导读:本文包含了实时洪水预报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:洪水,实时,新安江,模型,马斯,不确定性,误差。
实时洪水预报论文文献综述
张盛明[1]（2019）在《基于降雨指数法的水库实时洪水预报方案研究》一文中研究指出流域水量预报是防洪调度决策的主要依据,是防洪减灾工作中的一项重要的非工程措施,由于紫坪铺水库在受"5·12"大地震以及由地震引起的次生灾害影响,流域内产、汇流条件发生巨大改变,很多高端水文预报模型的计算结果和实际来水存在较大误差。为了更好地做好水库优化运行管理工作,利用基于降雨指数法的水库实时洪水预报方案快速可靠得对降水过后的来水做出预报方案就显得非常有必要。本文以对2013、2014和2017年汛期的来水预测为例,采用实时洪水预报方案,对降雨情势进行分析,根据强降雨过后的土壤墒情、蒸发等因素进行分析计算,辅以经验修正,为系统研究水量预报技术打基础。本研究可使洪水预报工作更加准确,对编制调度方案和运行计划有直接效果。(本文来源于《四川水力发电》期刊2019年05期）
姚超宇,钟平安,徐斌,王凯,高益辉[2]（2019）在《基于GBDT的实时洪水预报误差校正方法》一文中研究指出洪水预报实时校正是提高预报精度的有效途径。通过研究实时洪水预报误差系列构建方法,引入GBDT方法建立误差校正模型,并采用粒子群算法优选模型参数,选用洪峰段洪量相对误差、洪峰流量相对误差、确定性系数等指标评估实时校正效果。对淮河流域王家坝站点的实例应用结果表明,无论是率定期还是验证期,基于GBDT的实时预报误差校正方法精度均优于经典AR方法和KNN方法,各项指标精度均有不同程度提升,可有效提高实时洪水预报效果,且稳定性较高。(本文来源于《水电能源科学》期刊2019年08期）
徐杰,李致家,霍文博,马亚楠[3]（2019）在《半湿润流域洪水预报实时校正方法比较》一文中研究指出为了提高新安江模型在半湿润流域的洪水预报精度,选择K最近邻(KNN)算法、传统的误差自回归(AR)方法、反馈模拟方法3种实时校正方法,以陕西省陈河流域为试验对象进行洪水预报。以洪峰相对误差和纳什效率系数为评价指标,分析对比3种方法的校正效果。结果表明:3种校正方法均能提高预报纳什效率系数,其中反馈模拟最优,AR、KNN效果次之;反馈模拟对洪峰误差校正相比于KNN算法在短预见期内更为精确,两者均能减小AR法在洪峰误差校正上的不足;加入历史样本的KNN算法在洪峰误差校正上效果优于反馈模拟,可有效提高洪水预报精度。(本文来源于《河海大学学报(自然科学版)》期刊2019年04期）
樊青松,肖晨旦[4]（2019）在《基于B/S架构的实时校正洪水预报模型研究》一文中研究指出建立了基于B/S架构的实时洪水预报模型,该模型以新安江模型为基础,引入Volterra级数滤波器实时校正方法,模型计算精度能随着实时预报开展,不断进行参数自适应调整,用户随时随地从客户端查询预报结果,可实现模型计算和数据浏览的物理分离。洪水的实情验证表明,模型预报精度较高,可以及时、准确的服务于洪水预报生产实践。(本文来源于《浙江水利水电学院学报》期刊2019年02期）
万新宇,华丽娟,孙淼焱,钟平安[5]（2019）在《基于Elman网络和实时递归学习的洪水预报研究》一文中研究指出流域洪水形成过程异常复杂且动态变化,一般难以用传统的静态神经网络进行描述。然而,具有反馈连接的动态神经网络能够很好地反映洪水过程这种动态变化特征。为此,研究基于Elman动态网络构建流域洪水预报模型,采用具有在线学习功能的实时递归学习算法进行模型训练,并将所建模型和算法运用于淮河水系响洪甸水库的入库洪水实时预报中。结果表明,所建模型预报精度高,实时性强,能够为流域的防洪决策提供支持。(本文来源于《水力发电》期刊2019年04期）
温娅惠,李致家,孙明坤,李巧玲,霍文博[6]（2019）在《降雨输入对实时洪水预报精度与预见期的影响》一文中研究指出针对降雨输入不确定性对实时洪水预报影响的问题,本文采用不考虑未来预报降雨、考虑未来预报降雨、考虑预报降雨的降雨量误差和降雨时间误差4种方法,以陕西省两个半湿润流域(陈河流域和大河坝流域)为研究区域,分析不同预见期和不同降雨输入情况下洪水预报的精度.研究表明:相对于不考虑未来降雨情况,考虑未来降雨后在预报预见期较长时对预报结果精度提升较大,在预见期较短时对预报结果精度提升不显着;暴雨中心位置不同对预报精度影响也不同,当暴雨中心位于流域下游时降雨量误差对流量预报误差影响更大;降雨量误差主要影响洪量相对误差和洪峰相对误差,且这种影响是线性的,对确定性系数的影响是非线性的二次函数,降雨时间误差主要影响峰现时间误差.(本文来源于《湖泊科学》期刊2019年01期）
