参考作物腾发量预测的径向基函数法

探讨了采用径向基函数网络模型进行参考作物腾发量预测方法的可行性,设计多组数字实验处理研究了输入因子间相关性对网络模型预测准确性的影响,预测结果与Penman-Montieth方法计算结果比较表明,所确定的模型与改进的Penman公式计算值有很高的一致性,具有一定精度。     

基于进化神经网络的参考作物腾发量预测

利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,建立了以遗传算法确定最优网络结构的进化神经网络(GA-ANN)模型,用来预测参考作物腾发量(ET₀).设计多组数字实验处理,研究了输入因子间相关性对模型预测准确性的影响,并验证了最优网络模型结构,即预测ET₀的理想GA-ANN模型中以日平均气温、日照时数及日序数为输入因子.实例分析表明,该模型克服了BP网络输入层、隐含层节点确定的盲目性,适应性强,精度高,可用于ET₀预测.     

SRA1B情景下中国主要作物需水预测

分析气候变化下中国主要作物需水规律,有助于从粮食安全与水资源可持续利用角度应对气候变化。根据IPCC提供的SRA1B情景下大气环流模式MIROC3.2的输出,利用FAOPenman-Monteith公式计算参考作物腾发量;根据FAO作物系数、SAGE作物分布与柯本气候分类,得到计算单元的作物系数,根据参考作物腾发量与作物系数估算作物需水量;考虑需水与有效降水旬尺度的随机匹配,预测SRA1B情景下未来50年中国各地区主要作物的灌溉需水量。结果表明,参考作物腾发量总体上呈上升趋势,全国平均增加约8%;作物需水量总体上呈增加趋势,东北地区平均增加约10%;灌溉需水量总体上呈增加趋势,东北与华南增加显著。分析表明,SRA1B情景下气温升高是作物需水量增加的主要原因,降水的增加使华北地区灌溉需水量的增加不显著,降水的减少使东北与华南灌溉需水量显著增加。     

未确知测度BP神经网络模型在黑河流域水质预测中的应用

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义。针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998~2011年的水质监测资料进行分析和预测。以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UMBP模型。分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度。因此,该模型应用于黑河流域水质预测是可行的。     

基于天气预报的参考作物腾发量LS-SVM预测模型

利用最小二乘支持向量机(LS-SVM)方法,建立了基于天气预报的参考作物腾发量(ET₀)的预测模型.对广利灌区1997~2006年逐日气象信息中的天气类型和风速等级进行量化后,以不同天气预报信息作为输入量,建立10种验证方案,对2007年的逐日ET₀进行预测.经验证,方案1~方案7精度均令人满意,其中方案1精度最高.方案1的输入量为气温、天气类型、风速等级3项的预测值,该方案的模型预测值与计算值的统计参数分别为:均方根偏差E_RMS为0.5182 mm,相对偏差E_R为0.1878,决定系数R2为0.864 8,认同系数I_A为0.966 9,回归系数R_C为0.9867;方案7精度亦较好,且以上指标统计参数依次为0.6576 mm、0.2332、0.986 6、0.774 7及0.986 6,该方案输入量只有气温项,实用性很强.     

不同小波函数对灰色模型精度影响分析

针对小波灰色模型在水文序列预测中面临的小波函数的选择问题,采用安庆站1956~2011年实测降雨量作为算例,以传统的灰色模型预测值作为参考,考虑了Haar、Db、Smy、Coif、Bior、Rbio、Dmey等7种小波基函数,通过方差和纳什系数作为模型预测评价指标,对不同小波灰色模型精度影响进行了分析。结果表明:不是所有小波函数与灰色模型耦合都能提高模型的精度;安庆站1956~2011年实测降雨量水文序列来说,db1小波函数对模型精度提高的效果最明显。     

多隐层BP神经网络模型在径流预测中的应用

基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势.     

