基于大数据分析方法的汉江流域安康段洪水预报研究

发布时间：2021-01-07 09:03

　　随着计算机技术的突飞猛进,人们开始广泛关注大数据的运用。大数据分析方法是在原有的计算方法以及数学模型的基础上,能够不断改进和更新的新技术、新方法。该方法可以改变传统水文学方法中繁琐的数据处理和基础参数率定的问题,能通过各相关因素之间的联系,找到一定的规律性,同时运用人工智能等技术手段,使得运算速度更快,获得的结果与实测值更接近,对于指导实际工作大有裨益。我国洪灾多发,为减少或者降低损失,有效、准确的预报洪水是尤其重要的。洪水预报是在现有的水文气象条件下,对流域的具体情况作出分析后,综合已经发生过的要素,对洪水过程（包括洪水历时和洪峰流量灯）做出预报。洪水预报通常根据降雨-径流关系或上下站水位-流量对应关系进行预报,其预见期一般不长,但精度相对较高。因此,洪水预报主要是结合降雨对径流的预报。汉江流域属于亚热带季风气候区,降水在年内分布很不平均,夏秋两季为汛期,降水量可占全年降水总量的80%,尤以6-9月降水量最大,占全年降水量的60%左右。在汛期,径流呈现双峰型。汉江流域由暴雨形成的洪水,主要与季风的活动有关系。每年的5-9月都有洪水现象发生,尤其在7、8月份可以形成较大洪水。安康属于汉... 

【文章来源】：云南师范大学云南省

【文章页数】：130 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
        1.1.1 选题背景与研究意义
        1.1.2 研究区域背景与研究意义
    1.2 研究现状及进展
    1.3 研究思路与主要研究内容
        1.3.1 研究思路
        1.3.2 各章研究内容与技术路线
    1.4 本章小结
第2章 水文预报模型及应用
    2.1 水文模型研究进展
    2.2 水文模型的应用
    2.3 水文模型评估
        2.3.1 模型选择
        2.3.2 模型率定
        2.3.3 模型验证
        2.3.4 模型评价
    2.4 本章小结
第3章 洪水预报模型
    3.1 新安江模型原理
        3.1.1 流域蒸散发计算
        3.1.2 产流计算
        3.1.3 三水源划分
        3.1.4 流域汇流计算
    3.2 马斯京根洪水演算法
        3.2.1 基本原理
        3.2.2 马斯京根流量演算方程
        3.2.3 马斯京根连续演算法
    3.3 大数据分析方法
        3.3.1 大数据分析的基本方法
        3.3.2 大数据分析方法涉及的技术
        3.3.3 大数据分析的主要技术
        3.3.4 大数据分析的难点
        3.3.5 循环神经网络RNN模型
        3.3.6 基于深度学习的长短时记忆LSTM网络模型
    3.4 本章小结
第4章 研究区域资料整理与统计分析计算
    4.1 研究工程概况
    4.2 资料收集整理与统计计算
        4.2.1 汉江上游梯级简介
        4.2.2 原始数据来源
        4.2.3 计算周期划分与流域分块
        4.2.4 资料整理与统计计算
    4.3 水文历史变化分析
    4.4 本章小结
第5章 基于LSTM模型的洪水过程模拟计算
    5.1 日径流过程模拟计算
        5.1.1 LSTM模型网络训练
        5.1.2 LSTM模型模型构建
        5.1.3 计算结果验证
        5.1.4 计算结果分析
    5.2 代表年洪水过程模拟计算
        5.2.1 代表年的选取
        5.2.2 代表年全年径流过程模拟结果
        5.2.3 代表年汛期洪水模拟结果
    5.3 场次洪水模拟计算
        5.3.1 场次洪水资料的选取
        5.3.2 场次洪水资料分析
        5.3.3 场次洪水模拟计算结果
        5.3.4 模拟计算结果分析
        5.3.5 误差分析
        5.3.6 过程分析
    5.4 本章小结
第6章 基于新安江模型的洪水过程模拟计算
    6.1 新安江三水源模型计算
        6.1.1 蓄满产流模型
        6.1.2 流域透水面积上蓄水容量曲线方程
        6.1.3 流域径流深计算
        6.1.4 流域蒸散发模型
        6.1.5 流域土壤蓄水量计算
        6.1.6 流域透水面积上总径流R（净雨）划分
        6.1.7 流域汇流模型
    6.2 新安江三水源模型参数率定
        6.2.1 参数率定
        6.2.2 产流模型参数率定
        6.2.3 分水源参数率定
        6.2.4 计算结果验证
        6.2.5 计算结果分析
    6.3 新安江模型法与LSTM模型汛期模拟结果对比
    6.4 本章小结
第7章 结论与展望
    7.1 结论
    7.2 展望
攻读学位期间发表的论文和研究成果
参考文献
致谢


