多元自回归模型在枯水径流预报中的应用

多元自回归模型在枯水径流预报中的应用冯国章，王双银，韦华艳（西北农业大学水利与建筑工程学院陕西杨陵７１２１００）关键词多元自回归模型，时间序列，枯水径流，模型评定，预报检验，作业预报ＡＰＰＬＩＣＡＴＩＯＮＯＦＴＨＥＭＵＬＴＩＶＡＲＩＡＴＥＡＵＴＯＲＥ...     

多元自回归模型在枯水径流预报中的应用

多元自回归模型在枯水径流预报中的应用冯国章，王双银，韦华艳（西北农业大学水利与建筑工程学院陕西杨陵７１２１００）关键词多元自回归模型，时间序列，枯水径流，模型评定，预报检验，作业预报ＡＰＰＬＩＣＡＴＩＯＮＯＦＴＨＥＭＵＬＴＩＶＡＲＩＡＴＥＡＵＴＯＲＥ...     

沙颖河流域降雨径流污染预报模型的研究

在淮河上游河颖河流域的研究区域内布站设点，获取数据资料，建立出口断面的水质预报模型，在降雨径流污染方面作了有益的探索，获取的实主以此所 水质预报模式具有一定的实用价值。     

新安江模型在无资料流域冷水河的应用研究

新安江模型是中国第一个完整的流域水文模型,模型结构设计为分散性的,分为蒸散发计算、产流计算、分水源计算和汇流计算4个结构层次。为探索模型在无资料流域的应用,采用冷水河流域附近水文站资料建立三水源新安江模型,率定模型参数,移植区间SMS_3、LAG_3参数构建冷水河洪水预报方案。经检验,方案确定性系数0.909,各预报项目合格率66%以上,精度等级为丙级。得出了三水源新安江模型参数移植在无资料流域冷水河有适用性的结论。可资缺乏资料的中小流域洪水预报方案研制借鉴。     

基于改进新安江模型的岩溶地区径流过程模拟——以庙沟岩溶流域为例

为改善新安江模型对岩溶地区径流过程的模拟效果,根据岩溶地区降雨集中灌入补给的特点,对原始新安江模型结构进行了改进,定义降雨分配系数φ用来描述部分降雨通过管道转化为自由水,直接参与水源划分,并在前人研究的基础上,根据岩溶管道含水介质与裂隙含水介质径流过程的差异,采用快速地下径流水箱和慢速地下径流水箱分别描述地下径流(RG)中的快速径流部分和慢速径流部分。通过将改进的新安江模型应用于庙沟岩溶流域径流过程的模拟,结果表明:2014年3月1日—2014年12月1日期间,原始新安江模型模拟结果的平均确定性系数为0.592,改进的新安江模型模拟结果的平均确定性系数为0.901,且改进后新安江模型对单次洪水过程的模拟效果更好,模拟精度最高可达0.993;改进的新安江模型模拟精度随着参数φ值的增大逐渐增高,当参数φ值为0.61时,模型模拟效果最优;参数φ提高了岩溶地区径流对降雨的敏感度,该参数敏感性较强。     

基于SWAT模型的挠力河流域地表径流数值模拟与不确定性分析

为探究水文模型参数敏感性及模型不确定性对径流模拟的影响,运用SWAT模型对挠力河流域地表径流过程进行了数值模拟,利用SUFI-2方法评价模型参数敏感性及不确定性对模拟结果的影响,选取决定系数（R2）与Nash-Sutcliffe效率系数（E_NS）对模型精度进行评价。敏感性分析结果表明:对挠力河流域径流模拟影响最大的4个参数是CN2（SCS径流曲线数）、SLSUBBSN （平均坡长）、SOL_BD （土壤湿密度）和SOL_K （土壤饱和导水率）,表明SCS径流曲线数、土壤与地形地貌是影响挠力河流域地表径流最重要的因素。月径流模拟过程与实测水文过程拟合较好,率定期和验证期R2与E_NS分别为0.68、0.67和0.76、0.44,均达到令人满意的结果。不确定性分析结果表明:p因子为0.78,r因子为0.94,模型不确定性较小,进一步验证了模型的适用性。研究结果可为其他相似流域SWAT模型的应用及参数的率定提供参考。     

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法.笔者将BP网络模型引入到大气污染预报领域,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型.计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法.      

RBF神经网络氧化沟系统出水氮磷预报模型

为定量模拟污水处理系统进水及出水水质参数数学关系,为污水处理系统的智能反馈控制奠定理论基础,文章以河南漯河市污水净化中心氧化沟系统为考察对象,采用径向基函数(RBF)神经网络对其模拟分析,建立了氧化沟系统出水TN、TP预报的RBF网络模型。建模过程采用的主成分分析与聚类分析有效挖掘了样本信息,采用的数据预处理方法缩减了模型误差。模型性能及灵敏度检验表明,建成的模型对出水TN、TP预报准确率分别达到90%、70%,相关性检验系数分别达到0.95和0.89,可用于该系统出水TN、TP预报,为系统在线控制提供指导。研究同时表明,RBF神经网络由于克服了误差反向传播(BP)网络收敛慢、局部极值等缺点,在水处理系统模拟及其反馈控制中,具有巨大的应用潜力。     

北京市空气质量动态统计预报系统

简要介绍了北京市空气质量动态统计预报系统的构成、特点,以及所采用的线性回归模型LRM,分类判别树CART模型,CART与LRM结合的模型,动态统计预报模型DSM,多点预报模型MPDSM 5种预报模型,分析了不同预报模型的特点和性能.所建立的动态统计预报模型DSM有良好的预报性能,减小了在高污染季节的预报误差;多点空气质量动态预报模型也具有较好的预报性能.      

