-
题名改进时变线性汇流模型在洪水预报中的应用
被引量：2
- 1
-
-
作者
白留星
时焱红
王建华
王甫志
陶春华
-
机构
国能大渡河流域水电开发有限公司
四川新能工程咨询有限公司
国能大渡河大数据服务有限公司
-
出处
《水电能源科学》
北大核心
2023年第12期73-77,共5页
-
文摘
从时变线性汇流模型的目标、变量及关系可看出模型存在参数静态、无法考虑区间径流影响等制约问题,在洪水预报应用中存在显著缺陷。为此,提出从结合混沌映射丰富模型求解多样性和加入影响算子代替区间径流两个方向对时变线性汇流模型进行改进。选用黑水河流域毛尔盖水电站多年实测径流数据,以预报过程、洪量、洪峰及峰现时间等作为评判指标,进行改进时变线性汇流模型的应用分析。结果表明,改进模型整体预报合格率提升了9.13%、确定性系数提升了0.25,拓展了时变线性汇流模型应用的可靠性和实用性。
-
关键词
区间径流影响
静态参数
时变线性汇流模型
tent混沌映射
改进
洪水预报
-
Keywords
interval runoff impact
static parameters
time-varying linear confluence model
tent chaotic mapping
improvement
flood forecasting
-
分类号
TV122
[水利工程—水文学及水资源]
P388.1
[天文地球—地球物理学]
-
-
题名基于蚁群算法的支持向量机中长期水文预报模型
被引量：18
- 2
-
-
作者
张俊
程春田
申建建
张世钦
-
机构
大连理工大学水电与水信息研究所
浙江电力调度通信中心
福建电力调度通信中心
-
出处
《水力发电学报》
EI
CSCD
北大核心
2010年第6期34-40,共7页
-
基金
国家自然科学基金(50679011)
-
文摘
支持向量机算法(SVM)具有可靠的全局最优性和良好的泛化能力,尤其适用于中长期水文预报中有限样本的学习,然而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果。本文建立基于蚁群算法参数优化的支持向量机模型(ACO-SVM),利用蚁群算法(ACO)基于进化的随机搜索策略对支持向量机参数进行识别。以福建省安砂水库的月径流预报为例,进行建模仿真,将模拟结果与时间序列方法(ARMA)、人工神经网络方法(BP-ANN)所获得的预报结果进行对比分析。结果表明,在拟合精度方面,ACO-SVM模型相比ARMA模型和BP-ANN模型有不同程度的提高,且增幅较大,且具有较好的泛化性能。
-
关键词
支持向量机
蚁群算法
参数优选
水文预报
-
Keywords
support vector machine
ant colony optimization
parameter optimization
hydrological forecasting
-
分类号
TV124
[水利工程—水文学及水资源]
P388.1
[天文地球—地球物理学]
-