【参考文献】：
期刊论文
[1]基于LSTM流量预测的DDoS攻击检测方法[J]. 程杰仁,罗逸涵,唐湘滟,欧明望.  华中科技大学学报(自然科学版). 2019(04)
[2]贵州省近55年降水量时空变化分析[J]. 余祝媛,贺中华,梁虹,杨朝晖,曾信波,杨译.  江苏农业科学. 2019(06)
[3]江淮区域农田参考作物蒸散量变化特征及其成因分析[J]. 王曼丽,李卫国,熊世为,邓汗青.  江苏农业科学. 2019(06)
[4]基于LSTM的城市公交车站短时客流量预测研究[J]. 李高盛,彭玲,李祥,吴同.  公路交通科技. 2019(02)
[5]湟水输沙量演变特征分析[J]. 时璐,汪清旭.  水利与建筑工程学报. 2019(01)
[6]Mann-Kendall检验法在新西河水库富营养化趋势分析的应用研究[J]. 陈泽榕.  安徽农学通报. 2019(Z1)
[7]基于序列标注的引语识别初探[J]. 贾泓昊,罗智勇.  中文信息学报. 2019(02)
[8]长短期记忆模型在小流域洪水预报上的应用研究[J]. 郭炅,张艳军,王俊勃,袁正颖,吴金津,董文逊,王素描.  水资源研究. 2019(01)
[9]基于长短期记忆神经网络的暖通空调系统能耗预测[J]. 廖文强,王江宇,陈焕新,丁新磊,尚鹏涛,魏文天,周镇新.  制冷技术. 2019(01)
[10]基于案例的安全分析方法实践[J]. 张军.  通信技术. 2019(01)

博士论文
[1]流域水文建模及预报方法研究[D]. 郭俊.华中科技大学 2013
[2]气候变化对流域径流的影响研究[D]. 何自立.西北农林科技大学 2012
[3]水库的洪水资源化理论和方法研究[D]. 刘招.西安理工大学 2008
[4]汛限水位动态控制方法研究及其风险分析[D]. 曹永强.大连理工大学 2003

硕士论文
[1]基于智能手机传感器数据的人类活动识别研究[D]. 王利涛.燕山大学 2018
[2]基于混合神经网络的人机情感会话研究[D]. 彭晓琪.合肥工业大学 2018
[3]数据驱动的航空发动机余寿预测方法[D]. 唐王.南京航空航天大学 2018
[4]基于大数据的电力设备故障分析与诊断的研究[D]. 赵明乾.华北电力大学(北京) 2018
[5]基于Hadoop和Spark的特征网络群体智能分析系统的设计与实现[D]. 闵圣君.黑龙江大学 2018
[6]基于GRU神经网络的时间序列预测研究[D]. 刘洋.成都理工大学 2017
[7]基于VIC模型和SDSM的气候变化下西北旱区的径流响应模拟[D]. 王宁.西北农林科技大学 2014
[8]北江下游河段洪水预报研究[D]. 张浩.华南理工大学 2014
[9]自然语言理解篇章中方式信息的研究及其在产品设计中的应用[D]. 乔建红.西安电子科技大学 2013
[10]新安江模型在中型水库洪水预报中的应用研究[D]. 虞慧.江西师范大学 2010



本文编号：2962279