水位演算模型及其在水位预报中的应用

将单一河道洪水演算系统视为单输入一单输出系统,基于时间序列分析中的ＡＲＭＡＶ（２,１）模型,应用时间序列分析最优控制理论建立了水位演算模型和水位预报方法。证明若采用水位作变量,则可采用无约束的最优化方法确定参数;若采用水深作变量,则可采用以水量平衡为约束的寻优方法确定参数。本文所建立的水位预报方法用于黄河下游水位预报,得到了满意的预报精度。     

随机水文学——周文德教授来华讲学主要内容之一

四、随机流域系统1.随机流域系统的数学表示系统的时间序列用数学表示为:输入[X_t]=[X_t;t∈T];输出[Y_t]=[Y_t;t∈T];输通[Z_t]=[Z_t;t∈T].它们都是不确定的.其随机过程的时间参数 t 可以是连续的,或是离散的.随机水文系统的连续方程式为:     

两变量水文频率分布模型研究述评

水文变量多特征属性的频率分析,以及各种水文事件的遭遇及联合概率分布问题需要采用多变量概率分布模型解决。总结了当前应用最广泛的几种两变量概率分布模型,对各种模型的适用性和局限性做了详细分析,并介绍了一种新的两变量概率模型——Copula函数。现有模型大都基于变量之间的线性相关关系而建立,对于非线性、非对称的随机变量难以很好地描述;大部分模型假定各变量服从相同的边际分布或对变量间的相关性有严格的限定,从而限制了其应用。Copula函数所构造的两变量概率分布模型克服了现有模型的不足,它具有任意的边际分布,可以描述变量间非线性、非对称的相关关系。作为一种用于构造灵活的多变量联合分布的工具,Copula函数在水科学领域具有广阔的应用前景。     

基于三维copula函数的多水文区丰枯遭遇分析

不同水文区的丰枯遭遇概率分析属于多变量概率分布问题,涉及的水文区越多,变量的维数就越高,问题就越复杂.为找到一种简单通用的多变量(n≥3)水文概率问题的求解方法,以不同水文区丰枯遭遇概率分析为例,引入三维copula函数构建多变量联合概率模型,将其用于分析长江、淮河及黄河流域的径流量的联合概率和条件概率问题。研究结果表明,当变量维数n≥3时,由copula函数可以很容易地构建多变量概率分布模型;对一组水文数据系列,有多个不同copula函数可以选择,可采用拟合优度检验方法择优;copula函数构建的多变量概率模型,可以计算各种条件下的联合概率分布,可以分析各种不同量级水文变量的遭遇概率和条件概率;通过与多维转换为一维方法的比较,三维Frank copula函数具有更优良的拟合优度、无偏性及有效性,且计算更简便。     

基于三维copula函数的不同水文区丰枯遭遇分析

不同水文区的丰枯遭遇概率分析属于多变量概率分布问题,涉及的水文区越多,变量的维数就越高,问题就越复杂。为找到一种简单通用的多变量（ ）水文概率问题的求解方法,以不同水文区丰枯遭遇概率分析为例,引入三维copula函数构建多变量联合概率模型,将其用于分析长江、淮河、及黄河流域的径流量的联合概率和条件概率问题。研究结果表明,当变量维数 时,由copula函数可以很容易地构建多变量概率分布模型;对一组水文数据系列,有多个不同copula函数可以选择,可采用拟合优度检验方法择优;copula函数构建的多变量概率模型,可以计算各种条件下的联合概率分布,可以分析各种不同量级水文变量的遭遇概率和条件概率;通过与多维转换为一维方法的比较,三维Frank copula函数具有更优良的拟合优度、无偏性、及有效性,且计算更简便。     

地下水动态预报的多层递阶组合模型

地下水系统是一个复杂的随机系统,降水、灌溉等可视为系统的输入,而地下水位则可视作系统的输出。地下水位是一随机动态数据序列,在年际间具有明显的周期性变化。基于此,提出了一种用于描述和分析具有周期性变化的时间序列的新的组合模型一多层梯阶组合模型,该模型是由多层梯阶模型及自回归滑动平均(ARMA)模型构成。在建模中,将原序列分解为年均值、年度变幅和残差三个子序列。针对前两个子序列的时变特征,可采用多层梯阶模型进行模拟,残差序列则可用ARMA模型描述。本文采用这种新的组合模型对区域地下水位动态进行了预报,结果表明预测效果较好。     

