检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

融合相空间重构和深度学习的径流模拟预测

水科学进展 2023年第3期34卷 388-397页

作者：师鹏飞赵酉键徐辉荣李振亚杨涛冯仲恺河海大学水灾害防御全国重点实验室江苏南京210098 长江保护与绿色发展研究院江苏南京210098 广东省水利电力勘测设计研究院有限公司广东广州510000 中国科学院南京地理与湖泊研究所中国科学院流域地理学重点实验室江苏南京210008 河海大学水文水资源学院江苏南京210098

发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区... 详细信息

发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明:PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%~9.77%,均方根误差平均降低17.01%~19.72%,对训练数据量的依赖程度相比LSTM降低25%~33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。

关键词：径流预测数据驱动人工智能相空间重构(PSR) 长短期记忆神经网络(LSTM)

在线全文

学校读者我要写书评

暂无评论

径流预测的区间化适应机制研究与系统实现

径流预测的区间化适应机制研究与系统实现

作者：杨心语西安理工大学

学位级别：硕士

径流预测是水资源管理、水电站安全经济运行、水库优化调度等众多水资源利用决策的关键,在全球气候变化和人类活动双重因素的共同作用下,流域的降雨、产流、汇流、蒸发等水文特性正在发生新的变化,径流序列呈现高度的非线性和随机性特征... 详细信息

径流预测是水资源管理、水电站安全经济运行、水库优化调度等众多水资源利用决策的关键,在全球气候变化和人类活动双重因素的共同作用下,流域的降雨、产流、汇流、蒸发等水文特性正在发生新的变化,径流序列呈现高度的非线性和随机性特征,对实现径流序列的科学分析和预测提出了巨大挑战。本论文针对径流预测中的不确定性及对环境动态变化的适应性,立足于响应动态变化特征,借助“大概近似正确”理论将确定性的点值转变为可行的区间,提高径流预测的适应性,提出了集滚动反馈修正与区间化为一体的区间化适应预测机制,构建基于模糊信息粒化及神经网络的径流区间预测模型,以渭河流域陕西段为研究对象,在综合集成平台上搭建渭河流域陕西段区间化适应性径流预测系统,研究成果包括以下几个方面:(1)分析并揭示了渭河流域陕西段径流序列变化特性,是径流预测模型选择和构建的重要依据。为了保证后期分析计算的准确性,通过插补延长的方法保证历史径流资料的完整性,并进行可靠性、一致性和代表性审查。受到人类活动和自然规律的影响,径流的演变规律非常复杂,分别从年内变化、年际变化、趋势性和周期性4个方面对魏家堡、咸阳及张家山三个水文站1956-2015年径流量资料进行特征分析。(2)提出了径流预测区间化适应机制。针对径流时间序列的非线性、复杂性和随机性,通过基于“大概近似正确理论”的区间化机制把预测的精准点值转换为可行的区间,得到径流变化的范围,用以表征径流的内在不确定性;利用滚动反馈修正机制使预测结果区间能够对数据的更新做出相应的变化,以适应动态变化对径流过程带来的影响,构建了区间化适应机制。(3)构建了基于模糊信息粒化的径流区间预测模型。将模糊信息粒化方法(FIG)与基于遗传算法(GA)改进的BP神经网络相结合,建立了 FIG-GA-BP径流区间预测模型,以渭河干流的魏家堡、咸阳水文站以及泾河张家山水文站为研究对象,进行日径流区间预测和月径流区间预测,结果表明基于模糊信息粒化的区间预测模型可以应用于径流预测中,预测区间覆盖概率FICP值均大于0.95,总体预测效果良好。(4)基于综合集成平台,借助组件和知识图技术,建立了基于区间化适应机制的渭河流域陕西段径流预测系统。在该系统下,对相关业务流程与业务关系通过综合集成手段进行实现,根据“径流预测主题提取→知识图绘制→组件的划分、开发、封装与发布→径流预测系统构建”的流程,实现区间化适应性径流预测,可为变换条件下的径流预测提供技术支撑。

关键词：径流预测区间化适应机制区间预测模型模糊信息粒化综合集成

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多源数据融合的深度学习径流预测模型

水力发电学报 2023年第5期42卷 43-52页

作者：周庆梓何自立吴磊马孝义西北农林科技大学水利与建筑工程学院陕西杨凌712100 西北农林科技大学黄土高原土壤侵蚀与旱地农业国家重点实验室陕西杨凌712100 西北农林科技大学旱区农业水土工程教育部重点实验室陕西杨凌712100

为探究深度学习结合多源数据融合算法在流域径流预测中的效果,采用双向长短期记忆神经网络模型,选取汉江上游区域长序列水文气象资料及大气环流因子数据集,结合集合卡尔曼滤波数据融合算法,构建研究区域内5个流域径流预测模型并进行验... 详细信息

