学位论文 > 优秀研究生学位论文题录展示

长江三峡中长期水文预报研究

作　者: 孙树青
导　师: 胡国华；左利芳
学　校: 长沙理工大学
专　业: 水力学及河流动力学
关键词: 中长期水文预报年最大洪峰流量逐月流量模糊模式识别模型人工神经网络模型长江三峡
分类号: TV124
类　型: 硕士论文
年　份: 2007年
下　载: 300次
引　用: 3次
阅　读: 论文下载

内容摘要

中长期水文预报对于防汛抗旱、水库调度、水资源规划与管理等工作至关重要。目前,中长期水文预报在水文学研究中还相对落后,仍然处于探索、发展的阶段。长江三峡工程是治理和开发长江、综合利用长江水资源的关键工程。为了满足防洪、发电、航运等要求,水库的运行必须实行优化调度,三峡坝址的流量预报是优化调度的主要依据。目前长江三峡的中长期水文预报工作存在着精度不高,难于有效指导生产实践的问题。本文以长江宜昌站为长江三峡的代表站,运用成因分析、统计分析与模糊分析相结合的方法,在识别影响各水文要素的前期流域降水、大气环流形势等预报因子的基础上,分别应用模糊模式识别预报模型和人工神经网络模型进行了年最大洪峰流量及逐月流量中长期预报。主要成果与结论如下:(1)基于模糊模式识别理论与模型,从单个影响因子出发,以maxr为目标函数,根据多个影响因子综合作用下的样本特征值与类别特征值的最优相关密切性,提出了预报因子选择的模糊识别方法。实践证明前期预报因子选择合理,该法具有较高的推广和应用价值。(2)应用模糊模式识别模型进行预报时,将样本与预报因子特征值之间的相关系数绝对值的归一化数作为预报因子权向量的初始值符合实际水文现象。(3)LMBP算法单次预报精度较低,预报风险较高,但训练效率高,训练次数稳定;自适应BP算法引入了动量因子,使网络发生震荡的几率降低,具有较高的预报精度和较快的训练速度,但训练次数波动较大。推荐用LMBP算法确定网络结构,用自适应BP算法进行预报。(4)采用人工神经网络模型进行预报,当模拟误差为6%-8%左右,能取得令人满意的效果,可据此确定训练精度,供应用参考。(5)模糊方法优选出来的预报因子可应用于人工神经网络模型中,且预报效果要优于模糊模式识别模型。(6)本研究中所建模型合理,预报效果好,研究成果对长江三峡水电调度计划方案的制定具有重要参考价值。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-18
  1.1 研究目的与意义  10
    1.1.1 研究目的  10
    1.1.2 理论意义  10
    1.1.3 实践意义  10
  1.2 国内外研究现状  10-17
    1.2.1 概念性水文模型  11
    1.2.2 分布式水文模型  11-12
    1.2.3 系统理论模型  12-16
    1.2.4 中长期水文预报方法前景展望  16-17
  1.3 主要研究内容  17-18
第二章预报因子的初步识别  18-24
  2.1 流域和工程概况  18-20
    2.1.1 流域概况  18-19
    2.1.2 工程概况  19-20
  2.2 水文气象资料概况  20
    2.2.1 水文资料  20
    2.2.2 气象资料  20
  2.3 预报因子的物理考察  20-21
  2.4 预报因子的统计分析  21-22
  2.5 预报因子的初步选择  22-24
第三章模糊模式识别预报  24-40
  3.1 模糊集理论概述  24
  3.2 模糊模式识别循环迭代理论与模型  24-27
  3.3 模糊模式识别预报模型  27-29
  3.4 预报因子的模糊识别  29-32
    3.4.1 预报因子模糊识别原理与步骤  29-30
    3.4.2 年最大洪峰流量预报因子的模糊识别  30-31
    3.4.3 逐月流量预报因子的模糊识别  31-32
  3.5 基于模糊模式识别的逐年预报  32-38
    3.5.1 基于模糊模式识别的年最大洪峰流量逐年预报  32-34
    3.5.2 基于模糊模式识别的逐月流量预报  34-38
  3.6 本章小结  38-40
第四章人工神经网络预报  40-56
  4.1 人工神经网络概述  40-41
  4.2 BP神经网络的基本原理  41-45
    4.2.1 BP神经网络结构  41-42
    4.2.2 BP学习算法  42-45
  4.3 BP算法的改进  45-47
    4.3.1 Levenberg-Marquardt（LM）BP算法  45-46
    4.3.2 自适应BP算法  46-47
  4.4 BP网络中长期水文预报模型的建立  47-50
    4.4.1 样本的预处理  47
    4.4.2 收敛准则的选择  47
    4.4.3 BP算法的比较研究  47-48
    4.4.4 隐含层神经元数的确定  48-50
  4.5 基于人工神经网络的逐年预报  50-55
    4.5.1 基于人工神经网络的年最大洪峰流量预报  50-51
    4.5.2 基于人工神经网络的逐月流量预报  51-55
  4.6 本章小结  55-56
第五章不同模型预报结果的综合比较  56-62
  5.1 不同模型预报结果汇总  56-61
    5.1.1 年最大洪峰流量预报效果汇总  56-57
    5.1.2 逐月流量预报效果汇总  57-61
  5.2 不同模型预报效果分析  61-62
第六章结论与展望  62-64
  6.1 结论  62
  6.2 展望  62-64
参考文献  64-70
致谢  70-71
附录A（攻读学位期间发表论文目录）  71
附录B（攻读学位期间参与的课题）  71

长江三峡中长期水文预报研究

内容摘要

全文目录

相似论文