气象因子对赣江中下游流域中长期水文预报的影响分析
发布时间：2021-06-09 11:32
赣江是鄱阳湖水系中径流量最大、河流长度最长、最重要的一条河流。一直以来,赣江流域频繁遭受洪水的威胁。然而,目前长期水文预报仍存在精度不高、预报模型通用度不高等问题,使得其难以有效指导生产实践的问题。长期水文预报在理论研究和实际应用中还相对落后,处于不断发展的阶段。由于江西省省会南昌处于赣江中下游区域,因此,对赣江中下游流域进行中长期水文预报研究有更加重要的意义。本研究选择赣江中下游流域的出口控制站,外洲站作为赣江中下游的代表站,用成因分析、统计分析相结合的方法识别影响水文要素的前期预报因子。然后利用关联规则挖掘分析、人工神经网络分别对赣江中下游流域进行定性预报（对外洲站丰枯水变化进行预报）与定量预报（外洲站年最大洪峰流量进行定量预报）,以建立适合赣江流域的简单实用且预报精度较高的预报模型。主要成果与结论有:从定性预报的结果来看,太阳黑子相对数、东太平洋海表海温及西太平洋副高出现异常时会造成外洲站径流量的异常变化,但是这个变化并不是绝对的。而且,从目前已有的数据计算结果,枯水预报的支持度与置信度都远远大于丰水预报从定量预报的结果来看,基于LM改进算法的BP神经网络在对外洲站年最大洪峰流量...
【文章来源】：南昌工程学院江西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
水文循环示意图
宥ㄒ逦?篘ino 综合区海温距平指数持续 6 个月达到 0.5 以上或该区指数持续 5 个月达到 0.5 以上且 5 个月的指数之和大于等于 4。厄尔尼诺分区位置图[29]如图2.5 所示。图 2.5 厄尔尼诺分区位置示意图[29]Fig 2.5 Ernie partition position schematic“拉尼娜”现象即“反厄尔尼诺”现象，与“厄尔尼诺”现象所不同它的出现会造成太平洋东部的海表温度大范围降低。具体表现为海水表层温度低出距平值 0.5 以
气象因子对赣江中下游流域中长期水文预报的影响分析第三章 关联规则挖掘分析预报3.1 数据挖掘随着现代计算机与数据库技术在工程领域的大量应用，使得各领域内的数据库都存储了大量的数据，但是这时面临一个很大问题，就是如何对这些数据进行分析从而转化成有用的知识。于是数据挖掘和知识发现在各个领域受到人们的关注越来越多。简单来说，数据挖掘就是从大量数据中提取出隐藏在数据背后的“知识”[47-48]。数据挖掘[49](Data Mining，DM)是指通过算法对数据库的数据进行搜索进而从中提取人们感兴趣的知识。这些知识是隐含的、事先未知的潜在有用信息，提取的知识可以表示为概念（Concepts）、规则（Rules）、规律（Regularities）、模式（Patterns）等形式。一般认为数据挖掘的对象为数据库，但是通过大量的研究表明，数据挖掘的对象不仅可以是数据库，也可以是文件系统等，或是其他形式组织的数据集合。数据挖掘的过程可以用图 3.1 表示。
【参考文献】：
期刊论文
[1]数据挖掘领域研究现状与趋势的可视化分析[J]. 杨良斌. 图书情报工作. 2015(S2)
[2]流域中长期径流分类预报方法[J]. 李鸿雁,薛丽君,王红瑞,王晓昕. 南水北调与水利科技. 2015(05)
[3]春末夏初南亚高压的形成过程及其与ENSO事件的联系[J]. 何金海,刘伯奇,吴国雄. 大气科学. 2014(04)
[4]基于关联规则的数据挖掘技术在中长期水文预报中的应用[J]. 李宏伟. 人民珠江. 2013(06)
[5]数据挖掘综述[J]. 王梦雪. 软件导刊. 2013(10)
[6]基于支持向量机的石羊河流域径流模拟适用性评价[J]. 张兰影,庞博,徐宗学,刘文丰. 干旱区资源与环境. 2013(07)
[7]ENSO事件对西北太平洋热带气旋影响的分级研究[J]. 曹智露,胡邦辉,杨修群,王学忠,何雪松,谭言科. 海洋学报(中文版). 2013(02)
[8]一种综合监测两类不同分布类型ENSO事件指标的研究[J]. 曹璐,孙丞虎,任福民,袁媛,江静. 热带气象学报. 2013(01)
[9]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[10]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧. 电子设计工程. 2011(24)
博士论文
[1]流域水文分析与水文预报方法研究[D]. 叶磊.华中科技大学 2016
[2]中长期水文预报及其在平原洪水资源利用中的应用研究[D]. 王富强.大连理工大学 2008
