三峡水库入库径流中长期预报模型的研究及系统开发和应用

《三峡水库入库径流中长期预报模型的研究及系统开发和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文摘要长江三峡水利工程是当今举世无双的水利枢纽，是治理、开发利用长江、实现长江流域水资源优化调度的核心工程，在长江流域的防洪抗旱、发电、灌溉、航运等方面起着举足重轻的作用。在三峡水库优化调度工作中，径流的中长期预报扮演着重要的角色。但目前为止，三峡水库入库径流中长期预报工作还处于摸索阶段，发展并未成熟，因此开展中长期水文预报研究具有重要意义。本文以宜昌站为代表站，采用最近邻抽样回归模型、均生函数模型、自回归模型作为三峡水库入库流量中长期预报的基础模型，并在此基础上提出了残差修正模型以及基于支持向量机和信息熵的组合预测模型，对预报模型实现优化；同时构

2、建了三峡系统中长期水文预报系统，将各种预报模型应用到三峡工程实践中。主要的成果如下：（1）预报方法的建立基于目前掌握的三峡流域水文资料情况以及该区域的水文特性，本文选择了最近邻抽样回归模型、均生函数模型、自回归模型作为中长期预报的基础模型。（2）中长期水文预报系统的开发与程序编写基于模型理论方法，本文对以上三种模型实现了Delphi语言的程序编写，并在此基础上结合掌握的水文信息构建了三峡水库入库径流中长期水文预报系统，开发了水文信息查询与管理、水文要素分析、中长期水文预报等功能的面向对象工程应用软件。（3）不同预报模型的应用研究以宜昌站为代表站对三峡水库入库流量进行中长

3、期预报研究。结果显示三种预报方法各有所长，并都适用于三峡水库。各模型预报合格率都在94%以上，符合《规范》要求。但预报的相对误差分布带宽较大，三个模型误差带宽分别为：20.28、28.03、15.97。因此，各预报模型预报结果都不是具有绝对的稳定性。（4）预报模型的优化基于单一模型预报结果具有不稳定性的特点，本文提出了残差修正模型、基于支持向量机和信息熵的组合模型对预报方法进行优化。结果显示优化后的预报模型合格率都为100%。经过残差模型修正后的预报结果误差带宽分别为：18.11、11.93、12.24；基于支持向量机和信息熵的组合预报模型误差带I华中科技大学硕士学位论

4、文宽分别为：15.71、13.89。相对于单一模型预报结果来看都有了很大的改善。因此，对基础模型进行优化处理是一种提高预报精度行之有效的方法。关键词：三峡水库，中长期水文预报，近邻抽样回归模型，均生函数模型，自回归模型，残差修正模型，组合预报模型II华中科技大学硕士学位论文AbstractNowadays,theThreeGorgeswaterconservancyprojectistheuniqueDamintheworld,itisthecoreprojecttomanage,develop,utilizeandaccomplishoptimaloperationt

5、heYangtzeRiver’waterresource.TheThreeGorgesconservancyprojectplaysaimportantroleinFloodControlandDrought,powergeneration,irrigation,navigation.Itisasignificantworktodowellthemid-longteamhydrologicalforecastingintheoptimaloperationoftheThreeGorgesReservoir.Sofar,theThreeGorgesReservoir’lo

6、ng-termhydrologicalforecastingisstillintheexploratorystageandnotmature,soitisofgreatsignificancetodoresearchaboutmid-longteamhydrologicalforecastingintheThreeGorgesReservoir.Inthispaper,YichangstationissetastherepresentativestationandNearestNeighborBootstrappingRegressivemodel(NNBR),Mean

7、GeneratingFunction(MGF)andAutomaticRegressivemodel(AR)areusedasthebasicmodeloftheThreeGorgesReservoirinflowlong-termforecast.Onthisbasis,proposedalinearregressionmodifiedmodelandacombinedforecastmodelbasedonSupportVectorMachines(SVM)andEntropy,andoptimizedtheforecastmodel