导读:本文包含了水文预报模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:水文,模型,神经网络,新安江,流域,序列,松花江。
水文预报模型论文文献综述
黄卓,黄远盼,韦小雪,廖雪萍,李耀先[1]（2018）在《利用HBV水文预报模型推算贺江流域洪水致灾临界雨量》一文中研究指出利用逐日气象水文资料,针对贺江流域进行HBV水文模型率定与验证,获得降水-流量关系,结合广西贺州市信都水文站的水位-流量关系,推算得到3个洪水风险预警级别对应的临界雨量,并通过2次历史洪水过程,检验该临界雨量在暴雨洪涝灾害风险预警中的应用效果。结果表明:(1)由HBV水文模型确定的贺江流域3个不同洪水风险等级下24h、48h的致灾临界雨量,预警效果较好;(2)HBV模型能很好地反映降水对贺江水文过程的影响,可为贺江流域暴雨洪涝灾害防御工作提供决策参考。(本文来源于《气象科技》期刊2018年04期）
谭思源,何晓光[2]（2018）在《均生函数模型在水文预报中的应用》一文中研究指出水文预报是一项惠及国计民生的大事,由此做好水文预报工作就显得尤为重要。文章以松花江流域中下游的佳木斯水文站为研究背景,运用均生函数模型,率定参数、选取特征明显的因子,从而拟合实际序列和预测序列,在拟合多较好的基础上进行一段时间的水文预报工作。结果表明,该方法可以较为有效的表达未来一段时间的水文情势。(本文来源于《黑龙江水利科技》期刊2018年07期）
冯钧,潘飞[3]（2018）在《一种LSTM-BP多模型组合水文预报方法》一文中研究指出水文数据是具有时序性的非线性数据,具有高度的不确定性和复杂性。使用单一模型进行预报的结果常常不尽人意,因此本文基于LSTM和BP神经网络建立LSTM-BP多模型组合预报模型进行水文预报。以子午河流域洪水数据为例进行预报,实验结果表明,多模型组合预报模型的预报结果要优于单一模型,同时预报的稳定性和精确度也得到了提高,从而为水文预报提供了新的思路。(本文来源于《计算机与现代化》期刊2018年07期）
刘忠民[4]（2018）在《小波分析和人工神经网络及水文频率分析法相结合的中长期水文预报模型研究》一文中研究指出以辽河流域为例,在充分考虑了不确定型因素对模型的影响作用的基础上,采用联立小波分析以及人工神经系统网络和水文频率叁种模拟方法理论,建立中长期水文预报模型并进行率定校核。结果表明:预测模型不仅能表征水文时序和频率结构变化特征,而且预报合格率及精确度较高,能够很好地反应辽河流域的实际水文情况。(本文来源于《水利技术监督》期刊2018年03期）
褚继花[5]（2018）在《遗传算法优化BP神经网络水文预报过程模型研究》一文中研究指出为克服BP神经网络的缺点,将遗传算法引入BP神经网络模型(GA-BPNN模型),并与实测数据对比,验证了该模型的准确性,结果表明:GA-BPNN模型的计算精度和一致性明显高于BP神经网络模型,且其收敛速度更快,其RMSE为0.237,K值0.917,C_D为0.894,决定系数R~2为0.918,精度较高,因此,该模型可作为当地水文径流预报的计算模型。(本文来源于《水利规划与设计》期刊2018年01期）
刘晓璐[6]（2017）在《水文预报时间序列神经网络模型》一文中研究指出水文时间序列表述的是水文水资源系统在气象环境、流域下垫面以及人类活动等因素综合作用后的输出结果,其变化规律呈现随机性和确定性特点。在大尺度条件下,水文时间序列的传统预报模型简单,且很少考虑环境噪音因素的影响。伴随现代化科学技术的快速进步,国民经济的管理部门提出了更高的水文水资源预报要求,在要求短期预报更精准的基础上,对中长期预报的要求要越来越严格。由于受到相关科技水平的制约和诸多复杂因素的影响,当前的中长期水文水资源预报还处于发展、探究阶段。(本文来源于《河南水利与南水北调》期刊2017年10期）
张宇[7]（2017）在《改进RBF网络模型在中长期水文预报中的应用》一文中研究指出文章通过分析预报年份非汛期中各月份径流量预报因子,针对历史径流资料中各预报因子与预报年份关联度,实施较大关联度代表年份筛选。同时,基于Matlab软件构建融合灰色关联度的RBF网络预测模型,探索预报目标年汛期径流量。应用实例表明,采用改进RBF网络模型实施汛期径流总量预报,具备运行速度快且准确度较高等优势。(本文来源于《水利技术监督》期刊2017年03期）
