检索结果-南通市图书馆

人工蜂群算法的改进研究及在中长期径流预测中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人工蜂群算法的改进研究及在中长期径流预测中的应用

作者：章露琪南昌工程学院

学位级别：硕士

人工蜂群算法是一种受自然界生物启发的群智能优化方法,由于其原理简单、参数少且具有较强的搜索能力等优点,因而被广泛地应用于各种优化问题的求解。然而,人工蜂群算法也存在一些不足,如求解复杂优化问题时易陷入局部最优、收敛速度较... 详细信息

人工蜂群算法是一种受自然界生物启发的群智能优化方法,由于其原理简单、参数少且具有较强的搜索能力等优点,因而被广泛地应用于各种优化问题的求解。然而,人工蜂群算法也存在一些不足,如求解复杂优化问题时易陷入局部最优、收敛速度较慢、求解精度不高以及开发能力不足。针对上述问题,本文从多个角度对人工蜂群算法进行改进,以提高其求解复杂优化问题的性能,最后将其应用于中长期径流预报。本文主要研究工作如下:(1)提出一种基于动态邻域的人工蜂群算法(ABCDN)。该方法首先采用拉丁超立方采样对种群进行初始化,使种群分布更加均匀,从而有利于避免算法陷入局部最优解。其次,设计了一种新的排名机制,并将其应用于邻域选择,通过邻域的有效信息来改进雇佣蜂和跟随蜂的搜索策略,以有效地平衡勘探与开发。最后,将ABCDN算法与六个知名的ABC算法在22个基准优化问题上进行了测试,实验结果表明ABCDN算法在求解精度和收敛速度上都优于其它六种ABC算法。(2)提出了一种自适应多维搜索的人工蜂群算法(ABCDNDS)。随着问题维度的增加,单维的贪婪搜索变得不够有效,而过多维度进行搜索会降低算法效率。为了解决这一问题,提出了一种基于成功率的维度选择机制,将其应用于雇佣蜂和跟随蜂阶段。这种机制可以更有效地进行多维搜索,加快收敛速度,并且避免维度过多导致的问题。此外,本文还使用反向学习原理改进了侦察蜂的搜索策略,从而提高了种群的多样性。通过在两个基准测试集上与其他优秀的ABC算法进行比较,结果表明ABCDNDS算法具有更好的竞争力。(3)本研究最后将改进后的人工蜂群算法应用于陕西府谷县皇甫川水文站年径流量预测。为了提高径流预测的准确性,构建了基于支持向量回归的径流预测模型,并利用改进的人工蜂群算法进行支持向量回归动态参数的组合优化。实验结果表明,该模型在预测精度上优于其他预测模型,获得了最佳的预测结果,证明了改进的人工蜂群算法在实际工程应用中的有效性。

关键词：人工蜂群算法动态邻域多维搜索径流预测支持向量回归

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

同方学位论文库

学校读者我要写书评

暂无评论

盐湖研究 2023年

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大学青海大学三江源生态与高原农牧业国家重点实验室青海省盐湖地质与环境重点实验室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省海西蒙古族藏族自治州盐湖管理局

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。文章选取格尔木水文站以上区域构建SWAT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... 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。文章选取格尔木水文站以上区域构建SWAT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。结果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RCP2.6、RCP4.5和RCP8.5三种情景下格尔木河的径流。结果显示未来40年径流量呈增加趋势，三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%，且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，继而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

基于多特征驱动的机器学习径流预测及多模型组合研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多特征驱动的机器学习径流预测及多模型组合研究

作者：张上要西安理工大学

学位级别：硕士

本论文旨在解决多特征驱动径流预测所面临的数据缺失、特征冗余、预测精度低及多模型组合策略不合理等问题。针对这些难题,将机器学习模型、特征筛选方法、信号分解算法和改进后的组合预测策略相结合,形成能够有效应对日和月尺度径流预... 详细信息

