷 29-38页

作者：秦艳红金鑫金彦香毛旭锋杜凯青海师范大学地理科学学院青海西宁810016 青海省自然地理与环境过程重点实验室青海西宁810016 高原科学与可持续发展研究院青海西宁810016

柴达木盆地气候干旱、水资源缺乏、生态脆弱,盆地周围的高寒山区是其重要的水资源形成区。关注柴达木盆地高寒山区流域未来气候变化及相应径流变化具有重要意义,然而相关研究较少。本研究选取柴达木盆地东北部典型高寒山区流域—巴音河... 详细信息

柴达木盆地气候干旱、水资源缺乏、生态脆弱,盆地周围的高寒山区是其重要的水资源形成区。关注柴达木盆地高寒山区流域未来气候变化及相应径流变化具有重要意义,然而相关研究较少。本研究选取柴达木盆地东北部典型高寒山区流域—巴音河上游祁连山区,采用局部缩放法和方差缩放法,基于实测降水、温度数据对CMIP6下BCC-CSM2-MR模式SSP1-2.6、SSP2-4.5、SSP5-8.53种气候情景未来气候变化数据进行校准,将校准后的气候数据与SWAT模型耦合,模拟及预测历史及未来时期气候变化对巴音河出山径流的影响。结果表明,SWAT模型对巴音河出山径流的模拟效果满足评价标准,其适用性较好;巴音河上游祁连山区在3种气候情景下,2015—2100年降水量、最高温度、最低温度、出山径流量均增加,暖湿化趋势较为明显;3种情景下,2015—2100年巴音河流域地表径流将呈现先增加后减少的趋势。侧向流、地下径流、总产水量、融雪量将呈现增加趋势。研究结果可为柴达木盆地水资源管理和可持续发展提供科学依据和理论支撑。

关键词：高寒山区流域 SWAT模型径流预测 CMIP6模式