导读:本文包含了径流量预测论文开题报告文献综述及选题提纲参考文献，主要关键词:BP人工神经网络,小觉站径流,主成分分析法,A,Trous小波分析
径流量预测论文文献综述
周娅,郭萍,杨柳,宋培培[1]（2019）在《基于小波分析的汛期月径流量预测模型研究》一文中研究指出基于生产实践对高精度中长期径流预报提出的要求,对我国海河流域两大支流之一的滹沱河上小觉水文站(岗南水库入库径流控制站)径流量进行预测研究。采用主成分分析法提取出汛期气象因子的主成分,然后采用A Trous小波提取出序列的随机项、趋势项和周期项,分别对各项建立神经网络预测模型,然后采用A Trous小波重构法得到汛期径流预测值,得到较好的预测结果,模型能很好的反映随机项、趋势项的变化,对周期项变化的响应较随机项和趋势项的差,但也具有较高的精度,能很好的反映径流的随机性和趋势性。(本文来源于《陕西水利》期刊2019年10期）
孙妍[2]（2019）在《基于虚拟预测的月径流量时间序列非线性混沌预测》一文中研究指出根据非线性动力系统的基本理论实行径流量建模和预测,将预测精密度作为一种辨识器材用以分析径流量的动力性状。潮河流域戴营站月径流量时间序列的非线性混沌性状判别探究成效证明,该时间序列蕴含一定的混沌性状。根据径流量的混沌特性,结合虚拟现实预测的思想,利用加权一阶局域多步预测模型对径流量实行非线性混沌预测,结果表明,结合虚拟预测思想的预测方式在长期预测中存在着较高的精密度。(本文来源于《北京信息科技大学学报(自然科学版)》期刊2019年03期）
王长鹏,齐俊,蔡永宁,杲广文,吴凯[3]（2019）在《基于改进PSO-BP神经网络在径流量预测中的应用》一文中研究指出为构建一个预测精度高、预测速度快的河流径流预测系统,完善径流预测理论,同时指导生产实践,本文提出了用粒子群优化算法(PSO)改进BP神经网络训练算法的方法,建立改进的粒子群优化算法BP神经网络模型(IPSOBP),利用历史真实数据对IPSO-BP模型进行训练,把训练好的IPSO-BP模型用于对宜昌水文站的日径流量数据进行预测,改进的IPSO-BP神经网络模型算法在预测速度和预测精度方面优于标准BP算法、标准的PSO-BP算法,取得良好的预测效果。(本文来源于《城市勘测》期刊2019年02期）
刘兴龙[4]（2019）在《黄河源区多个水文站点径流量的分析与预测》一文中研究指出黄河的利用和治理一直都是社会焦点问题,上个世纪90年代到本世纪初期,黄河部分河段一度出现了水位下降,断流等现象。究其原因,黄河源头治理力度不够是出现黄河生态恶化因素之一,由于当地的经济快速发展,以及牧业经营方式不得当给草场的压力变大,草原退化,土地荒漠化严重,黄河生态受到了前所未有的挑战。本文对青海省五个黄河水文站点的径流量进行了相关统计分析,并且对其进行了短期预测,在针对黄河源头生态预防上有一定的应用价值。首先文中对五个水文站点的季度与年度径流量进行了统计分析,了解了历年径流量走势,发现五个站点的流量趋势起伏较大,其中1990年到2005年五个站点的径流量都出现了不同程度的下降;分析季度流量和季度流量占比时发现,与其它几个站点相比。黄河沿站季度流量出现了不同的占比情况,黄河岩是几个站点流量最小的站点,经常出现断流,这与它的季度流量占比出现不同不无关系,其他四个站点的季度流量占比及分布情况比较相似,相差不到一个百分点。为了能够更好的了解黄河源头的健康状况,本文对五个站点月度径流量进行了预测研究。首先利用EEMD分解法以及数据归一化方法对原始数据进行了预处理;然后利用基于人工智能优化算法优化的BPNN模型对几个站点的月度径流量进行了预测;最后利用几个误差评定标准对模型进行了预测性能比较。研究结论表明,对于不同站点的径流量,模型的预测精度并不统一,不存在万能模型,各个模型对于不同站点的预测效果也存在差异,甚至经过优化的模型预测效果没有得到提升,反而有所下降,但总体上,优化模型都表现出了很好的预测效果。(本文来源于《兰州大学》期刊2019-03-01）