本论文旨在解决多特征驱动径流预测所面临的数据缺失、特征冗余、预测精度低及多模型组合策略不合理等问题。针对这些难题,将机器学习模型、特征筛选方法、信号分解算法和改进后的组合预测策略相结合,形成能够有效应对日和月尺度径流预测的方法论。通过实例分析,验证了所提方法的可行性及有效性。本论文的研究成果在实际径流预测中具有较好的应用价值,在水资源管理和利用、防洪减灾等领域具有重要意义。论文的主要研究内容及成果如下:(1)揭示了研究区域的径流特性。从径流量的年内、年际变化、演变趋势及周期性多个方面出发,全方位揭示了径流的变化特性。研究结果显示,研究区域径流量年内变化不均、年际差异大,且有着显著的季节性差异和持续性的下降趋势,多年径流存在明显的周期性变化特征。(2)完善了机器学习模型输入的缺失处理算法研究。考虑传统数据缺失方法中存在的不足,提出使用基于链式方程的随机森林多重插补法(MICE-RF)用于数据缺失处理,并应用于汉江佛坪气象站的气象数据缺失处理分析。研究结果显示,相比于传统的统计学和数值分析插补方法,机器学习插补方法具有更优的插补效果,其中MICE-RF模型的插补效果最佳;多模型的插补精度会随着缺失率的增大而下降,机器学习插补模型会随着连续缺失长度的增大而增大,PCHIP和LINEAR方法会随着连续缺失长度的增大而减小,MEAN和MEDIAN基本不受连续缺失长度变化的影响;数据为随机缺失时,多模型的插补精度最高;各缺失气象要素中,方差越大的要素插补效果越差。(3)开展了水文气象输入的日径流预测研究。对比分析单一径流输入与融合气象特征后多模型的径流预测结果,并利用Pearson相关系数、Lasso回归和VIF三种特征筛选手段对特征降维,比较特征筛选前后多模型径流预测结果,并进行不同预见期日径流预测,验证模型的稳定性。研究结果显示,相比于单一径流输入的模型,融合气象数据的模型预测精度更高;特征筛选方法不仅能够有效提升机器学习模型的预测精度,而且能够更好地节省模型的计算资源,模型运行更为稳定,其中Pearson相关系数筛选特征对模型精度的提升最为显著;随着预见期的增加,融合气象数据的日径流预测模型预测精度逐渐下降,存在一定的不稳定性。(4)开展了径流序列分解下的组合月径流预测研究。将EEMD、SSA和VMD三种分解算法与机器学习模型相结合用于径流预测。增加子模型优选过程及划分确权期和组合期用以改进优化得到新的多模型组合策略,最后采用CRITIC和误差平方和最小赋权方法对单模型预测结果进行组合。研究结果显示,分解算法能够有效挖掘月径流序列自身的统计规律,从而显著提高月径流预测的精度,其中VMD分解效果最好。组合模型预测结果比最优单模型精度高,相比单模型直接组合的方式,经过优选后的多模型组合方式的预测精度更高,预测结果更为科学和可靠。

关键词：径流预测机器学习缺失插补特征筛选信号分解多模型组合

基于机器学习模型及其优选组合的径流预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习模型及其优选组合的径流预测方法研究

作者：罗飞雄西安理工大学

学位级别：硕士

随着我国人口和社会经济的不断发展,经济社会对水资源的需求不断增长,但水资源总量却呈现逐年减少的态势,供给与需求之间的矛盾有进一步增大的趋势。作为我国北方典型的内陆省份,陕西省水资源呈现陕南丰富,其中汉江水资源丰富。围绕汉... 详细信息

