水文频率分析述评

对水文频率分析研究进行了回顾与评述,分别对常遇的几个问题——频率曲线线型、经验频率公式、统计参数估计和特殊水文资料应用等作了叙述,总结了我国近50年来在频率分析上的主要成就以及对分析思路、研究探索、实际应用和实践经验等作出剖析。可以认为,现在已发展成一套具有中国特色的水文频率分析方法,为工程所需提供了科学依据,为水文学科的发展作出了贡献。     

水文分析中的经验频率

水文频率计算中，经验频率对适线法的结果有重大影响，目前，国内外已有多种多样的经验频率公式。为了探索这些公式的来源和近似程度，本文作了回顾性的分析，并详细讨论了Г分布次序统计量情况下的经验频率值，提出了便于应用且近似性较好的经验频率公式。     

非一致性水文频率分析的研究进展

水文频率分析计算需满足独立随机同分布假设,其中同分布是指水文样本在过去、现在和未来均服从同一总体分布,即样本应具有一致性。然而,由于气候变化及人类活动的影响,使得一致性的假设受到挑战,因此变化环境下传统频率计算方法获得的设计结果,其可靠性受到质疑。为此,探索适应非一致性极值系列的频率分析方法已显得非常重要。总结介绍国内外关于非一致性水文频率分析的一些代表性研究成果,主要集中在以下两方面:一是基于还原/还现途径;二是基于非一致性极值系列直接进行水文频率分析途径。最后对进一步值得研究的问题进行了展望。     

水文频率计算成果的合理性分析

强调了水文频率计算中对统计参数和设计值进行综合平衡和合理性分析的重要性.文中主要取降水量资料为例,发现用数学方法计算的Cv和cs/Cv有不同程度的不规则性趋势,须经适当调整后才能取用.对目前采用的适线法的思路和方法作了说明,并指出在同一张概率格纸上绘制不同历时水文系列频率曲线的必要性,以更清楚地看到曲线有否相交和其他不合理的情况.本文只对时间上的合理性分析做了叙述,尚需在空间上做出分析,才能使计算结果更为完善.     

水文频率计算评议

说起水文频率计算,大家都会想到这是一个老问题,不过是排位加适线,很简单明了,没有什么好谈的。要谈一定免不了“老生常谈”。可是我国对水文问题应用频率分析至少已经历了30年。人们仔细想一下,还是可以发现其中依然存在不少问题,悬而未决,甚至于认识分歧,莫衷一是。笔者1984年8月到江西牯岭参加长办召开     

基于深度神经网络的重力异常反演

为解决传统线性反演方法容易陷入局部极小,计算效率低等问题,本文提出了一种基于深度学习的重力异常反演方法.该方法首先构造不同形状的二维密度模型,正演得到重力异常,组成数据集;然后用该数据集训练深度神经网络;最后将重力异常数据输入到训练好的深度神经网络,直接得到反演结果.实验结果表明,该方法能快速、准确地反演出地下异常体的...     

水文频率分析中参数估计SAGA-ML方法的研究

建立基于模拟退火遗传算法(Sjmualted Annealing Genetic Algorithm,SAGA)的改进极大似然法,即将似然函数相反数求解极小值的表达式作为目标函数,依据矩法估计参数取值范围作为约束条件,然后应用SAGA进行参数估计.与常规极大似然法思路有本质不同,改进极大似然法通过遗传算法进行参数优化.通过蒙特卡罗试验,验证了改进极大似然法在参数估计和不同频率设计值估计两个方面均具有很好的准确性,与基于最大熵原理的方法效果相当,优于其他方法;同时该方法不受线型类型、参数数目和约束条件的限制;可以避免应用常规极大似然法时出现似然方程无解等情况;且求解过程简便快捷,使极大似然法在理论上和实际应用中都成为有效的方法.     

水文频率分析中抽样误差的统计试验研究

基于统计试验方法,探讨水文频率分析中抽样误差的分布问题。试验结果表明:小样本容量时,设计值抽样误差存在"系统性"偏小,误差均值小于零,随样本容量的增加,偏差逐渐缩小,趋于零均值正态分布;当Cv、Cs值较大时,抽样误差明显增大,小样本情况下还须额外考虑抽样误差均值的修正。     

基于WA、ANN和水文频率分析法相结合的中长期水文预报模型的研究

针对传统中长期水文预报方法模拟预测结果精度低、未考虑水文不确定性因素的影响等问题,本文将小波分析(WA),人工神经网络(ANN)和水文频率分析法联合使用,建立了不确定性中长期水文预报模型:即在应用WA揭示水文序列变化特性的基础上,将原序列分为主序列和随机序列两部分,然后利用ANN对主序列进行模拟预测,对随机序列进行水文频率分析,最后将两部分结果叠加作为最终预测值.将该模型用于黄河河口地区作中长期水文预报,并与传统方法作对比,进行模型验证.结果显示:该模型能同时揭示序列的时、频结构和变化特性;预报值结果精度高;且合格率高;能定量分析和描述水文不确定性因素对预报结果的影响,可得到不同频率对应水文序列的模拟预测值.因此该模型的预报结果更加合理有效,对实际生产应用更具有指导意义.     

