嘉陵江流域洪水等级的建议划分标准

根据洪水重现期可以将洪水划分为12个等级,也可根据年最大流量距平值将洪水中长期定性预报分成7个等级.探讨了嘉陵江流域的洪水等级和中长期预报定性分级标准,还对嘉陵江流域1981年7月发生的洪水等级进行了分析.     

洪水前兆的初步探讨

根据历史洪水和现有研究 ,比较系统地分析了各种洪水前兆 ,可以为洪水预报提供一定的理论依据 ,同时指出 ,为了提高预报精度 ,必须对洪水前兆进行综合分析 ,去伪存真 ,最终达到防洪减灾的目的     

暴雨洪水预报方法初深

暴雨洪水是威胁人类安全最常见的一种自然现象,特别是特大暴雨所形成的山洪、泥石流,给人们生命安全及财产造成巨大损失.本文针对暴雨降水量大、强度大、范围广的特点.通过对国内外大量高空地面资料进行分析与探索.采用统计分析与成因分析相结合的方法,寻求大气环流异常指标,探讨其发生发展运动规律.文中选用了发生暴雨洪水前期亚欧500百帕大气环流指标作为研究暴雨洪水背景预报的主要物理量. 文中用大量图表实例说明了该方法的可行性与实用性.经过多年实践认识到,要作好预见期较长的暴雨洪水预报,必须结合本地区水文气象特征进行多学科密切合作,充分发挥技术群体优势.文中认为对异常暴雨洪水进行预报是可能的.     

提高人工神经网络洪水峰值预报精度的研究

以动量项与学习率自适应调整相结合的改进BP算法作为人工神经网络计算方法，阐述了洪水预报网络模型的构造和数据处理，以及转移函数对洪水预报精度的影响，提出了合理的洪水预报网络模型的设计方案。     

洪水预报调度决策支持系统的设计与开发

基于C/S和B/S相结合的结构模式,开发了九龙江流域洪水预报调度决策支持系统。该系统采用了马斯京根矩阵解法、卡尔曼滤波实时校正、交互式调度方案生成、ASP等关键技术,实现了信息管理、洪水预报、洪水调度和系统管理等功能。     

基于模糊信息分析的洪水预报

洪水影响因素复杂,洪峰水位和洪峰流量之间呈一种模糊关系.利用模糊信息分析方法,对洪峰流量进行了预报分析,其结果是比较好的,是洪水预报的一条比较有效的途径.     

从广西1994年特大洪灾谈非工程防洪措施

本文根据广西各地１９９４年洪灾的具体情况，深入分析了工程防洪措施的局限性及非工程防洪措施存在的问题，提出了加强广西非工程措施的重点是加强民众水患意识教育，广泛开展洪水多发区的洪水风险评估并加强土地管理，建立先进的洪水预报预警系统及完善的洪水保险业务。     

基于致洪暴雨预报的三峡水库洪水预估系统及试验评估

介绍了一种基于致洪暴雨预报,结合水文控制站水位、流量信息,运用多元统计回归模型开展的三峡水库洪水程度分级预估的方法.通过历史回代和2010、2011年预估试验应用表明:该预估系统稳定可靠,适用于三峡水库洪水程度预估,对三峡上游暴雨引发的洪水程度能进行准确的预估,而且对三峡上游支流的暴雨洪水预测也有一定的预见性.应用该系统三峡水库的洪水预见期可达3d以上,能为防汛决策和三峡水库防洪调度赢得时间.     

新疆高山地区冰川阻塞湖引起的突发性洪水灾害

我国新疆地区经常发生冰川阻塞湖引起的突发性洪水灾害.通过对叶尔羌河、昆马力克河和四棵树河三条典型河流的研究,发现可预报洪水序列与阻塞湖库容量有正相关关系.结合分析阿尔泰山、祁连山和西藏地区的地理环境特点,认为塔里木盆地周边地区是冰湖洪水的突发区.     

1949—1994年中国洪水灾害成灾面积的时序分形特征

作者应用１９４９～１９９４年中国洪水灾情资料,重构了其嵌入相空间序列,探讨了其时序的分形特征,计算得到了分维数。研究表明：洪水灾害成灾面积的时序分布具有分形特征。研究结果为建立洪水灾害成灾面积的时序预测预报模型提供依据。     

基于Elman神经网络模型的我国农业受灾面积预测研究

农业受灾面积顶测是从以往受灾面积的数据中总结受灾面积变化的规律性，并用这个规律动态地顶测未来的受灾面积．人工神经网络的诸多特性能较好地处理农业灾害顶测问题。为此，介绍了Elman神经网络的结构、算法和基于Elman神经网络的农业受灾面积顶测．实验结果和自回归顶测对照表明，Elman神经网络的顶测方法更精确。     

