公共文化服务平台

搜索到461篇“ 水位预报“的相关文章

基于贝叶斯模型平均法的洪泽湖水位预报研究: 2025年; 贝叶斯模型平均法提供了一种统计框架,用于评估和比较多个候选模型。它通过结合多个模型的预测结果并对它们的权重进行估计,从而提供更准确和鲁棒的预测和推断结果。利用长短期记忆网络(LSTM)、埃尔曼网络(Elman)、控制循环单元(GRU)等循环神经网络建立了洪泽湖水位预报模型,并在此基础上运用BMA方法对这3个模型的预测结果进行组合与验证。结果表明,基于贝叶斯组合方法的BMA组合模型较单一模型预测精度更高,提高了预报的稳定性。; 杨昌文王超雷晓辉雷晓辉; 关键词：洪泽湖水位预报

基于调和分析及VMD-LSTM混合模型的甬江河口水位预报方法: 2025年; 为解决甬江感潮河段潮位预报总体精度偏低的问题,构建了一种基于经典调和分析(T_TIDE)、变分模态分解(VMD)和长短时记忆神经网络(LSTM)的混合模型(VMD-LSTM混合模型)。VMD-LSTM混合模型采用T_TIDE程序包对甬江河口逐时水位数据进行回报(即潮位),用实测水位减去潮位得到相应余水位,并采用VMD模型将余水位分解为13个本征模函数(IMF),依次对应D0~D12潮族,采用LSTM模型分别训练余水位的各个IMF分量和潮位并分别向后预报12~48h,各个IMF分量和潮位的预报值之和即为河口水位的预测值。结果表明:VMD模型可对甬江河口余水位中D0~D12潮族波动进行完全分离;VMD-LSTM混合模型12、24、36、48h短期水位预报的均方根误差(RMSE)比LSTM模型最多分别降低了0.15、0.13、0.16、0.16m;VMD-LSTM混合模型在D0、D2潮族频带的误差修正最明显,相比LSTM模型,可分别将D0、D2潮族的谱峰预报误差最多降低0.05、0.04m·d^(0.5)。; 陈永平韩韬邱超甘敏谭亚王瑾琪; 关键词：水位预报

基于可解释性的双Token图卷积多站点水位预报方法: 本发明涉及基于可解释性的双Token图卷积多站点水位预报方法，包括：获取输入序列，并对输入序列进行预处理和维度嵌入；维度嵌入包括变量令牌嵌入和时间令牌嵌入；根据变量令牌和时间令牌，分别进行跨变量学习和跨时间学习以捕捉序列...; 王铮黄维光赵燕伟戴瑞张仁贡屠杭垚李国庆

一种计及洪水时变特性的水库汛期运行水位预报预蓄方法: 本发明公开了一种计及洪水时变特性的水库汛期运行水位预报预蓄方法，包括以下步骤：收集水库与洪水基础数据；遍历提取长系列洪水特征数据；确定水库预蓄水位初始值；检验库区回水淹没风险；确定水库安全预蓄水位；提出水库预报预蓄策略。...; 曹辉李肖男肖扬帆要威徐杨鲍正风何小聪胡挺邹强仇红亚

单因子条件下的水位预报方法浅探——以兴化水位站为例: 2024年; 平原河网地区的水位预报始终是水文学科的难点。河网水系通常为非封闭、多出口的系统,水流流向、流态变化随机性较大,水性复杂,且易受人为因素影响[1],而宏观上建立大尺度水文模型,对于个站而言,预报准确度并不如意。由于兴化城区水位涨落平缓,缺乏历史流量资料,本文基于兴化水位站历史降雨、水位资料,因地制宜地提出一种适用于兴化城区的水位预报方法。该方法根据总雨量与降雨历时,建立仅考虑降雨的单因子模型,通过区分雨初水位、雨后水位与洪峰水位,借鉴三变量经验相关图的理论,确定单因子模型的经验系数,从而实现对于场次降雨的水位预报。计算成果能够很好地反映兴化城区的降雨水位关系,为地方洪水水位预报提供了新的思路,对防汛工作具有参考价值。; 郭天辰钱睿智; 关键词：水位预报

基于InfoWorks ICM与LSTM的城市河道水位预报方法研究: 2024年; 【目的】城市内河水位预报对城市内涝风险管理具有重要意义,但是沿海地区城市水系构成复杂,传统数值模拟模型计算效率较低,无法实现实时计算。【方法】针对以上问题,以城市综合流域排水模型(InfoWorks ICM)构建的水文水动力模型数据作为数据驱动,综合考虑降雨、城市地表高程(DEM)、土地利用以及街道分布与排水管网布设情况,构建基于机器学习方法的城市河道水位预报神经网络模型(LSTM)。以福州市晋安河—光明港流域为例,开展算例研究。【结果】结果表明:该模型对城市河道水位预报48 h预见期内的平均纳什效率系数(MNSE)均达到0.7以上,预报精度达到乙级,预报峰值水位误差均小于3%。【结论】模型能够提供可靠的河道水位演进过程与峰值水位预报结果,表明所构建的模型具有良好的预测性能,可用于城区河网水位快速预报。; 蒋双林王超陈阳陈阳; 关键词：洪水预报城市内涝

