基于SWAT模型的细河流域土地利用/覆被变化对径流影响的研究

土地利用/覆被变化对细河流域的水文过程影响显著。为研究不同土地利用/覆被情景对流域水文要素的影响情况,本文构建了适用于细河流域的SWAT分布式水文模型,并拟算出不同情景下的流域多年平均月径流量、多年平均地表径流深度、多年平均蒸发量以及多年平均土壤侧流。模拟结果显示:当流域农林用地增加时,平均月径流量增加了8.40%;当建设用地增加时,平均月径流量减少了4.11%;当旱地及其他未利用地增加时,平均月径流量减少了1.93%。综上所述,细河流域农林用地变化对径流产量的影响相对最大,其增加导致径流量增加;旱地及其他未利用对径流产量的影响相对最小,建设用地和旱地及其他未利用地的增加导致径流量减少。     

基于CA-Markov模型的秦淮河流域土地覆盖格局模拟预测

以秦淮河流域为研究区,以2006和2009年ETM+图像土地覆盖分类结果为输入数据,采用CA-Markov模型,模拟预测研究区未来的土地覆盖格局。在模型建立过程中,通过Markov模型求出转移概率矩阵和转移面积矩阵,确定CA模型转换规则,限制CA模型迭代次数。利用CA-Markov模型模拟预测研究区2012和2018年土地覆盖格局,并采用2012年实际土地覆盖分类结果验证预测精度,得到2012年各土地覆盖类型栅格数预测误差均小于等于6.5%,空间位置预测精度达到76.5%。预测结果表明,2018年研究区水田比例将降为33.3%,不透水面比例将达31.1%,其中多数水田转变成为不透水面,南京城区、禄口镇、句容市、溧水县等城镇地区的不透水面明显扩张。该方法可以对秦淮河流域的土地覆盖动态监测以及可持续发展提供依据。     

SWAT模型数据库的构建

针对SWAT模型数据库标准和国内数据不一致的问题,以陕西省延河流域为例,结合国内外已有的研究和国外的一些软件,以延河流域现有的数据为基础,详细说明了SWAT模型数据库的构建过程,并在此基础上进行模型的率定和验证,率定期和验证期的纳什系数都达到了0.6以上,为SWAT模型在我国北方干旱半干旱地区的应用提供了一个参考。     

岷江上游流域DEM的河网提取

DEM中包含了丰富的地质地貌、水文等信息,是流域分析的主要数据来源之一。详细介绍了利用DEM数据提取流域水系信息特征的方法,并以岷江上游为例,对DEM进行预处理,然后采用ArcGIS 9.3软件平台下Hydrology模块提供的D8算法来确定水流离开DEM栅格单元的方向,并计算流向各栅格单元的水流累积量,再根据给定的集...     

基于GIS的乌江流域地表径流模拟研究

基于GIS平台，建立了数字乌江流域。在此基础上，选择5个典型子流域，利用流域1956-2000年的降雨和水文资料及流域2000年土地利用数据，分别计算5个子流域的年均降雨量、年均地表径流量和土地利用百分比；用多元回归分析工具建立流域年均地表径流量与年均降雨量和土地利用百分比之间的关系式，得到不同土地利用方式下的降雨径流模型；通过实测资料对模型进行验证的结果表明，模型模拟精度较高，相对误差在7％以内。     

基于决策树的漓江上游土地覆盖分类

针对山区植被分类受地形复杂、植被类型多样、验证数据获取困难等因素限制基于多光谱数据的亚热带山区土地利用/覆盖分类存在困难,探究利用物候信息对亚热带山区植被实施分类的效果。综合运用归一化植被指数(NDVI)、比值植被指数(RVI)、归一化水指数(NDWI),同时考虑到海拔高度对植被类型的影响,建立决策树模型。该模型基于多时相Landsat TM影像,利用了不同地物类型的物候特征和光谱差异,将漓江上游地区分为8种土地覆盖类型。实验结果表明,分类结果总体精度达到86.40%,Kappa系数为0.83。     