随着我国人口和社会经济的不断发展,经济社会对水资源的需求不断增长,但水资源总量却呈现逐年减少的态势,供给与需求之间的矛盾有进一步增大的趋势。作为我国北方典型的内陆省份,陕西省水资源呈现陕南丰富,其中汉江水资源丰富。围绕汉江水资源综合利用的工作实际需求,以汉江流域的径流预测问题为导向,以实际开展径流预测的需求为牵引,通过本研究,提出基于机器学习模型优选的组合径流预测方法,针对不同研究断面构建多种机器学习模型,设计出了基于多种信号分解耦合气象因子的优化机器学习模型的构建方式,同时对于每个研究断面通过多轮机器学习径流预测实验得到适用性最强的模型方法,为汉江流域径流预测提供模型理论和模型应用经验的基础知识,为汉江水资源合理利用提供可靠依据。本研究取得的研究成果如下:(1)分析了研究区的降水、径流、蒸发和温度情况,其中降水量呈现波动趋势,径流量呈现减少趋势、蒸发有减小趋势、主要市区年平均气温有增大趋势。在线性趋势法下,洋县和武侯镇流量具有微小下降趋势,汉中径流呈现微小上升趋势;在Mann-Kendall趋势法下,洋县流量呈下降趋势,武侯镇和汉中的流量呈上升趋势。(2)GBRT模型在汉中站、武侯镇站和洋县站这三个断面的预报效果中,汉中站略微优于洋县站,精度最差的为武侯镇站。在SVR模型下,效果最好的是洋县断面,其次是汉中断面,最后不太理想的是在武侯镇断面的预测。LSTM对于三个断面预测效果最好的是洋县断面,对与武侯镇与汉中断面预测效果都不佳。(3)在每个研究区断面下共有9中集成气象因子模型,在武侯镇断面EEMD-GBRT与SSA-GBRT模型的预测效果较好,NSE值均达到了 0.95以上。EMD-GBRT模型优化幅度不高。在汉中断面SSA-GBRT模型取得最好效果,在洋县断面EEMD-GBRT与SSA-GBRT模型预测效果较好,NSE值均达到了0.95以上。武侯镇断面SSA-SVR模型表现优异,其次是EEMD-SVR模型,效果最差的是EMD-SVR,汉中断面SSA-SVR对原径流序列有明显的优化,不太理想的为EMD-SVR模型,洋县断面SSA-SVR模型表现优异,其次是EEMD-SVR模型,EMD-SVR模型组合预测时效果较差。EEMD-LSTM与SSA-LSTM模型在武侯镇断面预测效果较好,而EMD-LSTM模型预测结果比基础LSTM模型效果还差,在汉中断面SSA-LSTM和EEMD-LSTM模型取得较好效果,在洋县断面EEMD-LSTM与SSA-LSTM模型预测效果较好。基于EMD分解方法并耦合气象因子优化后模型在三个断面表现较差。引入三种信号分解方法后,并耦合气象因子优化模型后,各评价指标均有不同程度的提升,其中预测效果提升最为明显是基于EEMD和SSA分解方法的模型,而EMD分解方法对模型提升不大。(4)适宜武侯镇断面的径流预测单因子模型为GBRT,适宜汉中断面为SVR模型与GBRT模型,适宜洋县断面为SVR模型与GBRT模型。在研究断面下所有集成气象因子模型分析中,对于武侯镇断面SSA-GBRT模型在同一数据集上具有最好的预测性能,汉中断面的SSA-LSTM模型在同一数据集上具有最好的预测性能,对于洋县断面的模型预测效果效果最佳为SSA-LSTM模型。在三个研究断面上,组合模型均取得优异的预测效果,组合模型在各断面表现NSE指标值均在0.95以上。在武侯镇断面组合模型预测精度略高于SSA-GBRT模型,但精度相差不大。在汉中断面组合模型预测精度略高于SSA-LSTM模型,在洋县断面组合模型预测精度略高于SSA-LSTM模型,但两者预测性能都较为优异。

关键词：径流预测多模型组合机器学习耦合气象因子模型优选

基于多因子驱动和机器学习的日径流预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多因子驱动和机器学习的日径流预测模型研究

作者：景鑫西安理工大学

学位级别：硕士

径流预测对于水资源管理、防洪安全有着重要意义,是水文领域的关键研究课题之一。机器学习模型的发展为径流预测提供了新的思路,其高效的预测性能和简单的模型输入使得基于机器学习的径流预测模型能够快速应用于实际预报工作,提供准确... 详细信息

