中長(zhǎng)期徑流預(yù)報(bào)技術(shù)與方法

前言

　　水文要素變化的物理規(guī)律錯(cuò)綜復(fù)雜，受氣候氣象、下墊面、人類活動(dòng)等諸多因素的綜合影響，流域徑流的中長(zhǎng)期過(guò)程具有一定的時(shí)空不確定性。中長(zhǎng)期徑流預(yù)報(bào)是指根據(jù)前期或現(xiàn)時(shí)已出現(xiàn)的水文、氣象等信息，運(yùn)用水文學(xué)、氣象學(xué)、水力學(xué)、統(tǒng)計(jì)學(xué)等相關(guān)學(xué)科的原理和方法，對(duì)河流、水庫(kù)、湖泊等水體未來(lái)3天以上至1年以內(nèi)的徑流變化情勢(shì)作出定量或定性的預(yù)報(bào)?！　≈虚L(zhǎng)期徑流預(yù)報(bào)是水利水電工程設(shè)計(jì)、施工和運(yùn)行管理的重要依據(jù)，在防汛、抗旱、供水、發(fā)電、養(yǎng)殖、旅游、航運(yùn)及改善生態(tài)環(huán)境等方面能發(fā)揮顯著作用。隨著經(jīng)濟(jì)社會(huì)的發(fā)展和科學(xué)技術(shù)水平的提升，我國(guó)的水資源調(diào)度和調(diào)控能力明顯提高，流域水量統(tǒng)一調(diào)度、跨流域調(diào)水、特大型梯級(jí)樞紐群聯(lián)合調(diào)度等水資源調(diào)度實(shí)踐不斷向前推進(jìn)，對(duì)中長(zhǎng)期徑流預(yù)報(bào)的精度提出了更高要求，中長(zhǎng)期徑流預(yù)報(bào)的重要作用更加凸顯出來(lái)。在黃河、黑河、塔里木河、珠江等流域的水量統(tǒng)一調(diào)度與管理中，中長(zhǎng)期徑流預(yù)報(bào)作為制訂水資源調(diào)度方案的重要基礎(chǔ)和依據(jù)，起到了非常關(guān)鍵的作用?！　≈虚L(zhǎng)期徑流預(yù)報(bào)研究涉及到水文學(xué)、水資源學(xué)、氣象學(xué)、統(tǒng)計(jì)學(xué)、系統(tǒng)科學(xué)、智能計(jì)算、決策理論、計(jì)算機(jī)等多個(gè)學(xué)科的知識(shí)。從趨勢(shì)性、周期性、隨機(jī)性、區(qū)域性等方面分析徑流的時(shí)空演變規(guī)律是中長(zhǎng)期徑流預(yù)報(bào)的基礎(chǔ)。　　……

內(nèi)容概要

　　《中長(zhǎng)期徑流預(yù)報(bào)技術(shù)與方法》面向流域水資源調(diào)度、跨流域調(diào)水、特大型梯級(jí)樞紐群聯(lián)合調(diào)度等的需求，較系統(tǒng)地介紹了目前生產(chǎn)實(shí)踐中常用中長(zhǎng)期徑流預(yù)報(bào)技術(shù)的基本原理和方法，并從提高中長(zhǎng)期徑流預(yù)報(bào)效果的穩(wěn)定性和可靠性出發(fā)，研究了基于貝葉斯理論的中長(zhǎng)期徑流概率預(yù)報(bào)方法。主要內(nèi)容包括徑流的中長(zhǎng)期時(shí)間序列特性分析、預(yù)報(bào)因子識(shí)別、確定性預(yù)報(bào)模型以及概率預(yù)報(bào)方法等?！　　吨虚L(zhǎng)期徑流預(yù)報(bào)技術(shù)與方法》理論與實(shí)踐聯(lián)系緊密，內(nèi)容全面，技術(shù)實(shí)用?？晒氖轮虚L(zhǎng)期徑流預(yù)報(bào)的工程技術(shù)人員、科研人員及高等院校相關(guān)專業(yè)的學(xué)生和教師閱讀、參考。