陈建龙,刘永峰,钱鞠,俞定海,祁文燕[5]（2018）在《R/S分析法与GM(1,1)灰色模型相结合的鸳鸯池水库入库径流量预测》一文中研究指出依据鸳鸯池水库1959-2015年实测入库年径流量系列,利用年代际径流量平均值、径流年内分配集中度分析了入库年径流量年际变化和年内分配特征,同时分别采用基本GM(1,1)、改进GM(1,1)以及R/S分析法与基本GM(1,1)灰色模型相结合的方法预测了入库年径流量。结果表明:入库年径流量时间序列有明显分形特征,H指数为0. 922;径流量时间序列具有状态持续性,即未来年径流量变化趋势与过去一致;年径流量系列长期记忆性以41 a为周期;经R/S分析后采用基本GM(1,1)灰色模型预测得出2013、2014、2015年入库径流量分别为3. 60×108、2. 97×108、3. 67×108m3,与实测值相比,相对误差分别为20. 69%、8. 97%、8. 10%,较基本GM(1,1)、改进GM(1,1)灰色模型的预测精度高。据此预测得出2020年入库径流量将比2015年增加8. 99%。(本文来源于《水资源与水工程学报》期刊2018年05期）
芦冠奇[6]（2018）在《黄河中下游天然径流量中长期预测模型研究》一文中研究指出水文预报是根据已有信息对未来一定时期内的水文状态做出定性或定量的预测。如何利用有限资料提高水文预报精度是水文工作者一直关注的问题。径流中长期预报是水文中长期预报重要的一种,在防汛、抗旱、水资源开发利用、保证工农业安全生产以及发挥水利设施的作用方面都有很大的作用。目前己提出的中长期径流预报模型和方法有许多,因模型的适用程度不一,因此通过分析模型的适用条件,根据流域特征和径流特点来选择模型并进行径流中长期预报更具有工程实践意义。本文以黄河中下游几个典型水文站的河流径流量为研究对象,综合分析了传统的、成熟的预测方法和当前尚未成熟的预测方法,总结了各模型在不同时间尺度的应用特性和优缺点,以期找到更好的预测模型为提高黄河中下游径流中长期预报提供有价值的参考。论文主要选取了五种有代表性的预测方法,对黄河中下游典型水文站开展月径流量、年径流量、及多年径流周期性预测的研究,主要研究内容和成果如下:(1)黄河中下游月径流量预报研究。时间序列分析法对有季节变化的非平稳性序列有独特处理方法。本文运用时间序列分析法,选择黄河花园口水文站1975-2012年每年各个月径流的平均数据,运用Eviews软件,通过季节差分之后把所得序列转换为平稳时间序列,建立分析模型,利用多种时间序列方法建立拟合模型,经过分析对比得出AR(2)的模型拟合效果最好,但由于月径流序列的平稳性较差,模型的拟合期精度尚可,预测期的精度还有待提高。(2)黄河中下游年径流量预报研究。运用灰色系统理论主要研究“小样本、贫信息、不确定性”序列的特点,选择黄河花园口水文站1965-2012年和黄河泺口水文站1960-2007年的年径流量,建立微分方程,测得预测结果并进行精度检验,结果显示预测效果不理想。综合分析之后,发现原始序列的随机波动性太大,又运用马尔科夫链与GM(1,1)模型相结合的灰色马尔科夫模型,对黄河花园口水文站1965-2012年的年径流量建模,经过预测相对误差基本都控制在10%以,预测精度较高。(3)黄河中下游多年径流量周期性预测研究中。运用黄河花园口水文站1951-2012的年径流量,根据《水文情报预报规范》得出枯水年数列,根据可公度网络图得出本区枯水年13年的公差周期,初步判断2018年或2019年为下一个枯水高发期,同时又运用天干地支纪历预测法60年一个循环周期的特征,共同得出2019年是黄河花园口的下一个枯水年高发期。(本文来源于《河南大学》期刊2018-06-01）