径流预测对于水资源管理、防洪安全有着重要意义,是水文领域的关键研究课题之一。机器学习模型的发展为径流预测提供了新的思路,其高效的预测性能和简单的模型输入使得基于机器学习的径流预测模型能够快速应用于实际预报工作,提供准确、可靠的预报方案。在机器学习模型研究初期,受监测技术不完善、可使用的输入因子少的限制,大多机器学习模型通常以自身历史输入为预测因子,基于径流统计规律构建单因子的预测模型;随着监测技术发展,模型输入因子类别多元化,基于径流成因规律构建多因子驱动的预测模型有了数据支撑,伴随降水、气温等气象因子输入,模型预测性能得到显著提升。然而,多因子驱动的预测模型仍处于研究阶段,在实际应用中面临多重挑战:模型训练受到数据、参数随机性等多个因素影响;模型预测缺乏成因物理意义,预测成果可信性和透明性不足。本研究使用渭河、汉江流域的日径流序列,构建基于机器学习的径流预测模型库,对比模型的预报可靠性,从计算成本、泛化能力和参数敏感性三个角度分析模型的易用性,并使用解释方法对模型预报成果开展归因研究。本研究取得的主要研究成果如下:(1)从统计特征、趋势性以及突变性分析流域的径流以及降水、气温和湿度等气候要素的变化规律,开展水文气象要素的相关性分析,完成模型训练样本的搭建,得出:两个流域径流的年际变化显著,年内分配不均,多年变化趋于平稳,汉江流域径流突变与降水突变相关性显著;降水、邻站径流和历史径流对于未来径流的相关性高。(2)对比了不同预测样本在两个流域的预测精度,得出:各个预测样本在两个流域取得较高的预测精度,不同驱动因子对不同流域预测精度的影响程度不同,在渭河华县站,邻站径流输入能够显著提升模型的预测精度,而在汉江石泉站,加入邻站径流后模型预测精度提升有限,而气象要素输入能够提升预测精度。对比不同预测模型在两个流域的预测精度,得出:在输入信息较少时模型不同模型预测精度相近,随着更多信息输入深度学习模型有着更高的预测性能,其中深度学习模型更能够学习到流域水文气象的成因规律。(3)从计算成本、泛化能力和参数敏感性三个角度评价模型在实际工作上的易用性,得出:深度学习模型相较于浅层学习模型泛化能力更强,但需求的计算成本更高;各模型均受到模型超参数和样本滞后时段长度的影响,参数敏感性很大程度地影响了模型迭代的预测精度和计算成本,其中SVR模型参数敏感性最强,在实际应用前需要确定模型最优参数。(4)使用模型解释方法对模型库在石泉站的洪水预报成果开展归因分析,得出:XGBoost、LSTM和Seq2Seq模型关注于邻站输入和气象输入,模型预报考虑了部分物理规律,而SVR模型更多关注于径流历史变化的自相关统计特征。根据XGBoost模型在石泉站的整个径流序列的预测成果开展归因分析,得出:石泉站、汉中站径流过程以及佛坪站的降水为主要驱动因子。其中,在枯水和平水期径流过程变化平缓,预测结果与历史径流相关性高,该因子预报贡献占主导作用;而在丰水期,邻站径流和降水等驱动因子贡献作用存在阶梯性提升,驱动因子之间存在共同贡献作用。

关键词：径流预测机器学习超参数优化可解释性预报归因

基于水文气象时间序列的斧头湖流域中长期径流预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于水文气象时间序列的斧头湖流域中长期径流预测方法研究

作者：陆佳俊华中科技大学

学位级别：硕士

随着全球气候变化及社会经济的迅速发展,水资源短缺和水旱灾害问题愈发严重,水文时间序列的趋势分析与预测研究是避免和防治灾害的关键手段。斧头湖是长江流域重要的调蓄区,研究其流域水文时间序列趋势及中长期预测方法对以其为代表的... 详细信息