硕士论文
[1]关联规则挖掘的并行化算法研究[D]. 刘智勇.东南大学 2016
[2]基于神经网络的水文预报方法研究[D]. 王圣.华中科技大学 2013
[3]湘江流域中长期水文预报[D]. 宋荷花.长沙理工大学 2008
[4]BP神经网络学习算法的研究[D]. 刘彩红.重庆师范大学 2008
[5]长江三峡中长期水文预报研究[D]. 孙树青.长沙理工大学 2007
[6]关联规则挖掘算法的研究[D]. 张贞梅.山东科技大学 2005
本文编号：3220502
【文章来源】：南昌工程学院江西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
水文循环示意图
宥ㄒ逦?篘ino 综合区海温距平指数持续 6 个月达到 0.5 以上或该区指数持续 5 个月达到 0.5 以上且 5 个月的指数之和大于等于 4。厄尔尼诺分区位置图[29]如图2.5 所示。图 2.5 厄尔尼诺分区位置示意图[29]Fig 2.5 Ernie partition position schematic“拉尼娜”现象即“反厄尔尼诺”现象，与“厄尔尼诺”现象所不同它的出现会造成太平洋东部的海表温度大范围降低。具体表现为海水表层温度低出距平值 0.5 以
气象因子对赣江中下游流域中长期水文预报的影响分析第三章 关联规则挖掘分析预报3.1 数据挖掘随着现代计算机与数据库技术在工程领域的大量应用，使得各领域内的数据库都存储了大量的数据，但是这时面临一个很大问题，就是如何对这些数据进行分析从而转化成有用的知识。于是数据挖掘和知识发现在各个领域受到人们的关注越来越多。简单来说，数据挖掘就是从大量数据中提取出隐藏在数据背后的“知识”[47-48]。数据挖掘[49](Data Mining，DM)是指通过算法对数据库的数据进行搜索进而从中提取人们感兴趣的知识。这些知识是隐含的、事先未知的潜在有用信息，提取的知识可以表示为概念（Concepts）、规则（Rules）、规律（Regularities）、模式（Patterns）等形式。一般认为数据挖掘的对象为数据库，但是通过大量的研究表明，数据挖掘的对象不仅可以是数据库，也可以是文件系统等，或是其他形式组织的数据集合。数据挖掘的过程可以用图 3.1 表示。
【参考文献】：
期刊论文
[1]数据挖掘领域研究现状与趋势的可视化分析[J]. 杨良斌. 图书情报工作. 2015(S2)
[2]流域中长期径流分类预报方法[J]. 李鸿雁,薛丽君,王红瑞,王晓昕. 南水北调与水利科技. 2015(05)
[3]春末夏初南亚高压的形成过程及其与ENSO事件的联系[J]. 何金海,刘伯奇,吴国雄. 大气科学. 2014(04)
[4]基于关联规则的数据挖掘技术在中长期水文预报中的应用[J]. 李宏伟. 人民珠江. 2013(06)
[5]数据挖掘综述[J]. 王梦雪. 软件导刊. 2013(10)
[6]基于支持向量机的石羊河流域径流模拟适用性评价[J]. 张兰影,庞博,徐宗学,刘文丰. 干旱区资源与环境. 2013(07)
[7]ENSO事件对西北太平洋热带气旋影响的分级研究[J]. 曹智露,胡邦辉,杨修群,王学忠,何雪松,谭言科. 海洋学报(中文版). 2013(02)
[8]一种综合监测两类不同分布类型ENSO事件指标的研究[J]. 曹璐,孙丞虎,任福民,袁媛,江静. 热带气象学报. 2013(01)
[9]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[10]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧. 电子设计工程. 2011(24)
博士论文
[1]流域水文分析与水文预报方法研究[D]. 叶磊.华中科技大学 2016
[2]中长期水文预报及其在平原洪水资源利用中的应用研究[D]. 王富强.大连理工大学 2008
硕士论文
[1]关联规则挖掘的并行化算法研究[D]. 刘智勇.东南大学 2016
[2]基于神经网络的水文预报方法研究[D]. 王圣.华中科技大学 2013
[3]湘江流域中长期水文预报[D]. 宋荷花.长沙理工大学 2008
[4]BP神经网络学习算法的研究[D]. 刘彩红.重庆师范大学 2008
[5]长江三峡中长期水文预报研究[D]. 孙树青.长沙理工大学 2007
[6]关联规则挖掘算法的研究[D]. 张贞梅.山东科技大学 2005
本文编号：3220502
本文链接：https://www.wllwen.com/kejilunwen/shuiwenshuili/3220502.html
