河川径流还原计算技术方法研究 ——以山西省坪上水库为例

论文摘要

我国是一个水资源相对贫乏的国家，按2004年人口计算，人均水资源占有量为2185m~3，仅占世界人均占有量的1／4，预计到2030年，我国人口将增至16亿，人均占有量将不足1760m~3。水资源短缺是我国必将面对的严峻考验，因此怎样合理配置、调度有限的水资源，使水资源在经济发展中充分发挥其应有的作用是十分必要的。准确的水资源评价是有效利用水资源，保证水资源可持续发展的前提之一，而水资源评价的重要内容之一就是对水资源量的计算。随着国民经济的快速发展，大量水利工程的修建，改变了河川径流的天然状况，使得断面实测径流不能真实反映天然径流状况，因此要想得到正确的水资源量就必须对河川径流进行还原计算，其准确性将直接影响到水资源工程的合理规划和水资源的合理利用。目前在国内的水资源评价过程中，对河川径流进行还原计算时，所采用的大多都是传统的计算方法，这些传统的方法在理论上简单易懂，为众多专家学者所亲睐，但是随着国民经济的快速发展、城镇化的加快以及人类活动影响因素的增加，对水资源而言，流域的条件变得日益复杂，上述传统的水量还原计算方法难以适应快速发展的国民经济对水资源还原计算技术的要求。为此，探索新形势、新情况下的河川径流还原计算的新技术和新方法，是当前水资源评价中的一项需要迫切解决的新课题。本文以山西省坪上水库流域河川径流的还原计算为研究对象，利用水量平衡法和降雨径流模型进行了河川径流的还原计算，针对降雨径流模型不能有效模拟径流与各影响因子间非线性关系的特点，建立了基于GA(Genetic Algotithms)优化的BP(Back Propagation)神经网络模型——遗传BP神经网络，此外，本文引入了基于小波分解的分项预测模型，在现有资料的基础上获得了更为准确的河川径流还原计算结果。研究结果表明，遗传BP神经网络模型与降雨径流模型相比，具有非线性特性，这与水文系统的本质规律一致，具有较强的适用性，计算精度有所提高；针对流域的特点而建立的基于小波分解的分项预测模型，能够分尺度、深层次的把握现象的本质规律，计算精度较上述模型高。在各种研究方法的基础上，开发了河川径流还原计算的计算机软件，能够提高水文工作者的工作效率，降低劳动强度，缩短水资源评价的时间，具有很强的实用价值和现实意义。本课题的研究丰富了河川径流还原计算的技术方法，对实际应用具有重要的参考价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 河川径流还原计算的概念、目的及意义
• 1.1.1 河川径流还原计算的概念
• 1.1.2 河川径流还原计算的目的及意义
• 1.2 国内外河川径流还原计算技术的研究现状
• 1.2.1 国内河川径流还原计算的研究现状
• 1.2.2 国外河川径流还原计算的研究现状
• 1.3 本论文研究的主要技术路线
• 第二章 山西省坪上水库概况
• 2.1 地形地貌以及气象条件
• 2.1.1 地形地貌
• 2.1.2 气象条件
• 2.2 水文资料概况
• 2.3 资料的处理
• 第三章 河川径流还原计算的基本方法及应用
• 3.1 河川径流还原计算的水量平衡法
• 3.1.1 降雨、径流的基本概念
• 3.1.2 影响径流形成的主要因素
• 3.1.3 水量平衡法的计算原理
• 3.1.4 水量平衡法计算结果
• 3.2 降雨径流模型
• 3.2.1 降雨径流模型简介
• 3.2.2 坪上水库流域河川径流还原计算降雨径流模型的建立
• 3.3 小结
• 第四章 人工神经网络技术在河川径流还原计算中的应用研究
• 4.1 人工神经网络的基础知识
• 4.1.1 人工神经网络简述
• 4.1.2 人工神经元模型
• 4.1.3 人工神经网络模型的拓扑结构
• 4.1.4 人工神经网络的运行过程
• 4.2 BP神经网络
• 4.2.1 BP神经网络介绍
• 4.2.2 BP神经网络模型介绍
• 4.2.3 BP神经网络的算法
• 4.2.4 BP算法的缺陷及改进的指导思想
• 4.3 遗传算法基本知识
• 4.3.1 遗传算法基本原理
• 4.3.2 遗传算法的运算流程
• 4.4 遗传BP神经网络在河川径流还原计算中的应用
• 4.4.1 建模思路
• 4.4.2 BP神经网络的设计
• 4.4.3 遗传算法优化BP网络初始权重方法的实现
• 4.4.4 模型的建立
• 4.5 小结
• 第五章 小波理论在河川径流还原计算中的应用研究
• 5.1 小波分析发展简介
• 5.1.1 傅立叶变换
• 5.1.2 短时傅立叶变换
• 5.1.3 小波分析
• 5.2 小波理论的基础知识
• 5.2.1 小波的概念
• 5.2.2 连续小波变换（CWT）
• 5.2.3 离散小波变换（DWT）
• 5.2.4 二进小波变换
• 5.3 多分辨率分析
• 5.3.1 尺度空间
• 5.3.2 多分辨分析
• 5.3.3 小波空间
• 5.3.4 Mallat算法
• 5.4 预测模型介绍
• 5.4.1 AP（R）模型
• 5.4.2 谐波预测模型
• 5.5 基于小波分解的分项预测模型在河川径流还原计算中的应用
• 5.5.1 建模思路
• 5.5.2 小波的选择
• 5.5.3 实例分析
• 5.6 小结
• 第六章 河川径流还原计算计算机软件的开发
• 6.1 程序语言的选择
• 6.1.1 开发语言
• 6.1.2 仿真与分析工具
• 6.1.3 数据库管理系统
• 6.1.4 VB访问数据库的几种方法
• 6.1.5 VB调用MATLAB的几种方法
• 6.2 软件的开发
• 6.2.1 “基本资料”菜单
• 6.2.2 “水量平衡法”菜单
• 6.2.3 “降雨径流模型”菜单
• 6.2.4 “遗传BP神经网络”菜单
• 6.2.5 “基于小波分解的分项预测模型”菜单
• 6.2.6 “横向比较”菜单
• 6.3 小结
• 第七章 结论与展望
• 7.1 坪上水库流域河川径流还原计算多模型计算结果的横向比较
• 7.2 结论与展望
• 7.2.1 结论
• 7.2.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文及参加的主要科研项目