DEM空间尺度对岷江上游流域特征提取的影响

DEM分辨率是描述DEM地形精确程度的一个重要指标,同时也是决定DEM使用范围的一个主要影响因素。此处以岷江上游流域为研究区,Arc GIS为技术支撑,分析DEM空间尺度对流域特征提取的影响。首先,采用7组不同分辨率的DEM数据,通过5类不同特征参数的提取来进行DEM尺度效应的定量分析。其次,借鉴坡度中误差法思想和信息熵理论,综合分析高程、坡度和地面粗糙度来确定该地区DEM研究的分辨率合理范围。结论表明:随着DEM栅格大小的不断增大,高程区间和坡度随之减小;地面粗糙度的减小表现出地形的平坦化;信息熵所包含的内容减少;河网总长度和河网密度也随之变短变稀疏。文中岷江上游流域特征提取研究的DEM最佳空间分辨率区间为30~60 m。     

基于GIS与DEM的岷江上游流域水系分维值计算

分维能反映流域形态的复杂性,水系的分维值可作为表征流域形态特征的定量指标,对理解掌握河流的发育演变规律有一定帮助。利用DEM数据和ArcGIS软件的水文分析扩展模块,提取研究区域的河网水系,在此基础上,分别基于计盒维数与Horton定理2种方法,计算了岷江上游水系的分维值,2种方法的计算结果相近。结果表明,岷江上游流域地貌处于侵蚀发育阶段的幼年期。     

基于夜光遥感的城市用电量预测研究

随着智能电网的不断普及,对城市用电量数据进行快速准确预测对于电网规划和经济部门的管理决策具有重要的指导意义.本文研究了一种基于可见光红外成像辐射仪(Visible Infrared Imaging Radiometer System,VIIRS)城市夜光遥感数据和市县公开统计年鉴的城市用电量预测模型.该模型首先结合改进通用矩阵应用城市GDP和人口数据对城市进行分类;接着按城市类型构建了一种顾及滞后效应的城市用电量优化预测模型,该模型考虑了城市夜光遥感数据反映出的用电量消耗存在的滞后效应.随后采用长三角地区城市用电量数据进行模型训练及实验,实验结果表明:引入夜光遥感数据作为城市用电量模拟量,能够快速准确反映出城市用电量空间分布;利用改进通用矩阵方法对不同发展状态的城市分类建模,并引入滞后项进行模型优化,使得用电量预测模型有较好的预测精度和稳定性,总体上实现了基于夜光遥感数据和统计年鉴的公开数据源支持下的城市用电量预测.     

基于ARMA模型的基坑沉降监测预测研究

应用ARMA模型对地铁车站基坑监测数据进行预测分析。在参考利用已有的ARMA模型算法进行预报分析的基础上,联合最小二乘原理对模型算法进行改进,结合基坑工程算例,验证了新模型算法的可行性、有效性及稳定性。说明改进之后的新模型算法较老模型算法提高了预测精度且提升了运算效率。     

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。     

基于季节ARIMA模型的地下水位动态预测

通过分析1996~2004年测井实测逐月地下水埋深序列的趋势性和周期性,建立了合适的季节ARIMA模型,并运用该模型对2005年逐月地下水埋深进行预测,预测值与实测值变化趋势一致,平均相对误差为2.5%,证明该模型用于地下水水位预报是可行的。     

基于灰色模型的地铁运营期轨行区沉降预测研究

针对运营期地铁结构内的轨行区部分沉降的成因进行了阐述,以南京地铁二号线部分区间沉降监测为例,介绍了基本监测方法和监测点布置情况。在论述GM(1,1)灰色模型生成原理的基础上,研究了模型精度及模型拟合程度评定方法,提出了采用GM(1,1)灰色模型对轨行区沉降进行预测研究,分析了实测结果与预测结果的残差,比较了不同模型的预测效果。计算实例表明,该模型预测精度高,所需数据少,简单实用,在中短期预测方面效果良好;并创新开发了预报的手机和网页终端,提出了短信报警预警值的分类等级。预测模型和预警软件开发方法值得在地铁轨行区沉降预测中推广。     

基于DEM的ETM+图像辐射校正及汉江流域反照率的计算

对Gilabert[1]大气校正方法进行改进,提出了一种简单易行的辐射校正方法。该方法只需从ETM⁺图像上获取两个不同海拔高程的暗像元,再依据DEM进行大气校正,反演出各个高程上的大气及辐射参数,并在此基础上进行地形校正,进而获取LandsatETM⁺1～5和7波段的地表反射率,通过对各窄波段地表反射率的线性组合获取反照率。结果表明,该方法可行,精度较高。     