径向基函数神经网络需水预测研究

在分析山西省历年用水量和人均用水量的基础上，建立径向基函数神经网络需水预测模型，采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。采用丰富的需水预测因子作为模型的输入，网络输出需水预测值。预测结果表明，径向基函数神经网络需水预测模型运算速度快，有较高的预测精度。需水预测可为水资源规划和配置提供依据。     

多因子组合的地质灾害易发性空间精度验证

地质灾害的发生是多种因素相互作用、制约和触发的结果。长期以来，研究人员通过统计历史地质灾害所在区域的地质、地形、水文等环境因素预测未来地质灾害可能发生的位置、时间（或频率），即地质灾害易发性评价。地质灾害易发性评价前提工作是进行影响因子选取，而地质灾害发生的影响因子有数十种，是否叠加因子越多模型评价精度就越高？是否存在“最优因子数量”？这一简单而又关键的问题值得探讨。文章以四川省汶川县为例，选取11种广泛应用于地质灾害易发性评价的影响因子，按照4种排列组合模型，叠加3到11个因子信息量获得对应的地质灾害易发性指数分布图。运用成功率曲线确定线下面积值对各个结果进行预测精度评价。试验结果表明，按照初步设定的4种排列组合模型叠加因子数量到8个时，模型预测精度达到最大值；但在因子叠加过程中发现各个因子对于易发性的控制性与个人经验确定的控制性存在一定差异，按照实际因子控制性从大到小与从小到大排列组合后，叠加多个关键因子后模型预测精度才会达到峰值。研究成果表明，地质灾害易发性评价中叠加的因子数量越多，模型预测精度越高，叠加过程中如未加入关键因子，模型预测精度将不会达到峰值，说明地质灾害易发性评价不...     

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

基于贝叶斯网络的地震液化概率预测分析

基于解释结构模型和因果图法,选取12个具有代表性的定性和定量因素,在大量数据不完备的情况下提出了建立贝叶斯网络液化模型的方法。以2011年日本东北地区太平洋近海地震液化不完备数据为例,采用总体精度、ROC曲线下面积、准确率、召回率和F1值5项指标对模型进行综合评估,并与径向基神经网络模型进行对比。结果表明：贝叶斯网络液化模型的回判和预测效果都优于径向基神经网络模型,且对于数据缺失的样本的预测效果也较理想。此外,该模型对于不同土质的液化评估均有较好的适用性。分类不均衡和抽样偏差会对模型的学习和预测效果产生很大影响,建议应同时采用上述5项评估指标进行综合评估模型的优劣。     

Predictive accuracy of backpropagation neural network methodology in evapotranspiration forecasting in Dédougou region,western Burkina Faso

The present study evaluates the predictive accuracy of the feed forward backpropagation artificial neural network (BP) in evapotranspiration forecasting from temperature data basis in Dédougou region located in western Burkina Faso, sub-Saharan Africa. BP accuracy is compared to the conventional Blaney–Criddle (BCR) and Reference Model developed for Burkina Faso (RMBF) by referring to the FAO56 Penman–Monteith (PM) as the standard method. Statistically, the models’ accuracies were evaluated with the goodness-of-fit measures of root mean square error, mean absolute error and coefficient of determination between their estimated and PM observed values. From the statistical results, BP shows similar contour trends to PM, and performs better than the conventional methods in reference evapotranspiration (ET_ref) forecasting in the region. In poor data situation, BP based only on temperature data is much more preferred than the other alternative methods for ET_ref forecasting. Furthermore, it is noted that the BP network computing technique accuracy improves significantly with the addition of wind velocity into the network input set. Therefore, in the region, wind velocity is recommended to be incorporated into the BP model for high accuracy management purpose of irrigation water, which relies on accurate values of ET_ref.     

湿地水文学研究进展

水文过程在湿地形成、发育、演替直至消亡全过程中起重要作用.降水截流、径流和蒸散作用是湿地 大气界面水文过程研究的热点和重点,开发的模型较多但尚需进一步检验和完善.片流和明渠流是湿地主要地表径流,其中片流受地形坡度等因素影响而难以精确计算.湿地的地下水文系统对季节性积水湿地尤为重要,但是关于泥炭沼泽的垂向水力联系尚需进一步研究.可持续的湿地水文管理必须将人类活动和气候变化这两个因素纳入湿地综合水文模型,然而目前除少数几个综合模型外,大多数的湿地水文模型并非如此.加强湿地水文观测、多手段多技术相结合和开发综合湿地水文模型应是今后湿地水文学研究的主流.     