杜懿,麻荣永,赵立亚[7]（2018）在《基于EEMD-BP-ANN模型的澄碧河年径流量预测研究》一文中研究指出为了进一步提高非线性模型的预测能力,在L-M法优化的BP神经网络的基础上,结合目前应用较广的总体经验模态分解法,构建一种新的EEMD-BP-ANN非线性预测模型,并以广西澄碧河平塘水文站1963~2011年共49年的年径流量资料作为研究对象进行分析。结果表明,该新建模型预测精度较高,平均模拟相对误差仅为3.1%。该结果同时也表明,经总体经验模态分解法改进后,神经网络可以更大程度上保留原始数据的信息,从而提高模型预测精度。(本文来源于《广西水利水电》期刊2018年02期）
范城君[8]（2018）在《河川年径流量时间序列预测数量概率量化研究》一文中研究指出针对由于非线性小样本河川年径流量预测难度较大的问题,可采用时间序列法的分段预测机制,为了消除预测模型选择的的误差,须考虑样本数据发生的概率因素考虑,鉴于此,基于数据量多少的原则可对概率进行量化,提出一种数量概率量化的方法,结合时间序列,进而可建立一种河川年径流量的预测方法,时间序列选用一次或二次函数相结合的分段模型。为了验证方法,基于开都河年径流量数据,作出考虑和不考虑数量概率量化两种方法的对比结果,结果表明考虑概率的预测准确性有较大提高,并基于其对该河未来数年的年径流量进行了预测。(本文来源于《水科学与工程技术》期刊2018年02期）
张娟[9]（2018）在《基于智能组合模型对降雨量及径流量预测的实证研究》一文中研究指出由于水资源在人类生产生活中的重要作用及其可利用总量的匮乏,有效的水文预测可以为水资源的管理和合理规划提供可靠的参考依据。因此,对于水文数据的精准预测尤为重要。本文主要做了两个实证分析,分别对湖北神农架林区松柏水文站的四个雨量站的降雨量以及甘肃省疏勒河昌马堡水文站的径流量进行预测。实验一,提出一种新的组合模型SSA-DA-SVR预测降雨量,即基于奇异谱分析(SSA),蜻蜓优化算法(DA)和支持向量机回归(SVR)的组合模型。首先,SSA用来提取水文数据的趋势特征。其次,DA用来优化模型SVR中的惩罚参数c和核函数参数g。最后,SVR被选为寻找非线性系统中输入和输出间关系的预测模型。提出的组合模型SSA-DA-SVR对松柏、盘水、栏马和九龙池四个雨量站的月平均降雨量进行预测。为了验证模型的有效性,建立组合模型DA-SVR,SSA-GWO-SVR,SSA-PSO-SVR,SSA-CS-SVR,结果表明在五个组合模型中,新提出的组合模型预测精度较高。实验二,主要是对甘肃省疏勒河昌马堡水文站月平均径流量进行预测。首先,用EEMD将原始数据进行分解以充分提取各个趋势,其次,根据所提取出的趋势特征分别选取适合该信号序列的算法对其进行预测,最后将得到的各个序列的预测值迭加即可得到最终的径流量预测值,即为通过组合模型EEMD-IMFs-COM对月平均径流量进行预测得到的预测值。为了验证提出的组合模型的有效性,跟对比模型作比较,可以得出新提出的组合模型预测性能较好且预测精度较高。通过案例分析,可以将以上两种混合模型作为一种简便有效的工具运用在水文预报领域。(本文来源于《兰州大学》期刊2018-04-01）