書籍目錄

前言第1章 緒論1．1 中長(zhǎng)期徑流預(yù)報(bào)的概念1．2 中長(zhǎng)期徑流預(yù)報(bào)的實(shí)踐需求1．3 中長(zhǎng)期徑流預(yù)報(bào)研究的技術(shù)路線1．4 中長(zhǎng)期徑流預(yù)報(bào)的研究進(jìn)展1．4．1 中長(zhǎng)期徑流演變規(guī)律1．4．2 中長(zhǎng)期徑流預(yù)報(bào)因子識(shí)別1．4．3 中長(zhǎng)期徑流預(yù)報(bào)模型1．4．4 中長(zhǎng)期徑流預(yù)報(bào)軟件系統(tǒng)1．5 中長(zhǎng)期徑流預(yù)報(bào)面臨的主要問(wèn)題1．6 中長(zhǎng)期徑流預(yù)報(bào)的發(fā)展趨勢(shì)第2章 中長(zhǎng)期徑流時(shí)間序列的特性分析2．1 水循環(huán)過(guò)程及中長(zhǎng)期徑流的特點(diǎn)2．2 中長(zhǎng)期徑流時(shí)間序列的概念2．3 中長(zhǎng)期徑流的趨勢(shì)性分析方法2．3．1 線性回歸法2．3．2 Kendall秩次相關(guān)檢驗(yàn)法2．3．3 Spearman秩次相關(guān)檢驗(yàn)法2．4 中長(zhǎng)期徑流的周期性分析方法2．4．1 方差分析法2．4．2 功率譜方法2．4．3 小波分析方法2．5 中長(zhǎng)期徑流的隨機(jī)性分析方法2．5．1 隨機(jī)過(guò)程2．5．2 線性平穩(wěn)隨機(jī)模型2．5．3 馬爾可夫過(guò)程第3章 中長(zhǎng)期徑流的預(yù)報(bào)因子識(shí)別3．1 中長(zhǎng)期天氣過(guò)程及其預(yù)報(bào)的特點(diǎn)3．1．1 長(zhǎng)期天氣過(guò)程的特點(diǎn)3．1．2 中期天氣過(guò)程的特點(diǎn)3．1．3 中長(zhǎng)期天氣預(yù)報(bào)的特點(diǎn)3．2 中長(zhǎng)期徑流過(guò)程的影響因素3．2．1 大氣環(huán)流3．2．2 太陽(yáng)活動(dòng)3．2．3 海氣相互作用3．2．4 人類活動(dòng)3．3 中長(zhǎng)期徑流預(yù)報(bào)中常用的預(yù)報(bào)因子3．3．1 前期降水與徑流3．3．2 環(huán)流特征量3．3．3 海表溫度3．4 中長(zhǎng)期徑流預(yù)報(bào)因子的識(shí)別方法3．4．1 相關(guān)系數(shù)法3．4．2 秩相關(guān)分析法3．4．3 逐步回歸法第4章 中長(zhǎng)期徑流的確定性預(yù)報(bào)模型4．1 線性回歸模型4．1．1 一元線性回歸4．1．2 多元線性回歸4．2 人工神經(jīng)網(wǎng)絡(luò)模型4．2．1 人工神經(jīng)網(wǎng)絡(luò)概述4．2．2 BP神經(jīng)網(wǎng)絡(luò)4．3 時(shí)間序列分解模型4．4 秩相關(guān)秩相似模型4．5 模糊模式識(shí)別模型4．6 模糊模式識(shí)別神經(jīng)網(wǎng)絡(luò)模型4．6．1 模糊集理論與人工神經(jīng)網(wǎng)絡(luò)理論的關(guān)系4．6．2 模型結(jié)構(gòu)4．6．3 模糊模式識(shí)別模型和模糊模式識(shí)別神經(jīng)網(wǎng)絡(luò)模型的等價(jià)性分析4．6．4 模糊模式識(shí)別神經(jīng)網(wǎng)絡(luò)模型權(quán)重調(diào)整BP模型4．6．5 遺傳算法4．6．6 模糊模式識(shí)別神經(jīng)網(wǎng)絡(luò)模型的遺傳學(xué)習(xí)和權(quán)重調(diào)整BP混合算法4．7 組合預(yù)報(bào)模型4．8 預(yù)報(bào)實(shí)例……第5章 中長(zhǎng)期徑流的概率預(yù)報(bào)方法參考文獻(xiàn)