随着全球气候变化及社会经济的迅速发展,水资源短缺和水旱灾害问题愈发严重,水文时间序列的趋势分析与预测研究是避免和防治灾害的关键手段。斧头湖是长江流域重要的调蓄区,研究其流域水文时间序列趋势及中长期预测方法对以其为代表的中小流域水资源综合开发利用具有重要参考价值。本研究旨在探讨变化环境下中小流域水文气象时间序列趋势分析与中长期径流预测方法。主要研究内容与成果包括:(1)采用线性回归法、Mann-Kendall法、R/S法(Rescaled Range Analysis)和小波相关系数分析法,探究流域内水文气象时间序列趋势,运用M-K法诊断流域水文、气象时间序列变异情况。(2)利用卷积神经网络提取输入数据的局部特征,并使用门控循环单元建模时序信息,同时添加注意力机制加重对关键性位置的关注度,从多维度结合时间序列和空间结构特征,建立CNN-GRU-Attention复合深度学习径流中长期预测模型。通过单元和多元预测对比分析、不同模型预测对比分析,CNN-GRU-Attention模型具备良好预测性能。(3)为CNN-GRU-Attention模型在应用于不同的环境和数据时可以保持较好的实用性,引入基于混合正弦余弦算法和Lévy飞行改良的麻雀搜索算法对模型进行参数优化。通过与多种智能优化算法在流域主要站点径流预测中的应用结果对比分析可知,该算法相较于其他智能优化算法具有良好的可扩展性和鲁棒性。(4)引入基于经验模态分解改进算法EEMD将时间序列进行分解成不同时间尺度的序列,对其分别进行预测,在预测中可以更加准确的了解时间序列的真实规律,不同尺度的分解序列累积预测结果将更接近实际。(5)探讨前文所提出的中长期径流多元预测模型面对水文气象数据发生变异情况下的预测效果,通过结果可知,该模型在变异前后以及全时期均保持了较好的预测精度,可以作为中小流域水资源综合开发利用的参照。

关键词：时间序列分析变化环境变异诊断径流预测参数优化

基于VIC模型的石羊河上游出山径流模拟与预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于VIC模型的石羊河上游出山径流模拟与预测

作者：窦娇西北师范大学

学位级别：硕士

河川径流变化直接影响流域生态质量和区域社会经济发展,随着全球气候变化加剧,加强河川径流预测有利于区域未来水资源的有效管理。因此,本文以西北典型干旱区内陆河—石羊河上游流域为例,运用可变下渗能力(Variable Infiltration Capaci... 详细信息