基于GA-BP神经网络模型城市河道水位预报研究被引量：1: 2024年; 城市内河水位预报对城市内涝风险管理具有重要意义。传统数值模拟模型计算效率较低,且无法实时计算。针对以上问题,提出一种基于Gaussian函数改进BP神经网络的河道水位预报模型,解决了BP神经网络模型预报精度低、在误差平坦区收敛速度慢的问题。该方法利用Gaussian函数改进BP神经网络梯度下降算法,针对模型不同权重与阈值设定不同学习率,对各参数进行针对性优化,能够有效加速BP神经网络模型训练效率;针对模型在误差平坦区收敛速度慢的问题,通过Gaussian函数增大梯度下降算法在误差平坦区的学习率,控制梯度下降算法在误差较大时的学习率,能够有效加速BP神经网络模型在误差平坦区的收敛速度。以福州市晋安区6个河道水位测站为研究对象,构建GABP神经网络河道水位预报模型进行城市内河水位预报,并探讨不同降雨输入形式对河道水位预报精度的影响。结果表明:GA-BP神经网络能够有效提升BP神经网络在误差平坦区的收敛速度与模型预报精度,试验集预报纳什效率系数(NSE)均在0.8以上,能够将预报峰值水位相对误差控制在5%以内,其中降雨以小时降雨量形式输入能够将预报NSE提升至0.9以上。研究表明采用Gaussian函数改进BP神经网络模型能够有效提升模型预报精度,对提升城市河道水位预报具有重要意义。; 蒋双林王超陈阳陈阳; 关键词：BP神经网络水位预报

基于图神经网络的水富—宜宾航道多站点水位预报模型: 2024年; 受到岷江、横江影响,向家坝下游水富—宜宾段水位变化特性复杂,干支流间水位、流量数据属于多维时空数据。研究选取spectral temporal graph neural network(StemGNN)时空图神经网络用于向家坝下游多站点水位预报,结果表明:该方法适用于研究区域的多站点水位预报,未来1、8 h模型预报性能较优,在向家坝站、宜宾站、李庄站3处的最大预报误差约为0.5 m。StemGNN特点是能够从输入数据中自动提取河网结构信息,体现研究区域的汇流特性。横江流量对于研究区域水位流量影响较小;向家坝水库水位、横江水位、高场水位代表研究区域前期的水位情况,高场流量作为较大的流量输入,对于研究区域水位流量影响较大。研究成果可为近坝段、支流入汇等水位变化特性复杂河段的多站点水位预报提供新思路。; 陈柯兵高玉磊王辉单敏尔李有为; 关键词：水位预报

平陆运河施工期感潮河段大榄江水文站水位预报研究: 2024年; 针对平陆运河感潮段水位预报不准的难题,文章综合考虑上游径流、外海潮汐以及时间滞时的影响,通过收集、分析感潮段主要水文站实测水位、流量数据,确定了大榄江水文站水位关系影响因素,构建了大榄江水文站水位多项式拟合模型,并采用皮尔逊相关系数(R)、纳什系数(NSE)、平均绝对误差(MAE)和均方根误差(RMSE)对模型预报精度进行评定。结果表明:拟合结果皮尔逊相关系数(R)超过0.94,平均绝对误差<0.12 m,拟合结果可靠。; 潘剑黄俊源; 关键词：感潮河段水文站水位预报

基于水文水动力模型和机器学习模型耦合的河道水位预报方法: 2024年; 为探讨利用水文水动力模型和机器学习模型来提高河道水位预报精度的可行性,首先利用水文水动力模型进行河道水位预报,采用支持向量机模型对水文水动力模型的预报结果进行校正,进而构建了一种耦合水文水动力模型和机器学习模型的河道水位预报模型。在广州市南沙区蕉西水闸的应用结果表明,构建的耦合模型的预报效果优于单一的水文水动力模型,明显地提高了不同预见期下的水位预报精度;尽管随着预见期的增加,耦合模型的预报精度有一定的衰减趋势,但整体上仍优于水文水动力模型提供的水位预报结果。; 胡义明陈钰周瑛李彬权陈丞许栋梁忠民; 关键词：水位预报机器学习模型

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