1) annual runoff forecast
年径流预测
1.
The problem of annual runoff forecast considering the influence of the uncertainty of original data was studied by using the rough set theory in this paper.
年径流预测对合理开发和优化利用水资源、更好地制定区域社会经济规划具有十分重要的指导意义。
2.
According to the characteristics of the long-time runoff forecasting,a new annual runoff forecasting model based-on the combination of genetic algorithm and neural network is proposed in this paper.
根据径流中长期预测的特点,将遗传算法和神经网络相结合,提出一种年径流预测新算法———遗传神经网络优化预测方法。
2) annual runoff prediction
年径流预测
1.
To increase the efficiency of medium and annual runoff prediction,the grey self-memory model based on GM(1,1) differential equation was established.
为探索提高年径流预测精度的简单有效途径,以GM(1,1)微分方程为动力核建立了灰色自记忆模型,并应用于寸滩站年径流的拟合和预测中,取得了良好的效果。
2.
Based on the primary qualitative method,we propose an annual runoff prediction model using weighted sum of wavelet coefficients of major periods to predict the periodic components.
本文在原有定性分析方法的基础上,提出基于年径流时间序列主周期小波系数加权求和预测周期成分的年径流预测模型。
3) annual runoff prediction
年径流量预测
1.
Application of the time series decomposable model for the annual runoff prediction in Wulasitai River;
时间序列分解模型在乌拉斯台河年径流量预测中的应用研究
2.
This paper takes annual runoff prediction and an optimal allocation of water as research aims,the work and technical implementation including the following three aspects:First,on the basis of the research on the irrigation area in annual runoff and influencing factors,analyzes the characteristics of the annual runoff,and compara the time rank,artificial neural network and support vector machine.
本文以年径流量预测与灌区优化配水为研究目标,主要进行的工作及技术实现包括以下三个方面:首先,在对灌区年径流量相关概念与影响因素研究的基础上,分析了年径流量具有的特点,同时比较分析了年径流量的预测方法,针对年径流量具有的特点,选取适宜的预测方法,确定采用支持向量机方法进行年径流量预测;其次,年径流量的变化情势受气候、下垫面、太阳活动与人类活动等因素的影响,这些影响因素的复杂性与不确定性,给年径流量预测带来了极大的难度,基于支持向量机方法能够较好地解决小样本、高维、非线性问题,建立年径流量SVM预测模型,所建立的模型预测结果精度高,证明了该方法应用的合理性和有效性;最后,针对灌区水资源不足时的非充分灌溉情况,为了使灌区取得最大的灌溉经济效益,建立灌区优化配水模型,利用遗传算法对所建立的优化模型求解,结果显示采用遗传算法可以获得较好的寻优效果,有效提高了灌区灌溉经济效益。
4) annual runoff forecast
年径流预报
1.
The methods of stationary time series,step-wise linear regression and BP neural network were respectively used for modeling of annual runoff forecasting for Dahuofang Reservoir.
通过分析大伙房水库所属流域的气候特征,找出合适的预报因子;采用平稳时间序列、逐步线性回归、BP神经网络作为几种典型中长期预报方法的代表,分别对大伙房水库进行年径流预报建模;综合比较三种方法的拟合与检验预报结果,可以得出BP神经网络法是最适合该流域的预报方法。
5) Runoff Prediction
径流预测
1.
Daily runoff prediction based on integration of genetic and back-propagation algorithms;
基于遗传BP算法的日径流预测
2.
The study on runoff prediction model of BP neural network based on phase space and GA;
基于相空间遗传BP神经网络的径流预测研究
3.
Study of runoff prediction based on fractal interpolation theory;
基于分形插值理论的径流预测探讨
6) runoff predicting
径流预测
1.
The runoff predicting results are obtained from two different kinds of BP neural networks,it is shown that convergence speed and precision of BP neural networks are improved.
最后利用参数优化前后的BP模型进行径流预测,结果表明模型收敛速度和精度明显提高。
补充资料：设计年径流
设计年径流
annual design runoff
shell n.onl一ngllu设计年径流(annual design runoff)相应于设计标准的年径流量及径流系列。年径流设计标准常以保证率或频率表示。设计年径流是水力发电、灌溉、供水、航运等工程规划设计的一项重要水文数据，其计算内容包括:①多年平均年径流量，它反映工程所在河段总的来水条件，是一项重要径流特征值。②符合指定设计保证率的年径流量及径流系列，它反映设计流域径流量的年际变化与年内水量分配的情况，代表未来工程运行期间可能出现的径流来水过程。年径流的设计保证率是根据用水部门的要求确定的，发电保证率常采取90%一95%，灌溉保证率常采取75%一80%，城市及工业用水保证率常采取95%一1()0写。 设计年径流量的计算根据工程所在地点的水文资料条件，采用不同的计算方法。常用的方法有以下几种。 (l)频率计算法。当工程所在地点或其附近上下游有较长期的实测径流资料(20年以上，包括插补延长的资料在内)时采用此法。首先对实测资料作可靠性、系列的一致性及其代表性的检查。如果实测资料的流域受到人类活动影响.径流发生显著变化时.要作还原计算，使其恢复到未受人类活动影响的天然状态，以达到系列的一致性。还原计算的主要项目为:工农业生活耗水量、蓄水工程的蓄泄水量、分洪溃口水量、跨流域引人或引出水量等。系列代表性分析是根据还原后的天然径流系列进行，主要是通过分析本流域或邻近相似流域的多年丰、枯周期的变化情况，对比分析径流统计参数等，评定其系列的代表性。若系列代表性不足，应设法延长系列或参照地区综合成果.对统计参数作适当的调整。频率计算的具体方法见水文频率分析。通过计算确定的统计参数(多年平均流量、离差系数和偏差系数)，即可求得各不同保证率的年径流量。 (2)等值线图法。适用于中小河流无水文资料地区的中小型工程。由于水文现象和地理因素之间常存在着一定的内在联系，因而水文参数多呈现地理分布规律。利用这种规律，可对短缺水文资料的地区进行水文计算。当前中国各省、市(区)编制的水文手册，都已绘制出了一套年径流统计参数等值线图.依此查算工程所在地点的统计参数，即可求得不同保证率的年径流量。 不同保证率的年径流年内分配指径流在一年内随时间变化的过程。当工程所在地点有较长期径流资料时，常采用典型年法，即选取接近于设计保证率年径流量的年份，作为该保证率的典型年。有时同一种保证率有几个典型年份作为该保证率代表年的典型。无实测资料地区，设计年径流量的年内分配.可借用参证站或水文手册提供的年内各月水量分配百分比进行估算，必要时需作适当修正。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条