学位论文 > 优秀研究生学位论文题录展示

湘江流域中长期水文预报

作　者: 宋荷花
导　师: 胡国华；李正最
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人工神经网络多元混合回归湘江流域
分类号: TV124
类　型: 硕士论文
年　份: 2008年
下　载: 216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。湘江是洞庭湖水系中最大的一条河流。一直以来,湘江流域频繁遭受洪水的威胁。而且目前中长期水文预报仍存在精度不高,难以有效指导生产实践的问题,因此对湘江流域进行中长期水文预报研究对于流域的防洪抗旱及洞庭湖区的调蓄都有重要的意义。本研究选择湘潭站作为湘江的代表站,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。然后分别应用模糊模式识别预报模型、人工神经网络模型和多元混合回归模型对湘江流域进行年最大洪峰流量及逐月流量的中长期预报,以建立适合湘江流域的简单实用且预报精度较高的预报模型。主要成果与结论有:基于模糊模式识别预报模型、人工神经网络模型和多元混合回归模型的湘江流域年最大洪峰流量及逐月流量中长期预报的合格率都在80%以上,相互验证了此次湘江湘潭站流量中长期预报成果的合理性和可靠度较高。从逐年最大洪峰流量预报和逐月预报结果及误差结果可以看出,人工神经网络模型预报特大及特小年份的误差最小,预报精度最高。人工神经网络模型的拟合平均绝对相对误差为10%～11%左右,取得了令人满意的效果,可供应用参考。将复相关系数定为预报模型优良的一个重要参数,预报实际证明复相关系数不低于0.75时可以得到较理想的预报结果。总之,本文研究成果对湘江流域的防洪抗旱及洞庭湖区的调蓄都有重要的参考价值。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-16
  1.1 研究目的及意义  9
  1.2 中长期水文预报方法国内外研究现状  9-15
  1.3 主要研究内容  15-16
第二章预报因子和预报模型识别  16-22
  2.1 湘江流域概况  16
  2.2 水文气象资料概况  16-17
  2.3 预报因子的初步识别  17-20
  2.4 预报模型的识别  20-22
第三章模糊模式识别预报  22-37
  3.1 模糊模式识别循环迭代理论与模型  22-25
  3.2 模糊模式识别预报模型  25-27
  3.3 预报因子的模糊识别  27-30
  3.4 基于模糊模式识别的逐年预报  30-36
  3.5 本章小结  36-37
第四章人工神经网络预报  37-52
  4.1 人工神经网络概述  37-38
  4.2 BP神经网络的基本原理  38-41
  4.3 BP 算法的改进  41-43
  4.4 BP 网络中长期水文预报模型的建立  43-45
  4.5 基于人工神经网络的逐年预报  45-50
  4.6 本章小结  50-52
第五章多元非线性混合回归预报  52-61
  5.1 回归模型概述  52
  5.2 多元非线性混合回归模型的原理  52-54
  5.3 基于多元混合回归的逐年预报  54-59
  5.4 本章小结  59-61
第六章不同模型预报结果的综合比较  61-68
  6.1 不同模型预报结果汇总  61-66
  6.2 不同模型预测结果的比较分析  66-68
第七章结论与展望  68-70
  7.1 总结  68
  7.2 展望  68-70
参考文献  70-76
致谢  76-77
附录A （攻读学位期间发表论文目录）  77
附录B （攻读学位期间参加的科研课题）  77

湘江流域中长期水文预报

内容摘要

全文目录

相似论文