不同蒸散发计算模型在新疆喀什地区的适用性及对比分析研究

为分析不同蒸散发模型在新疆喀什地区的适用性,结合国内常用两种蒸散发计算方法,应用区域实测蒸发数据,按照年、月、季三个时间尺度分析两种方法计算的适用性和精度。结果表明:VIC模型在年尺度上适用性好于P-M模型,但在夏季和秋季尺度上,P-M模型好于VIC模型,各模型在夏季蒸发计算上好于其他季节。研究成果对于喀什地区蒸发计算提供重要的方法参考。     

水均衡法验证蒸散量计算的可靠性——以张掖盆地为例

蒸散量的计算方法有很多种,表面能量平衡系统(SEBS)是近年来应用较为广泛的计算蒸散量的方法之一。SEBS是应用卫星对地观测的可见光、近红外和热红外波段资料,结合实测气象数据或大气模式输出数据,根据表面能量平衡原理估算不同尺度的地表大气湍流通量,从而估算地表相对蒸散的一种方法。将水文数据与遥感数据相结合,运用SEBS方法对张掖盆地的区域蒸散量进行了估算,并在水均衡原理的基础上,对蒸散量计算结果的准确性进行了验证。结果表明:SEBS方法计算的蒸散量与水均衡法计算出的蒸散量结果吻合较好,从而验证了SEBS方法计算盆地蒸散量的准确性。     

寒旱区草地不对称增温现象对蒸散发的影响分析

选取1981—2020年海拉尔河流域及周边地区气象站点观测资料,结合水文数据,利用适用于植被稀疏下垫面的BTOP(Block-wise use of TOPMODEL)分布式水文模型估算区域蒸散发量,进而在不对称增温现象影响下,分析其对蒸散发的影响特征。结果表明：(1)流域内1981—2020年不对称增温现象显著,主要表现为因夜间温度升幅较大为主的昼夜不对称增温及地表温度升幅较大为主的地气不对称增温;(2)影响蒸散发的主要气象因子依次为相对湿度、风速、地气温差、地表温度和昼夜温差,且相对湿度、昼夜温差及地气温差与蒸散发量变化趋势相反,其中相对湿度及风速影响强度年际变化平稳,温度因子影响强度则逐年增强;(3)不对称增温对于流域蒸散发量的影响逐年增强,地表增温速率的增强是造成地气不对称增温的主要原因,在此影响下,区域蒸散发呈现减小趋势,故在探究蒸散发量变化原因时,温差变化不可忽视。     

人工神经网络在水文资料插补延长中的应用

水文资料的插补延长一直是水文计算中的一个难题.本文针对水文资料的插补和水文资料的延长问题进行系统的研究.插补水文资料时,采用人工神经网络双向时间序列插补模型,打破了传统的单向时间序列识别模式,应用缺测时段前后已知时段水文资料,插补出缺测水文资料;展延长系列水文资料则应用人工神经网络参证站模型,并应用流量较大年份的径流资料预测未知年份的径流资料,来进一步提高预测精度,并结合紫坪铺流量资料插补延长实例,检验模型的可行性.结果表明该模型对水文资料的插补或对未知年份的径流量都能够进行较好的预测.     

新疆玛纳斯河流域洪水预报研究

在充分考虑了融雪径流型河流自身特点的基础上,将自回归滑动平均模型ARMA(p,q),概化为ARMA(p,1),并运用最小信息(AIC)准则,确定模型的最佳阶数p,运用修正的可变遗忘因子递推最小二乘法,进行参数的动态修正,达到了最佳参数的跟踪效果.通过在玛纳斯河流域应用,表明该模型具有较高的预报精度,其确定性系数均达到了0.90以上,径流总量相对误差控制在7%以下,洪峰流量相对误差<10%,峰现时差≤2.     

数据驱动模型在渭河流域来水预报中的开发和应用研究

现有的水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类,近年来随着水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注,回归模型、神经网络模型均属此类.本文首先采用距离平方反比与泰森多边形相结合的方法,由雨量站观测到的降水量求得渭河流域各四级区的降水量,然后采用自回归模型结合年～月～旬逐级修正的方法对渭河流域10个四级区进行降水预报,采用降水～气温～径流多元线性回归模型对渭河流域28个水库进行径流预报,取得了较好的效果.