膨胀土路基水毁灾害及其粗糙神经网络预测

通过对膨胀土地质灾害的总结，提出了膨胀土路基水毁灾害的分类分级方法，并根据常用的地质灾害预测办法，指出膨胀土路基水毁灾害的预测是一个典型的非线性问题，当考虑降雨、干旱等气候因素耦合影响时，宜进行危险性点评估。提出了采用粗糙神经网络对膨胀土路基水毁灾害进行评价和预测的方法，并运用粗糙集理论确定了该神经网络的结构。同时，以某膨胀土路基水毁大型模型试验的数据为例，进行了灾害预测，结果表明，将粗糙神经网络运用于膨胀土路基的水毁灾害预测是切实可行的。     

基于免疫遗传算法的洪灾神经网络评估模型

灾情评估的结果既是制定防洪减灾决策的基本依据，也是评价防洪工作成效的重要指标。提出了一种基于免疫遗传算法优化的神经网络模型（IGA—NN）并用于洪水灾情的评估，给出了IGA—NN的设计方法和优化步骤。同时还将ICA—NN与标准遗传算法优化的神经网络模型进行了比较，显示了IGA—NN的优越性。最后通过实例，验证了IGA—NN的实用性。     

基于遥感的洪水灾害承灾体神经网络的提取方法探讨

洪水灾害承文体信息的快速获取是洪水灾害评估的基础．卫星遥感所获得的遥感图象包含了有关该承灾体的空间分布信息．常规目视解译难以快速并准确地从遥感图象中提取这些信息．神经网络技术的发展为解决这一问题提供了新的工具．本文阐这了将神经网络用于从遥感图象中自动提取洪水灾害承文体的空间分布信息的基本原理和方法,并结合实例说明了这种方法的有效性     

两种定性天气预报模型的对比分析

以南京１９６５～１９９４ 年４ 月平均气温作为预报量, 选取前期５００ ｈ Ｐａ 月平均高度场相关因子, 分别建立了事件概率回归预报模型和神经网络预报模型。通过对比分析发现, 在同等条件下,由于神经网络方法能更好地反映预报量与预报因子间的非线性关系, 并能有效避免采用事件概率回归方法预报建模时, 对预报因子分级造成信息损失的缺点。因此, 其拟合和预报效果明显优于传统的概率回归预报方法     

洪水灾情评价的脉冲耦合神经网络模型

洪水灾情的评价工作对洪水灾害的分类管理具有重要的指导意义。脉冲耦合神经网络模型应用到洪水灾情评价中是一次新尝试,该方法通过脉冲输出从而调节阈值,并且应用动态阈值来确定洪水灾情的等级。这个方法比传统的BP模型简化了权值的训练,模型更加简便、直观。采用脉冲耦合神经网络模型得出的评价结果同灰色关联法、灰色聚类法、灰色模糊综合法的评价结果进行了比较,表明其用于洪水损失评价具有科学性和实用性。     

基于遗传算法的洪水灾情评估神经网络模型探讨

洪水灾情评估实际上是一种模式识别问题,而人工神经网络模型具有逼近有界闭子集上任意非线性映射的特性,且模型更新方便。本文邮基于遗传算法的洪水灾情评估神经网络模型,阐述了其基本原理和算法,实例研究表明其实用性、客观性和通用性。     

暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例

由于区域地理环境存在差异,洪涝敏感性影响因子的选取主要根据区域地理特征及个人经验确定,缺乏统一的标准、系统的分析和科学的评价。洪涝灾害与影响因子之间是复杂的、多变量的非线性关系,与研究区的地质、地貌、土地覆盖等诸多因素密切相关。针对不同的研究区域,搜集尽可能全面的影响因子并对其进行优化选取是实现洪涝敏感性准确评估的前提和保证。南昌市安义县位于潦河中下游,是洪涝灾害的主要受灾区域。基于遥感影像数据和地理信息系统技术,以安义县为例开展暴雨洪涝敏感性影响因子分析及评估研究。首先,利用成灾前后哨兵一号雷达影像提取安义县2016年6月30日至7月5日暴雨洪涝的淹没范围,选取高程、降水、用地类型、距河流距离、坡度等15个洪涝敏感性影响因子。然后,基于随机森林模型对15个影响因子进行重要性排序,按照排序结果对影响因子逐步精简,并基于神经网络模型对影响因子进行优化选取。最后,基于优化选取后的影响因子,采用神经网络模型进行安义县洪涝敏感性评估,并用实例验证洪涝敏感性评估结果的可靠性。研究结果表明,在精简收敛指数、坡向、剖面曲率、地形位置指数和汇流动力指数5个最不重要的影响因子后,神经网络模型的性能有一定提升;敏感性等级为中等及中等以上区域主要分布在潦河两岸,约占安义县总面积的1/3,近70%的洪涝分布在敏感性中等及中等以上区域,洪涝发生在洪涝敏感性等级为中等及中等以上区域的可能性非常大,洪涝敏感性评估结果与安义县实际情况相符。