基于人工神经网络模型的黑河流域径流模拟预报

论文摘要

水资源是基础性的自然资源,是维系自然界一切生命系统不可缺少的资源,也是社会经济发展所必需的不可替代的资源。黑河流域位于西北内陆干旱地区,近年来黑河流域出现了一系列的生态环境问题,水问题是引起这一系列问题的关键问题。为了解决黑河流域存在的社会﹑经济﹑生态环境问题,发挥黑河流域水资源的最大经济﹑环境和社会效益,使黑河流域的社会﹑经济﹑生态环境得到可持续发展,必须对黑河流域的水资源系统进行准确而及时的分析与预测,合理配置,优化调度,积极有效保护有限的黑河流域水资源,最大限度的满足黑河流域国民经济各部门的合理需求,促进资源与环境,生态系统的良性循环,以及经济﹑社会﹑环境协调发展。要做到这些,必须对黑河上游流域水文水资源及其变化特性有一个比较清晰和全面的认识,因此,预报黑河水资源量的时空分布和水资源量的多少对于黑河流域社会经济的发展、生态环境的保护和水资源管理具有十分重要的意义。人工神经网络是一种数据驱动模型,它可以客观地描述系统内部的真正构成,不受以往知识的束缚,从而找到系统输入输出之间的合理的关系,找出内部的规律性,进行精确的模拟,并为径流预报提供辅助手段,但这也并不是说要建立一个纯黑箱的模型,在建立径流模拟和预报的人工神经网络模型时,应该把流域的物理背景知识考虑在内。莺落峡和正义峡是黑河干流上的两个重要控制站,首先对影响莺落峡,正义峡径流变化的因素进行分析,得知莺落峡径流量变化受人为因素的影响比较小,主要受自然因素的影响,正义峡径流量受人为因素影响比较大;然后考虑流域的物理背景,建立BP人工神经网络模型,对莺落峡月径流量的模拟主要考虑自然因素。单一构型的BP人工神经网络模型是一种顾及各种数据情况的所谓的“最佳协调解”。这种模型无法识别各个径流阶段的主要影响因素并分别对待,高流量、低流量等事件相关的个性信息没有表现的空间,因而一般会被当作噪声过滤掉。这样把所有可得数据混在一起训练出的神经网络,往往只可以较好地模拟一般状况(如中等流量事件,这种事件的样本数目较多),而对极值状况,模型的性能则较差,无法使各个径流时期的径流模拟同时达到令人满意的程度,建立莺落峡月径流模拟模型的时候,采用模糊聚类的方法对径流进行分类,分为汛期和非汛期,然后分别建立BP人工神经网络模型,对比分类和未分类的BP模型模拟结果,发现分类之后所建立的模型地性能比较好,因此采用分类之后的模型对莺落峡的月径流进行了预测。正义峡的年径流量模拟模型的建立分别考虑人为因素和不考虑人为因素,建立两个模型,并做出比较分析,考虑人为因素的模型的确定性系数在检验期和训练期都高于不考虑人为因素的模型。考虑人为因素之后的BP模型要比不考虑人为因素的模型要好,说明在建立模型的时候,应该结合实际情况,不仅要考虑自然因素,对受人类影响较大的径流的模拟时,应该考虑物理背景,这样才能提高模型的性能。建立莺落峡和正义峡的径流模拟模型的目的是为了更好的预测,选取模拟精度比较高的模型进行预测,在不同的气候情景下,利用BP网络模拟计算2030年黑河流域莺落峡水文站的径流量,在降水量不变的情况下,气温增加0.5℃,年径流量将增加8.92 %;如气温增加1℃,则年径流量将减少5.414 %;保持气温不变,降水量增加10 %,年径流量将增加9.905 %;如气温增加0.5℃,同时降水量增加10 %,则年径流量将增加8.98 %。在全球变化的背景下,黑河流域正义峡的径流量,在2030年之前,年径流量将有一定程度的增加,但幅度不会很大,以后随着气温的继续升高,正义峡的径流将会减少,该结果与康尔泗等(1999)研究结果较为一致。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 选题背景
• 1.2 研究区概况和选题意义
• 1.3 径流模拟预报模型在国内外的研究进展
• 1.3.1 径流模拟预报的水文模型及其优缺点
• 1.3.2 人工神经网络模型在径流模拟预报上的应用
• 1.4 研究内容及目标
• 1.4.1 研究内容
• 1.4.2 研究目标
• 1.5 技术路线
• 1.6 本章小结
• 2 人工神经网络概论
• 2.1 人工神经网络的概念和特点
• 2.2 人工神经网络的发展历程
• 2.3 人工神经网络的学习方法
• 2.3.1 学习机理
• 2.3.2 学习方式
• 2.4 BP 人工神经网络
• 2.4.1 BP 算法
• 2.4.2 BP 神经网络建模过程中需要考虑的几个问题
• 2.5 本章小结
• 3 莺落峡月径流量的模拟
• 3.1 莺落峡径流量的变化趋势分析
• 3.1.1 差积曲线分析
• 3.1.2 Mann- kendall 非参数秩次相关突变检测
• 3.2 降雨量和径流量的关系
• 3.3 莺落峡的气温与径流关系
• 3.4 影响莺落峡径流量变化的因素分析
• 3.5 莺落峡月径流的BP 人工神经网络模型
• 3.5.1 资料介绍
• 3.5.2 基于人工神经网络的莺落峡月径流BP 模型
• 3.5.3 基于径流分类基础上的莺落峡的月径流BP 模型
• 3.6 逐步回归模型
• 3.7 结论
• 4 正义峡的年径流量模拟
• 4.1 正义峡的年径流量变化趋势
• 4.2 影响正义峡径流量变化的因素分析
• 4.3 正义峡的年径流BP 人工神经网络模型
• 4.3.1 不考虑人为因素的正义峡年径流BP 人工神经网络模型
• 4.3.2 考虑人为因素的正义峡的年径流BP 人工神经网络模型
• 4.4 结论
• 5 径流量预测分析
• 5.1 莺落峡月径流量预测分析
• 5.2 正义峡的年径流量预测分析
• 5.3 结论
• 6 结论与讨论
• 6.1 结论
• 6.2 讨论
• 参考文献
• 附录
• 致谢