河川径流变化直接影响流域生态质量和区域社会经济发展,随着全球气候变化加剧,加强河川径流预测有利于区域未来水资源的有效管理。因此,本文以西北典型干旱区内陆河—石羊河上游流域为例,运用可变下渗能力(Variable Infiltration Capacity,VIC)模型,对其径流变化进行模拟和预测。首先,通过率定模型和模型精度验证得到适用于本研究区的VIC模型;其次,利用QDM(Quantile Delta Mapping)统计降尺度方法对全球气候模式(GCM)所模拟的大尺度气候模式数据进行降尺度处理,选取MIROC-ESM模式的RCP2.6、RCP4.5、RCP8.5排放情景,对未来(2019-2079)气候要素变化进行分析;最后,以预估的气候数据驱动校验后的VIC模型,并预测未来气候变化背景下,石羊河上游出山径流量、地表径流量和基流量的变化趋势。主要结论如下:(1)VIC模型在各支流(西大河、东大河、西营河、金塔河和杂木河)的流量模拟效果较好,基本反映了月流量的变化趋势,且洪峰出现的频率较吻合,说明模型能够较好地描述研究区的水文过程。其中,西大河、东大河和西营河的模拟效果优于金塔河和杂木河。(2)基准期出山径流变化特征:年际尺度上,除金塔河和杂木河径流量减少外,总支流和其余各支流均增加。季节尺度上,总支流和各支流季节径流量在秋季和冬季均增加,而春季和夏季变化趋势不尽相同。各支流中,东大河春秋冬季径流量均最大,西营河夏季径流量最大,各季节中金塔河径流量均最小。年代尺度上,西大河、东大河、西营河、杂木河和总支流年代平均径流量最大值与最小值均分别出现在2000s和1990s,金塔河则分别出现在1980s和2000s;各支流径流丰水期均多出现在1980s和2000s,枯水期多出现在1990s。(3)预测期出山径流变化特征:年际尺度上,各支流径流量、地表径流量和基流量在RCP2.6排放情景下均减少,在RCP4.5和RCP8.5排放情景下均增加。相较基准期,各支流径流量和地表径流量均在RCP8.5排放情景下的第三时段(P:2060-2079)增加最多。其中,径流量以杂木河增加最多(0.5518×10m),地表径流量以西营河增加最多(0.6145×10m);就基流量而言,三种排放情景下,西大河和西营河均低于基准期;金塔河和杂木河均高于基准期。季节尺度上,RCP2.6排放情景下,就径流量而言,总支流和各支流分别为:春夏秋下降、冬季增加和春秋下降,夏冬波动变化;就地表径流量而言,总支流和各支流分别为:春秋冬下降、夏季增加和春秋下降、夏秋波动变化;就基流量而言,总支流和各支流变化一致:仅在冬季微弱增加。RCP4.5排放情景下,总支流和各支流的径流量、地表径流量和基流量在各季节均增加。RCP8.5排放情景下,除西营河冬季基流量减少外,总支流和各支流的径流量、和地表径流量在各季节均增加。三种排放情景下,径流量、地表径流量和基流量均以东大河春季和西营河夏季最大。年代尺度上,RCP2.6排放情景下,就年代平均径流量和地表径流量而言,总支流及各支流最小值均出现在2050s;就年代平均基流量而言,除西营河最小值出现在2020s外,总支流和其余支流最小值均出现在2050s。RCP4.5排放情景下,就年代平均径流量和地表径流量而言,总支流及各支流最大值和最小值均分别出现在2040s和2030s;就年代平均基流量而言,除西营河最小值出现在2040s外,总支流和其余支流最小值均出现在2030s。RCP8.5排放情景下,总支流及各支流年代平均径流量、地表径流量和基流量最大值均出现在2060s,年代平均基流量最小值均出现在2020s。三种排放情景下,就丰水期而言,总支流和各支流的径流量和地表径流量均多出现在2040s,基流量均多出现在2070s;就枯水期而言,三者均多出现在2020s。(4)不同气候要素对出山径流未来变化的贡献:利用随机森林模型计算了降水量、最高气温、最低气温和风速对总支流和各支流径流量的贡献率。结果表明,三种不同排放情景下,降水量对总支流和各支流径流贡献最大。其中,对总支流径流的贡献率分别为75.78%、70.78%和73.40%;各支流中,以东大河为最,分别为84.51%、78.51%和78.05%。此外,风速是影响杂木河径流变化的第二大因子,最高气温是影响西营河和金塔河的第二大因子,就西大河和东大河而言,最高气温、最低气温和风速对其径流的贡献率较为接近。

关键词：气候变化径流预测 VIC模型 QDM降尺度方法石羊河流域

改进TCN和LSTM的泸水河流域月径流量预测模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机集成制造系统 2022年

作者：王万良胡明志张仁贡董建杭金雅文浙江工业大学计算机科学与技术学院浙江禹贡信息科技有限公司

为提升水文模型预测精度、计算效率，解决传统方法难以浓缩多源水文特征，以及长时间跨度下数据量纲、值域不同造成的特征冗杂问题，提出基于改进时间卷积网络（TCN）和长短时记忆网络（LSTM）的月径流量预测模型。通过构造多卷积核并... 详细信息

为提升水文模型预测精度、计算效率，解决传统方法难以浓缩多源水文特征，以及长时间跨度下数据量纲、值域不同造成的特征冗杂问题，提出基于改进时间卷积网络（TCN）和长短时记忆网络（LSTM）的月径流量预测模型。通过构造多卷积核并行网，以提取多源时序特征，并保持原因果卷积特性。引入扩张卷积抽取高阶水文特征，提升长时间跨度记忆单元处理效率。利用残差链接方式跨层传输底层完整特征，丰富特征结果，同时优化整体网络学习过程，并以泸水河流域为例进行验证。实验结果表明该模型在计算效率、精度、网络结构上优于其他对比模型，验证了其在该流域水文预测的有效性。

关键词：径流预测时间卷积神经网络长短时记忆神经网络多源水文数据

基于时频分析和神经网络方法的玛纳斯河径流预测研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于时频分析和神经网络方法的玛纳斯河径流预测研究