章節(jié)摘錄

　?。?）其他模型　　除上述六類模型外，中長(zhǎng)期徑流預(yù)報(bào)還包括投影尋蹤、經(jīng)驗(yàn)正交函數(shù)分析、小波分析、相空間重構(gòu)、河流集合預(yù)報(bào)、生命旋回模型、多維關(guān)聯(lián)規(guī)則挖掘等其他模型。例如：李杰友等（2001）將投影尋蹤回歸分析方法應(yīng)用于福建省水口電廠月徑流長(zhǎng)期預(yù)報(bào)的研究；李杰友等（2001）應(yīng)用經(jīng)驗(yàn)正交函數(shù)分析方法，以月平均500hPa、100hPa高度場(chǎng)及月平均海溫場(chǎng)為預(yù)報(bào)因子，對(duì)廣東省淆江流域的月徑流進(jìn)行預(yù)報(bào)；王文圣等（2003）基于小波變換研究了長(zhǎng)江宜昌站的年最大洪峰流量周期變化和長(zhǎng)期預(yù)報(bào)；張利平等（2004）基于相空間重構(gòu)技術(shù)，建立了局域單點(diǎn)相似模型、局域多點(diǎn)相似模型、局域線性相似模型和三參數(shù)模型等四種相空間模型，對(duì)吉林省白山水庫(kù)的月徑流量和主汛期徑流量進(jìn)行模擬預(yù)報(bào)；鐘平安等（2007）通過(guò)典型水庫(kù)入庫(kù)徑流預(yù)測(cè)實(shí)例，分析了小波周期分析模型預(yù)測(cè)效果與徑流系列長(zhǎng)度、時(shí)段長(zhǎng)及流域尺度之間的關(guān)系；李巖等（2008）引入河流集合預(yù)報(bào)方法（ESP），利用水文氣象歷史資料和新安江水文模型，分析預(yù)測(cè)丹江口水庫(kù)2007年10月每旬的平均入庫(kù)流量及概率分布統(tǒng)計(jì)；張建興等（2008）用生命旋回模型預(yù)報(bào)河川徑流的趨勢(shì)項(xiàng)變化.用周期修正方法反映其徑流周期性特征，用Markov模型預(yù)報(bào)其徑流序列隨機(jī)變化，在此基礎(chǔ)上對(duì)黃河龍門水文站年徑流進(jìn)行預(yù)測(cè)；王富強(qiáng)等（2009）以嫩江江橋站汛期徑流量長(zhǎng)期預(yù)報(bào)為例，研究了多維關(guān)聯(lián)規(guī)則挖掘方法、河流集合預(yù)報(bào)方法在徑流長(zhǎng)期預(yù)報(bào)中的應(yīng)用?！　。?）組合預(yù)報(bào)模型　　對(duì)同一預(yù)報(bào)問(wèn)題，不同預(yù)報(bào)方法提供的預(yù)報(bào)結(jié)果會(huì)有所不同。中長(zhǎng)期徑流的組合預(yù)報(bào)，是指將不同的徑流預(yù)報(bào)方法進(jìn)行適當(dāng)?shù)慕M合，綜合利用各種方法所提供的信息，從而盡可能地提高預(yù)報(bào)精度。組合預(yù)報(bào)模型在中長(zhǎng)期徑流預(yù)報(bào)中也得到了較多的研究和應(yīng)用。例如：陳守煜等（1997）依據(jù)水文成因、統(tǒng)計(jì)與模糊集分析相結(jié)合的研究方法論，提出考慮預(yù)報(bào)因子權(quán)重的中長(zhǎng)期水文預(yù)報(bào)綜合分析理論模式與方法。　　……

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    中長(zhǎng)期徑流預(yù)報(bào)技術(shù)與方法 PDF格式下載

---