情景模拟的精河流域绿洲土地利用变化及预测

针对土地利用动态模拟与预测能为区域可持续发展提供重要参考依据的问题,该文以遥感影像为基础数据,基于人工神经网络元胞自动机(ANN-CA)模型对精河流域绿洲进行土地利用变化动态模拟与情景预测。结果表明:①在过去的26年间,耕地和建设用地居土地利用类型增幅前两位,分别为4.67、3.88,林地和未利用地居降幅前两位,则分别为-0.76,-0.05;②至2026年,3种情景下建设用地的变化幅度均较为明显,显示城镇用地在未来绿洲土地利用发展变化过程中占据主导地位;③研究区未来土地利用过程中,在无任何限制条件下的趋势发展情景必然会造成区域内较大的土地利用格局破碎度,但两种生态保护情景作为修正和补充,可以从空间上优化预测结果。     

基于ARIMA-TGM组合模型的边坡变形预测

通过权系数将ARIMA模型和时变参数GM(1,1)模型结合形成ARIMA-TGM组合模型,针对边坡位移监测数据组成的时间序列,采用ARIMA模型、时变参数GM(1,1)模型和ARIMA-TGM组合模型进行分析预测,通过实验对比3种模型的预测精度,实验结果表明ARIMA-TGM组合模型的预测精度较单一预测模型有所提高,适用于边坡变形的分析预测,研究成果可为边坡的防灾减灾提供一定的技术参考。     

基于库伊克模型的地面沉降预测分析

针对地面沉降与地下水水位变化的内在关系,考虑地面沉降受到自身变化规律的影响,建立基于库伊克变换的地面沉降预测模型,应用该模型对某地区地面沉降统计数据进行模拟预测,有效实现该地区地面沉降与地下水水位以及本身之间的定量模拟,并探讨模型的拟合效果和预测精度。结果表明库伊克模型拟合效果较好,预测精度较高,能较好地反映研究区域的地面沉降变形趋势。     

基于LMD-Elman神经网络模型的建筑物沉降预测

为提高建筑物沉降变形预测精度,准确掌握建筑物变形趋势,发挥局部均值分解（LMD）算法与Elman神经网络模型在数据处理、数据预测中的优势,提出一种新的LMD-Elman神经网络模型。该组合预测模型有效实现建筑物沉降预测的流程为：(1)通过LMD方法将沉降序列分解为若干的不同尺度具有物理意义的乘积函数;(2)发挥Elman神经网络模型在数据预测中的优势,针对不同分量建立预测模型得到各分量预测值;(3)将各分量预测值重构得到最终预测结果。将组合预测模型应用于实测建筑物沉降数据预测中,结果表明,相较于GM(1.1)模型与单一的Elman神经网络模型,本文提出组合预测模型预测结果与实际监测值具有较高的一致性,预测精度更高。该组合预测模型能够充分发掘建筑物沉降数据本身所蕴含的物理机制与物理规律,提高了建筑物沉降变形的预测精度。     

基于灰色幂模型的施工地表沉降预测方法

灰色模型是沉降预测的常用方法,具有预测时间长、所需数据少的优点,针对不同的数据特点可以与其他模型进行结合以提高模型预测精度。灰色幂模型NGBM(1,1)即非线性灰色伯努利模型,在经济分析、天气预测等方面已经有较多应用,但在沉降领域应用较少。针对此问题,本文在灰色模型的基础上分析灰色幂模型的计算方法,并结合实例数据进行分析,结果表明,幂函数模型的平均相对误差仅为5.99%,后验差与小概率分布均为一级,具有较高的精度。     

基于神经网络的组合模型在基坑沉降预测中的应用研究

通过对基坑沉降发展规律及其沉降曲线特点进行的研究,在多种S型单项预测模型基础上引入了组合预测的思想,本文先用4种S型增长曲线模型分别对基坑开挖周边地表沉降值进行拟合和预测,然后基于各单一模型预测数值通过神经网络进行组合建立组合模型进行预测。通过实例,对模型的预测结果进行了分析和检验,证明了在沉降变形分析中应用此组合预测法的可行性。