赣江流域中长期径流预报研究

发布时间：2020-06-05 06:30

【摘要】：中长期径流预报是水量调度的重要环节之一,是落实最严格水资源管理制度用水总量控制目标以及开展江河流域水量分配方案编制工作的关键技术支撑。赣江流域是江西省第一大流域,近年来流域出现水资源短缺、供需矛盾加剧等问题。为落实赣江流域的水量调度工作,为赣江流域年度水量调度计划提供更加准确的流域水情预报,本文开展赣江流域中长期径流预报模型研究。首先,在分析赣江流域径流特性的基础上,运用相关系数法、逐步回归法、主成分分析法,从降雨、径流两项常规因子以及130项大气环流指数中,选择了对赣江流域未来来水影响最大的因子作为赣江流域径流预报的预报因子,编制3种不同的预报因子优选方案;其次,在所筛选的预报因子基础上,分别结合多元回归模型、BP人工神经网络模型、Elman神经网络模型、PSO-SVR模型构建基于物理成因分析的赣江流域中长期径流预报模型,对比分析不同模型不同预报因子优选方案下的预报效果;最后,考虑到单一预报模型的局限性,提出了耦合多模型优点的中长期径流预报耦合模型,并在耦合多模型的基础上提出了基于残差修正的预报模型结果修正方法,有效提升了预报模型的精度。研究主要有以下成果:(1)通过对比分析多元回归模型、BP人工神经网络模型、Elman神经网络模型、PSO-SVR模型在3种不同因子优选方案下的预报效果,结果表明基于主成分分析的预报因子优选能够较好的描述未来径流的变化趋势,可作为赣江流域中长期径流预报的因子优选方法。(2)通过对比分析同一种因子优选方案下不同模型的预报效果,结果表明相对于多元回归模型、BP人工神经网络模型、Elman神经网络模型而言,PSOSVR模型在3种因子优选方案下预报效果较好。(3)基于残差修正的多模型耦合预报技术在3种因子优选方案下预报合格率均大于80%,能够满足《水文情报预报规范》的要求,可用于赣江流域中长期径流作业预报。本文所提出的赣江流域中长期径流预报因子筛选方法、多模型耦合与残差修正方法组成了支撑赣江流域中长期径流预报的中长期径流预报技术体系,研究成果为开展赣江流域水量调度计划的编制工作提供了有力的技术支撑,对于解决赣江流域目前需水强度加大、水资源供需矛盾加剧等问题具有重大而深远的现实意义。
【图文】：

水系图,赣江流域,水系图,河流水系

图 1-2 赣江流域水系图Fig. 1-2 Water System of the Ganjiang River Basin.2 河流水系赣江流域水系非常发达，上游为比较典型的辐射状水系，其流域面积在

神经网络

Fig. 2-2 Elman neural network-2 所示，Elman 神经网络本身具有高度复杂的非线性，其32y (k ) = g ( w x( k ) + b)
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P338.2

【参考文献】