为探究深度学习结合多源数据融合算法在流域径流预测中的效果,采用双向长短期记忆神经网络模型,选取汉江上游区域长序列水文气象资料及大气环流因子数据集,结合集合卡尔曼滤波数据融合算法,构建研究区域内5个流域径流预测模型并进行验证。结果表明,在相同预见期内该模型相比于传统长短期记忆神经网络模型,各项预测指标均有提高且能较好捕捉径流序列极值。采用数据融合算法加入大气环流因子数据集后,不同流域模型评价指标可进一步提升且随着预见期延长模型评价指标变化更为平稳。此预测模型可有效提升流域径流预报效果,为基于深度学习的径流预测提供参考。

关键词：径流预测深度学习双向长短期记忆神经网络多源数据融合集合卡尔曼滤波

S2S气候模式产品在黄河流域径流预测中的应用

在线全文

学校读者我要写书评

暂无评论

气象 2023年第11期49卷 1396-1404页

作者：刘绿柳王国复肖潺国家气候中心北京100081

次季节气候和径流预测是主动减灾的一个关键。基于国家气候中心第三代气候模式系统的次季节到季节模式(CMA-CPS v3 S2S)的气候预测信息和HBV水文模型,应用集合预测技术研发了未来40 d时段平均径流量和时段内极端干旱概率预测模型,应用... 详细信息

次季节气候和径流预测是主动减灾的一个关键。基于国家气候中心第三代气候模式系统的次季节到季节模式(CMA-CPS v3 S2S)的气候预测信息和HBV水文模型,应用集合预测技术研发了未来40 d时段平均径流量和时段内极端干旱概率预测模型,应用平均方差技巧评分、距平相关系数、相对操作特征曲线面积、布赖尔技巧评分开展了回报检验,并检验了2021年黄河流域径流异常预测效果。结果表明,所建模型能够以较高技巧预测黄河流域未来40 d时段平均的径流量,且表现出枯季预测技巧高、湿季技巧低的季节差异;对秋末11月和冬季3个月(12月、1月、2月)的极端干旱概率预测也有较高技巧。对于2021年5—8月黄河上中游干旱和9—10月的秋汛,该方法正确预测了除6月、9月外的其他4个月的径流异常方向,但异常程度与实况存在差异。对径流预测水平影响因素的进一步分析表明,S2S降水预测能力影响径流预测水平,特别是丰水期的径流预测,但还有降水之外的其他因素影响径流预测技巧。

关键词：次季节到季节径流预测干旱预测黄河

“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BP和LSSVM的径流分频预测模型构建

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

干旱地区农业研究 2023年

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海南大学生态与环境学院

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(complete ensemble empirical mode decomposition with adaptive noise， CEE... 详细信息

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(complete ensemble empirical mode decomposition with adaptive noise， CEEMDAN)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(Variational Mode Decomposition， VMD)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(Back-Propagation Neural Network， BP)和最小二乘支持向量机(Least Square Support Vector Machine， LSSVM)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可以达到0.99以上，对比其他八组对照模型，该模型都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

基于LSTM、RF、SVR三种机器学习方法的径流预测研究

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CEEMDAN-QPSO-BLS模型的径流预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

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EEMD-VMD-SSA-KELM模型的汛期日径流预测

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 2023年第7期 27-34页

作者：吴小涛袁晓辉袁艳斌毛雅茜肖加清黄冈师范学院数学与统计学院湖北黄冈438000 华中科技大学土木与水利工程学院湖北武汉430074 华中科技大学数字流域科学与技术湖北省重点实验室湖北武汉430074 武汉理工大学资源与环境工程学院湖北武汉430070

受气象、气候变化和人类活动等因素的影响,径流序列呈现出非稳态、非线性等特征,给径流精准预测带来新的挑战。为了提高单一径流预测模型的预测精度,文章提出了一种新的基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EE... 详细信息

受气象、气候变化和人类活动等因素的影响,径流序列呈现出非稳态、非线性等特征,给径流精准预测带来新的挑战。为了提高单一径流预测模型的预测精度,文章提出了一种新的基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法、变分模态分解(Variational Modal Decomposition,VMD)算法和麻雀搜索算法(Sparrow Search Algorithm,SSA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)的组合径流预测模型(EEMD-VMD-SSA-KELM)。首先利用EEMD算法将径流序列分解为趋势分量、细节分量和随机分量,接着利用VMD算法将频率最大的随机分量进一步分解为若干个频率不同、较随机分量更加稳定的分量,从而降低径流序列的不稳定性;接着,对每个分量分别建立KELM模型进行预测,并采用SSA优化KELM模型的核参数和惩罚系数;最后,累加所有分量的预测结果得到径流序列的预测结果。提出的模型应用于湖北宜昌寸滩水文站的汛期日径流预测,并与BP神经网络模型、最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型、KELM模型等作对比。结果表明:组合了数据分解算法的预测模型的预测精度明显优于单一的BP模型、LSSVM模型和KELM模型;组合EEMD算法和VMD算法的预测模型的预测精度优于仅组合EEMD算法的预测模型;KELM模型的预测精度优于LSSVM模型;SSA的优化精度优于粒子群优化算法。EEMD-VMD-SSA-KELM模型的预测精度最高,能准确的模拟复杂多频信息的汛期日径流的变化趋势,可为水文预测及相关预测研究提供参考。

关键词：径流预测 EEMD算法 VMD算法 KELM 麻雀搜索算法