作者：蔡文静石河子大学

学位级别：硕士

径流是流域水循环的主要组成元素,在变化环境下准确可靠的径流预报对水循环和水资源管理至关重要。径流在形成过程中受到短期内气候快速变化和人类活动等因素影响,呈现复杂的非线性、非平稳等特征,流域稳态假设不再成立。目前,现有的部... 详细信息

径流是流域水循环的主要组成元素,在变化环境下准确可靠的径流预报对水循环和水资源管理至关重要。径流在形成过程中受到短期内气候快速变化和人类活动等因素影响,呈现复杂的非线性、非平稳等特征,流域稳态假设不再成立。目前,现有的部分月尺度数据驱动预测研究中,侧重于模型结构和计算量,忽略了变化环境下径流的波动性,无法捕捉到潜在的径流信息,因此,如何高效提高径流预测的拟合效果一直是研究的重点。本文选取1956-2014年的玛纳斯河出山口肯斯瓦特水文站的径流时间序列为研究对象,分析玛纳斯河出山口的径流统计特征和变化特征,提出了一种结合物理原因分析和数据挖掘技术优势的月径流模型方法,构建径流预测模型,探究不同模型在玛纳斯河的适用性。主要的研究内容和结果如下:(1)径流时间序列特征分析。运用Mann-Kendall检验、有序聚类法、Morlet小波分析等方法,揭示年径流时间序列的趋势性、变异性以及周期性。同时进一步分析月径流序列的相关特征。结果表明:年径流序列呈现上升趋势,在1995年径流序列发生突变,其特征受2a,5a,16a,23a和45a共五个时间尺度波动控制并存在30-60a、10-30a、2-6a三个震荡周期,在径流演变过程中以45年为主要变化的周期,16年为次要变化周期。从月径流箱型图中可以得到5月到9月的异常值的跨度较大,月径流变化明显。通过单位根(ADF)检验结果分析,发现月径流序列呈现非平稳。(2)径流时间序列分解及预报因子的确定。针对月径流序列的非平稳和非线性的特性,借助时频分析方法将月径流序列平稳化处理,以获取准确的径流信息。将原始径流序列运用经验模态分解(EMD)、变分模态分解(VMD)、离散小波变换(DWT)三种分解方法分解,得到若干个不同频率的子序列。结果表明:三种分解方法均可提取原始序列中具有不同频率的固有信息,将序列进行平稳化处理,降低原有信号的波动性。以前期径流、降水、气温、大气环流因子的月尺度数据作为模型的输入项,使用Pearson相关系数法和随机森林法对原始序列和三种分解方法后得到的各子序列分别进行预报因子优选,提取径流变化驱动因子,确定最佳预报因子。(3)单一模型的径流预测研究。将预报因子作为模型的输入项,构建BP神经网络、极限学习机(ELM)、长短期记忆神经网络(LSTM)模型。结果表明:在对径流预测过程中基于深度学习的LSTM模型表现最优,预测效果为BP径流与水文要素之间的时序性,学习能力更加理想,克服了泛化现象。但是三个单一模型在极值点的预测误差较大,表明单一模型的预测精度有限且效果有待提高。(4)组合模型的径流预测研究。由于基于单一方法构建的模型在一定程度上容易丢失原始径流的固有信息,为进一步提高单一模型的预测精度,提出构建EMD-LSTM、VMD-LSTM、DWT-LSTM组合模型,将分解后各子序列分别代入LSTM模型进行预测,加和重构获得最终预测结果。同时考虑预报因子对分解子序列的影响,构建以前期径流、降水量以及气温为输入项的组合模型,将单一模型和组合模型预测结果进行对比分析。结果表明:组合模型均比单一模型在径流预测过程中更具优势,其中组合模型VMD-LSTM预报误差最小、精度最高,纳什系数保持在0.900以上,有效避免了过拟合等问题,其径流极值预测误差在15.0%以内,对径流总体趋势预测和极值的追踪均有良好效果。当组合模型的输入项中增加大气环流因子后可进一步提高模型预测精度,其预测精度均高于88.0%,各项指标均有提高,可更深入捕获径流内在特性,为变化环境下非平稳序列预测提供可靠结果。

关键词：玛纳斯河特性分析径流预测时频分析神经网络