BP神经网络洪水预报模型在洪水预报系统中的应用

采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。     

基于SFLA-GRNN模型的基坑地表最大沉降预测

为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。     

神经网络模型在坝基扬压力影响因子量化分析中的应用

本文应用改进的BP网络模型定量分析坝基扬压力的影响因子,赋于网络不同的权值来表示网络的输入变量(水位、温度、时效等因子)对网络的输出变量(扬压力)的影响程度,从而确定各影响因子分量对扬压力的影响比例。采用Levenberg Marquardt算法训练网络,网络达到一定的次数后收敛。实例计算结果表明,该模型具有计算精度高、简便实用等特点。因而认为,把神经网络模型应用于探讨诸如环境量对于效应量影响程度的一类问题,具有好的前景。     

灰色模型预测地下水动态

地下水动态是地下水系统输入、输出信息的外部反应。动态与其影响因素之间、因素与因素之间的关系,有的是明确的,有的是不清楚的。所以,地下水动态可视为一个灰色系统,可通过建立灰色模型(GM)来加以研究。一、GM 模型简述根据水文地质特征,分析动态资料,找出影响动态的主要因素,选用因素及动态变化的时间数据序列,就可建立动态的灰色模型(简记为 GM)。一般说,GM 模型可表示为:GM(n,h)式中,n 为微分方程的阶数,n=0,1,2,3……,一般不大于3,否则求解困难;h为变量数,h=1,2,3……。     

潜在腾发量的随机过程特性探讨—— 一个实例研究

利用中国科学院禹城试验站的系列气象观测资料计算了逐日潜在腾发量(ETP).将日潜在腾发量系列分解为均值项和随机项两个部分,利用标准差对随机项进行了标准化处理.而后着重研究了标准化以后的随机序列的随机过程特征.首先,建立了该系列的离散的时间序列模型,然后在此基础上建立了相应的连续参数的随机模型,取得了该序列的理论概率分布密度和稳态概率分布密度,并得到了观测结果的验证,同时,还得到了该序列的自相关函数和谱密度函数的解析表达式,从而比较全面地分析了腾发量系列的随机过程特性.     

浅议地下水数学模型的误差

一、数学模型的准确性数学模型是一组表征真实原型系统的数学方程,该方程组在某种意义上准确地表达了原型系统部分或全部的激励和响应关系。原型的全部输入子集作为数学模型的激励,而模型方程的解则构成了相应于系统响应子集的数学表达式。这种数学表达方式愈接近实际情况,则模型愈准确,也即“拟合”的愈好,其可靠性程度也就愈高。根据不同特征和特点,数学模型可分为分布参数     

数字高程模型的空间分辨率对流域径流模拟的差异性影响分析

数字高程模型(DEM)空间分辨率的精准确定,对于提高分布式水文模型输入水文信息的可靠性和有效性意义显著。文章选择北洛河流域典型区域作为研究对象,基于7种不同的DEM空间分辨率,利用ARCGIS软件,分别提取水文特征信息;在新安江模型物理参数意义研究的基础上,利用槽蓄曲线的坡度K和流量比重系数X之间的相关关系,确定参数,进行水文模拟;根据交口、状头水文站的实测数据,对模拟结果进行对比验证,结果表明:DEM空间分辨率越低,提取的水文特征信息越少;洪峰的模拟精度在分辨率200m之前减低缓慢,200m之后大幅降低。对比分析不同分辨率对水文模拟的影响,进而确定满足实际洪水预报的DEM分辨率大小。     

大型渠系联合运行状态空间模型不确定性的描述与度量

多渠段联合的自动化运行是现代节水农业的重要发展趋势之一,也是现阶段南水北调中线运行控制的关键技术问题,其控制器的设计求解依赖于线性化的系统数学模型,而多渠段系统本身是高度非线性耦合系统。针对所建立的多渠段多输入多输出(MIMO)模型,对其不确定性的来源做分类分析,作为系统鲁棒控制器设计的基础。将线性化的模型作为标称模型,不确定性采用模型之间差异矩阵的最大奇异值表示。以一个六渠段串联的算例进行求解,得出其模型不确定性的定量描述。     