抚顺市空气污染预报方案筛选

空气污染预报的准确性取决于大气污染物扩散模型的选取和预报方案的设计。本文以经过验证的ADMS-大气污染物扩散模型为基础。设计了四种预报方案。并对四种方案的预报准确性进行检验，从而筛选出了适用于抚顺市空气污染特点的最佳预报方案。     

基于GA-ANN改进的空气质量预测模型

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO₂),ρ(NO₂)和ρ(PM₁₀₎进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0. 与一般的人工神经网络预测模型相比较,GA_-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_-ANN模型可结合其他方法进行日常空气质量预报.      

组合预测模型在战略环境评价中的应用——以山东省汽车工业规划SEA为例

预测方法繁多,科学的选择预测方法是决定SEA成败的关键环节。许多预测方法被认为可用于SEA,但是还没有在实践中得到足够的验证。文章简要介绍了组合预测模型的基本思想,提出了2种预测法所构成的组合预测法加权系数的计算公式;并以山东省汽车工业规划SEA为例,对汽车保有量进行了预测研究;结果表明:采用组合预测法的预测精度比两种单项预测模型的预测精度都有较大的提高,其误差平方和明显降低。     

基于修正组合模型的青海省城市需水量预测

根据城市用水量系统具有非线性和随机波动性的特点,为了充分发挥组合灰色神经网络预测模型能够综合单变量预测及非线性处理的优势,同时降低组合权系数计算方法的不确定性对模型预测效果的影响,论文提出了基于马尔科夫链修正的组合灰色神经网络预测模型。将其应用于1980—2009年青海省城市用水量序列的拟合分析,并预测其2010、2015以及2020年的城市需水量。结果表明:基于马尔科夫链修正的组合灰色神经网络预测模型预测结果的误差更小,精度更高。     

Prediction of the concentration of chlorophyll-a for Liuhai urban lakes in Beijing City

The weekly water quality monitor data of Liuhai lakes between April 2003 and November 2004 in Beijing City were used as an example to build an artificial neural networks （ANN） model and a multi-varieties regression model respectively for predicting the fresh water algae bloom. The different predicted abilities of the two methods in Liuhai lakes were compared. A principle analysis method was first used to select the input variables of the models to avoid the phenomenon of collinearity in the data. The results showed that the input variables for the artificial neural networks were T, TP, transparency（SD）, DO, chlorophyll-a （Chl-a）,pH and the output variable was Chl-a. A three layer Levenberg-Marguardt feed forward leaming algorithm in ANN was used to model the eutrophication process of Liuhai lakes. 20 nodes in hidden layer and 1 node of output for the ANN model had been optimized by trial and error method. A sensitivity analysis of the input variables was performed to evaluate their relative significance in determining the predicted values. The correlation coefficient between predicted value and observed value in all data and in test data were 0.717 and 0.816 respectively in the artificial neural networks. The stepwise regression method was used to simulate the linear relation between Chl-a and temperature, of which the correlation coefficient was 0.213. By comparing the results of the two models, it was found that neural network models were able to simulate non-linear behavior in the water eutrophication process of Liuhai lakes reasonably and could successfully estimate some extreme values from calibration and test data sets.     

Prediction of the concentration of chlorophyll-α for Liuhai urban lakes in Beijing City

Introduction The eutrophication of fresh w ater has becom e a m ain w ater environm ental problem in the w orld. The m ain negative im pacts of fresh w ater eutrophication are w ater quality deterioration and the decrease of hydrophytes and aquatic specie…     

基于随机样本的BP模型在水质评价中的应用

运用BP(误差反向传播)模型对水环境质量进行综合评价,主要针对以前BP模型在水质评价中存在的学习训练样本过少,没有检验样本等问题,用随机数发生器在每个级别范围内产生大量的数据作为训练样本和检验样本,并尝试以MSE函数生成均方误差作为检验样本的输出值与期望输出值的比较,检验网络评价未知样本的能力,大大提高了神经网络评价水质时的精度。     

基于模糊神经网络的A2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.     

典型下垫面径流系数预测的神经网络方法研究

根据5种典型下垫面的径流系数的实测数据,运用LM(Levenberg-Marquardt)BP算法的神经网络模型,建立了径流系数与影响因素关系间的S型/S型数学模型。用该方法对不同降雨条件下每种下垫面的径流系数进行了预测,并与传统方法进行了比较。结果表明,该模型的预测精度更高。     

BP神经网络在流溪河水库径流量预测中的应用

流溪河水库是广州市的主要饮用水源地,所属地区降雨量年际变化大,不利于水资源的优化配置。对流溪河水库径流量进行预测研究,可为其水资源的优化配置提供科学依据。目前人工神经网络(ANN)技术在水文序列模拟预测中有较多的应用,本文根据流溪河水库1959~2000年水文数据,利用BP神经网络对径流量进行预测,从模型检验结果看,所建模型有较好的拟合效果和预测精度,说明神经网络在预测径流量方面有良好的实用性。