多功能水文频率分析计算软件的研制和应用

介绍了多功能水文频率分析计算软件的设计及功能扩充，尤其是增加了采用鼠标拉动曲线直接屏幕适线的功能。本软件在生产实践中，获得了较好的应用效果，不仅功能多，而且实用方便。     

假设检验与水文频率线型比较

一、前言我国自五十年代以来,主要使用P-Ⅲ型作为水文频率计算的线型。近年来,特别对西北、华北等干旱地区若干测站的暴雨洪水资料.P-Ⅲ型拟合效果不太好的实例屡见不鲜.于是线型选择问题再次被提出. 考查水文要素频率分布线型,最好是从物     

基于典型水文频率方法的新疆开都河生态需水量计算

开都河位于新疆巴音郭楞蒙古自治州境内,是区域内第一大河流,近年来流域水生态环境出现不同程度的退化,亟需加大对区域水资源的生态保护。河流生态流量作为维持河流生态系统健康的关键因素,保证合理生态流量对河流水生态环境改善起着积极作用。结合新疆开都河大山口水文站1970-2019年实测水文资料,采用典型水文频率方法对开都河生态需水量进行计算。结果显示：开都河年距平率最低为1986年,为-30.68%,是开都河有记录以来最枯年份,以1986年的2月份来水量36.5 m³/s作为其生态最小水量,计算开都河全年生态最小水量值为11.59×10⁸ m³。计算成果对于新疆开都河生态保护具有重要的参考价值。     

基于遗忘因子的BP神经网络水文实时预报方法

在应用神经网络进行洪水预报时,因洪水系统随着河道上游来流、区间降雨、河床演变等因素的动态变化,其特性并不总是按照基本相同的规律变化,对这类系统的参数辨识,要求算法具有较强的实时跟踪能力,以适应模拟或预测洪水运动变化过程的要求。在BP神经网络模型的基础上,运用最小二乘递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,建立了神经网络在非线性系统中动态系统输入、输出数据间的映射关系。计算实例表明:该法对参数的快速时变具有较快的跟踪能力和较高的辨识精度,是一种非常实用的水文实时预报方法。     

计算水文频率参数的权函数法

一、前言现行水文计算工作中,常选用一定类型的频率曲线,作为外延短期水文系列的工具。频率曲线的数学公式,一般都包含有均值x,变差系数C_V和偏态系数C_s等三个独立的参数。因此,频率线型选择的是否恰当和参数估计得是否正确,将直接影响工程的设计标准、投资数量和经济效益。     

群居蜘蛛优化算法在水文频率分析中的应用

水文频率分析在参数估计过程中常采用智能优化适线法,如蚁群算法、遗传算法、粒子群算法、模拟退火算法等,但这些算法模型参数难以有效确定,导致寻优结果存在不稳定的不足。为了克服传统优化适线法的缺陷,在系统阐述群居蜘蛛优化算法基本原理的基础上,将群居蜘蛛优化算法用于水文频率曲线的参数确定中,并与传统的参数估计方法(矩法、权函数法、概率权重矩法、遗传算法)加以比较。实例结果表明,该方法搜索效率高,寻优结果稳定,能较好获得参数的最优解。     

一种新的水文频率计算方法

简要介绍了当今先进的科学与工程计算软件MATLAB.分析探讨了使用MATLAB进行水文频率计算的原理:借助伽玛分布,采用极大似然法估计P-Ⅲ型分布的参数;用伽玛累积分布函数计算理论频率;普通频率坐标转化为其位置坐标的方法:以人机交互的方式通过屏幕配线确定模型的参数.最后,通过一个实例说明了水文频率计算的具体方法.应用MATLAB进行水文频率计算,不仅语言简洁、容易操作,而且计算速度快、精度高,并具有较好的实用性和通用性.     

关于水文随机变量频率组合方法的初探

对现行<水利水电工程设计洪水计算规范>SL44-2006的"附录A.3地区洪水的频率组合"中所介绍的频率组合方法做了分析,指出用该法计算的组合变量及其出现的频率,均将可能给出偏小的结果,从而难以满足生产建设的实际需要.本文提出水文随机变量频率组合方法的初探,以黄浦江防潮工程建设为例,通过上游来水和下游潮汐频率的组合计算,推求出更为合理的上海市区最高潮(水)位,供工程技术设计人员及规范修改时参考.     

Excel在水文频率计算中的应用

为了完善现有水文频率计算软件，针对该软件存在的不足，巧妙地应用Excel表格及图形处理功能，首次开发了Excel水文频率计算软件。该软件的最大特点是根据水利水电工程设计的不同需求，在A3、A4、B5等不同规格的打印纸上，输出横向或纵向的各种比较的水文特征值频率曲线图，操作简单易学，而且输出的成果可以直接制版，成品制作的效果很好。     

基于深度卷积神经网络的地震相识别技术研究

针对传统地震相分析方法难以有效表征地震相与地震数据间复杂的非线性映射关系,而人工解释工作强度大、效率低的问题,进行了基于深度卷积神经网络模型开展了地震相的智能识别技术研究。首先根据钻井解释和专家知识两种方式构建了地震相的训练样本库,之后利用Tensorflow深度学习框架开展了网络参数寻优,再利用搭建好的网络模型进行了实际资料的训练和预测。测试结果表明,利用CNN构建的河流相模型,预测成功率高于75%。因此,深度卷积网络不仅可以很好地保持地震数据结构特征,还可以基于多层网络结构挖掘数据中更深层的特征来提高地震相识别结果的可靠性,印证了该技术在地震相识别中的巨大应用潜力。     

水文频率计算中对数Γ分布的应用

简述了对数Γ分布的统计特性和不同Ｃｓ／Ｃｖ值时模比系数Ｋｐ的制作方法。介绍了估计参数的矩法、混合矩法和适线法。文中认为,可以用水文资料的原系列直接进行频率计算,以避免对数变换引起的误差;并且,可将该型分布作为比较线型,用于进一步的分析研究中。