[7]（2018）在《实时洪水概率预报理论与应用》一文中研究指出完成单位淮河水利委员会水文局(信息中心)、河海大学、水利部交通运输部国家能源局南京水利科学研究院1立项背景洪水预报是重要的防洪减灾非工程措施。但一直以来,洪水预报提供的是一种确定性的定值预报。由于水文过程的复杂性和人类认识水平的局限性,实时洪水预报中不可避免地存在输入、模型结构和模型参数的不确定性,所以导(本文来源于《中国防汛抗旱》期刊2018年11期）
袁玉娇[8]（2018）在《亭子口水利枢纽常遇洪水实时预报预泄调度的运用》一文中研究指出本文主要阐述了亭子口水利枢纽常遇洪水实时预报预泄调度的原则、调度方式及控制指标,并对其实际运用情况进行了分析。在不降低水库防洪标准、不增加下游防洪压力和防洪风险基本可控的前提下,参考《嘉陵江亭子口水利枢纽常遇洪水实时预报预泄调度研究》成果,亭子口水利枢纽实施常遇洪水实时预报预泄调度,可更充分利用洪水资源、减轻区域防洪风险,充分发挥工程的综合效益。(本文来源于《四川水利》期刊2018年05期）
高益辉,钟平安,徐斌,朱非林,曹瀚翔[9]（2018）在《河流系统实时洪水预报误差多点联合校正方法研究》一文中研究指出实时校正是改善洪水实时预报精度的重要手段。河流系统中多个站点之间具有高度的水力联系,各个站点之间的误差也具有空间关联性。依据河道水流演进的基本方程和动态自适应的自回归方法,建立了考虑误差空间演化的河流系统实时洪水预报误差多点联合校正方法。利用洪峰段洪量误差、洪峰流量误差、纳什效率系数(NSE)和峰滞时间等指标分别对多点联合校正和不考虑误差空间关联性的单点校正开展校正效果评估。以淮河王家坝断面以上为背景开展实证研究,结果表明:考虑河流系统误差空间关联性的多点联合校正效果优于单点校正,洪峰段效果更为显着,能够更有效地提高河流系统洪水预报的精度。(本文来源于《南水北调与水利科技》期刊2018年05期）
霍文博,朱跃龙,李致家,冯钧,周莉[10]（2018）在《新安江模型和支持向量机模型实时洪水预报应用比较》一文中研究指出选择新安江模型和支持向量机模型分别在浙江省、陕西省的4个流域进行实时洪水预报,并使用K-最近邻实时校正法对新安江模型预报结果实时校正,比较2种模型在不同流域的应用效果,其中选择确定性系数、峰现时间误差、洪峰相对误差和均方误差作为模型预报评价指标。进一步改变预报预见期并分析2种模型在不同预见期内的预报精度。研究结果表明,新安江模型和支持向量机模型在不同流域洪水预报中各有优势,支持向量机模型预报精度受降雨精度影响较大。当预报预见期较长时,新安江模型预报结果更好;随着预见期缩短,支持向量机模型预报精度显着提高,在短预见期实时预报中支持向量机模型优势更明显。在预报难度较大的半湿润半干旱流域,新安江模型和支持向量机模型在率定期和实时预报过程中均具有较高精度。(本文来源于《河海大学学报(自然科学版)》期刊2018年04期）
实时洪水预报论文开题报告
（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：
洪水预报实时校正是提高预报精度的有效途径。通过研究实时洪水预报误差系列构建方法,引入GBDT方法建立误差校正模型,并采用粒子群算法优选模型参数,选用洪峰段洪量相对误差、洪峰流量相对误差、确定性系数等指标评估实时校正效果。对淮河流域王家坝站点的实例应用结果表明,无论是率定期还是验证期,基于GBDT的实时预报误差校正方法精度均优于经典AR方法和KNN方法,各项指标精度均有不同程度提升,可有效提高实时洪水预报效果,且稳定性较高。
（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。
实时洪水预报论文参考文献
[1].张盛明.基于降雨指数法的水库实时洪水预报方案研究[J].四川水力发电.2019
[2].姚超宇,钟平安,徐斌,王凯,高益辉.基于GBDT的实时洪水预报误差校正方法[J].水电能源科学.2019
[3].徐杰,李致家,霍文博,马亚楠.半湿润流域洪水预报实时校正方法比较[J].河海大学学报(自然科学版).2019
[4].樊青松,肖晨旦.基于B/S架构的实时校正洪水预报模型研究[J].浙江水利水电学院学报.2019
[5].万新宇,华丽娟,孙淼焱,钟平安.基于Elman网络和实时递归学习的洪水预报研究[J].水力发电.2019
[6].温娅惠,李致家,孙明坤,李巧玲,霍文博.降雨输入对实时洪水预报精度与预见期的影响[J].湖泊科学.2019
[7]..实时洪水概率预报理论与应用[J].中国防汛抗旱.2018
[8].袁玉娇.亭子口水利枢纽常遇洪水实时预报预泄调度的运用[J].四川水利.2018
[9].高益辉,钟平安,徐斌,朱非林,曹瀚翔.河流系统实时洪水预报误差多点联合校正方法研究[J].南水北调与水利科技.2018
[10].霍文博,朱跃龙,李致家,冯钧,周莉.新安江模型和支持向量机模型实时洪水预报应用比较[J].河海大学学报(自然科学版).2018
论文知识图