宋楠[8]（2017）在《多元自回归模型在区域中长期水文预报中应用研究》一文中研究指出采用多元自回归模型,综合多要素对辽宁西部区域中长期水文进行自回归预测。研究结果表明:多元自回归模型相比于单一自回归模型,可综合考虑多个要素对自回归方程求解目标的影响,提高模型收敛和求解精度;在区域中长期水文预报精度也明显好于单一回归模型,相比于单一模型,多元自回归模型预测的降水和水量值与实测值之间的相关系数均值分别提高0.20和0.31。研究成果对于区域中长期水文预测方法提供参考价值。(本文来源于《水土保持应用技术》期刊2017年02期）
周学忠[9]（2017）在《一类变系数回归模型及其在水文预报中应用》一文中研究指出水文预报是水文学研究的重要内容,准确水文预报能为水资源高效利用提供更好的保证,同时为减少水旱两灾损失提供重要信息支持.因此,水文预报是一非常重要的基础工作.统计学方法在水文预报方法中占有重要地位.水文过程常常是非线性过程.变系数自回归模型是处理非线性时间序列有力手段.文中介绍了四种变系数自回归模型:FCARSE_d(p),FCARSEd(p,q),ρ-FCAR(p),ρ-FCARSO(p,q).基于 FCARSE_d(p),p-FCAR(p),ρ-FCARSO(p,q)模型,为湘潭水文站,建立了四个短期径流预报模型.在预报模型构建中,利用Cross-validation或AICc法选取模型参数,同时利用核-局部多项式法估计未知函数.四个模型向前一步预测结果表明:变系数自回归模型在湘潭水文站短期径流预报中有较高的预测精度.因此,变系数回归模型在水文预报有较高应用价值.基于对数变换的水位流量关系拟合可能存在异方差问题,介绍了基于Box-Cox变换拟合水位流量曲线方法,应用于湘江流域衡阳测站.结果表明:Box-Cox变换,能更好地稳定方差.(本文来源于《长沙理工大学》期刊2017-04-01）
刘佩瑶,郝振纯,王国庆,赵思远,王乐扬[10]（2017）在《新安江模型和改进BP神经网络模型在闽江水文预报中的应用》一文中研究指出精确的水文预报是防洪减灾中重要的非工程措施,水文模型是开展水文预报最有力的工具。采用LM算法改进了的BP神经网络水文预报模型,以闽江富屯溪流域为例,进行了BP模型和新安江模型在日流量模拟预报中的应用比较。结果表明:两个模型总体均达到水文预报的精度要求,水文预报合格率可达到90%以上;新安江模型在丰水年模拟效果较好,相比而言,BP神经网络模型的模拟精度更高一些;两个模型均可用于闽江流域的水文预报研究。(本文来源于《水资源与水工程学报》期刊2017年01期）
水文预报模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
水文预报是一项惠及国计民生的大事,由此做好水文预报工作就显得尤为重要。文章以松花江流域中下游的佳木斯水文站为研究背景,运用均生函数模型,率定参数、选取特征明显的因子,从而拟合实际序列和预测序列,在拟合多较好的基础上进行一段时间的水文预报工作。结果表明,该方法可以较为有效的表达未来一段时间的水文情势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水文预报模型论文参考文献
[1].黄卓,黄远盼,韦小雪,廖雪萍,李耀先.利用HBV水文预报模型推算贺江流域洪水致灾临界雨量[J].气象科技.2018
[2].谭思源,何晓光.均生函数模型在水文预报中的应用[J].黑龙江水利科技.2018
[3].冯钧,潘飞.一种LSTM-BP多模型组合水文预报方法[J].计算机与现代化.2018
[4].刘忠民.小波分析和人工神经网络及水文频率分析法相结合的中长期水文预报模型研究[J].水利技术监督.2018
[5].褚继花.遗传算法优化BP神经网络水文预报过程模型研究[J].水利规划与设计.2018
[6].刘晓璐.水文预报时间序列神经网络模型[J].河南水利与南水北调.2017
[7].张宇.改进RBF网络模型在中长期水文预报中的应用[J].水利技术监督.2017
[8].宋楠.多元自回归模型在区域中长期水文预报中应用研究[J].水土保持应用技术.2017
[9].周学忠.一类变系数回归模型及其在水文预报中应用[D].长沙理工大学.2017
[10].刘佩瑶,郝振纯,王国庆,赵思远,王乐扬.新安江模型和改进BP神经网络模型在闽江水文预报中的应用[J].水资源与水工程学报.2017
论文知识图