刘云巧[10]（2018）在《基于组合模型方法对径流量数据的研究及预测》一文中研究指出水是维持生命和发展经济不可缺少的自然资源,水资源的开发利用为人类社会进步、国民经济发展提供了必要的物质保证,而径流量的多少与水资源的开发利用息息相关,所以径流量的预测结果对制定该地区防洪、抗旱、水库的优化调度等策略具有十分重要的参考价值。但因其受到各种错综复杂因素的影响,对径流预测的研究成为了国内外学者研究的热点和难点。本文基于小波分解(WD)、粒子群优化算法(PSO)、径向基函数网络(RBFN),Elman神经网络(Elman)提出了一种新组合模型WD-PSO-RBFN-Elman。并将该组合模型应用到石羊河的两个站点(杂木寺和黄羊水库)的月均径流量数据的预测中。针对月均径流量数据呈现出非线性、不稳定性的特点,先对原始序列进行预处理,即用WD(db1小波的叁层分解)的方法将原始序列分解为低频序列(A3)和一系列高频序列(D1、D2、D3),其中A3序列反映了杂木寺和黄羊水库月均径流量的主要波动情况,根据A3序列呈现的季节性特点对其进行季节调整(SAM),再用PSO优化的RBFN进行逼近;高频序列D1、D2、D3保留了杂木寺和黄羊水库月均径流量数据的细节部分,对D1、D2、D3序列分别进行Elman拟合,然后将PSO-RBFN逼近所得序列跟Elman拟合输出的一系列高频序列线性加权,得到WD-PSO-RBFN-Elman的最终预测结果。为了验证新组合模型的有效性,将该模型与其它叁组模型做了比较,如RBFN网络、WD-SAM-RBFN模型、WD-PSO-RBFN模型等,仿真结果表明,本文提出的WD-PSO-RBFN-Elman模型对于月均径流量数据的预测具有更好的效果.(本文来源于《兰州大学》期刊2018-04-01）
径流量预测论文开题报告
（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：
根据非线性动力系统的基本理论实行径流量建模和预测,将预测精密度作为一种辨识器材用以分析径流量的动力性状。潮河流域戴营站月径流量时间序列的非线性混沌性状判别探究成效证明,该时间序列蕴含一定的混沌性状。根据径流量的混沌特性,结合虚拟现实预测的思想,利用加权一阶局域多步预测模型对径流量实行非线性混沌预测,结果表明,结合虚拟预测思想的预测方式在长期预测中存在着较高的精密度。
（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。
径流量预测论文参考文献
[1].周娅,郭萍,杨柳,宋培培.基于小波分析的汛期月径流量预测模型研究[J].陕西水利.2019
[2].孙妍.基于虚拟预测的月径流量时间序列非线性混沌预测[J].北京信息科技大学学报(自然科学版).2019
[3].王长鹏,齐俊,蔡永宁,杲广文,吴凯.基于改进PSO-BP神经网络在径流量预测中的应用[J].城市勘测.2019
[4].刘兴龙.黄河源区多个水文站点径流量的分析与预测[D].兰州大学.2019
[5].陈建龙,刘永峰,钱鞠,俞定海,祁文燕.R/S分析法与GM(1,1)灰色模型相结合的鸳鸯池水库入库径流量预测[J].水资源与水工程学报.2018
[6].芦冠奇.黄河中下游天然径流量中长期预测模型研究[D].河南大学.2018
[7].杜懿,麻荣永,赵立亚.基于EEMD-BP-ANN模型的澄碧河年径流量预测研究[J].广西水利水电.2018
[8].范城君.河川年径流量时间序列预测数量概率量化研究[J].水科学与工程技术.2018
[9].张娟.基于智能组合模型对降雨量及径流量预测的实证研究[D].兰州大学.2018
[10].刘云巧.基于组合模型方法对径流量数据的研究及预测[D].兰州大学.2018