随机介质热弹性力学模型球坐标问题的解析解

针对随机介质热弹性力学模型,在随机韦泊分布和指数分布下,提出了一种解决随机概率分布用连续函数表示的方法,并推导出该模型球坐标问题的解析解。通过算例,对随机模型与均质模型热应力的区别做了详细研究,结果表明随机概率分布参数m对随机模型的热应力有重要影响。     

实际野外条件下的污染场地土壤和地下水污染限值计算(英文)

加拿大联邦及Alberta省级环境导则为石油烃污染场地提供了多级环境标准及评价方法。其中二级环境标准评价,准许根据污染场地的实际条件计算土壤和地下水污染限值。环境导则限定了计算污染限值的模型和方法。这些模型大都是基于十分简化的野外条件的解析解模型,并根据导则规定的方法使用,以简化应用与审批程序。这些模型的用途和方法与一般通用地下水和土壤污染物运移模型有所不同,在实际运用时这些差别常常被忽略。同时,在复杂野外条件下运用这些模型时,经常遇到确定模型输入参数的困难。介绍了加拿大环境导则中计算污染场地土壤和地下水污染限值以保护地表水环境的模型方法,强调这些模型方法只适用于计算污染限值的特殊目的,不适用于预测污染物运移或套用一般模型拟和调参方法。结合具体计算实例,探索运用Monte Carlo方法评价与表示模型输入参数带来的不确定性。这种方法用参数变化区间(或概率分布)来表示输入参数的变化或不确定性,以求得具有统计意义的保险污染限值。这种方法简单易行,却将二级环境标准评价方法推广到较为复杂(更真实)的野外条件。     

贝叶斯概率水文预报系统在中长期径流预报中的应用

采用贝叶斯概率水文预报理论制订水电站水库中长期径流预报模型,以概率分布的形式定量地描述水文预报的不确定度,探索概率水文预报理论及其应用价值。采用气象因子灰关联预报模型处理输入因子的不确定度,将实时气象信息和历史水文资料有效结合,突破传统确定性预报方法在信息利用和样本学习方面的局限性,以提高水文预报的精确度。以丰满水电厂水库为例对所建模型进行检验,模拟计算结果表明,该模型与确定性径流预报方法相比,不仅有利于决策人员定量考虑不确定性,而且在期望意义上提高了径流预报精度,具有较高的应用价值。     

山西辛安岩溶泉形成条件及随机模型

本文详细分析了山西辛安岩溶泉的水文地质条件,并通过对泉域岩溶水的补给、径流、排泄条件的分析,将辛安泉域概化为单输入单输出线性时不变集中参数随机系统的概念模型。利用24年的水文序列资料进行基流分割,获得泉多年月平均流量过程曲线,求得泉年平均流量和年平均补给量。在此基础上,应用滑动平均模型（MA）,自回归—滑动平均模型（AR-MA）及泉流量调和分析—残差自回归等三个模型,对泉域地下水进行模拟,获得了满意的结果,不仅揭示了泉水动态特征,而且对泉流量动态进行了预报,为晋东南区域经济规划提供了有益资料。     

流域污染负荷模型的比较研究

对美国目前常用的一些用于流域总量管理的数学模型进行了概括分类,把收集到47个模型划分为流域负荷模型、受纳水体模型和集成化模拟系统三类,并选择其中的19个流域污染负荷模型作为重点进行了比较研究。针对这19个模型,首先对各模型的主要输入数据、模型主要的输出信息、模型所能处理的土地利用类型、模型中水文侵蚀和沉积物的计算机理、污染负荷计算结果的基本形式、所能模拟的污染物类型、模型的时间尺度特征、模型软件的提供者等9个方面作了较为详细的介绍。在此基础上,结合文献调研和对部分模型实际使用的效果,从模型处理不同土地利用类型(包括对流域点源的识别和处理)的适用性、对不同时间尺度的适应性、水文过程的模拟能力、不同类型污染物负荷的计算能力、对污染物运移过程的描述、模型结果输出的友好性、输入数据的需求程度、评估和设计污染总量管理措施的支持能力、以及使用说明文档的完备性等9个方面,对模型性能进行了定性评估,分别用“高”、“中”、“低”来表示模型的优劣程度。     

水环境非线性时序预测的高精度RBF网络模型

为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快.