简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。
简介:气候变化和高强度的人类活动对水文循环及其时空演变规律产生了重要影响,原有研究成果已不能真实反映现代条件下的水文变化规律。作为概念性模型的代表,新安江模型已不能适应变化环境下流域综合水文要素的模拟,因此有大量应用基础研究工作亟需加强。为解决这一难题,文章以新安江水文水资源实验站改建项目为例,阐述嵌套式强化观测流域设计方案的应用,在原有设施基础上,嵌套增建了原型小流域及坡地水文综合要素观测场、嵌套式强化观测流域、水文综合实验与分析测试中心及远程接收中心。结果表明该设计方案能够有效的提升数据资源类型及涵盖面,为发展新一代水文模型系统提供数据支撑,为建设流域大气-水文-生态综合模型提供科学依据。