【摘要】：河流是人類生存發(fā)展的重要源泉,徑流預(yù)測(cè)是河流防洪排險(xiǎn)及水資源開發(fā)的重要前提之一。特別對(duì)于一些短期水利活動(dòng),比如河道清理,堤壩維護(hù),洪水預(yù)測(cè)等,通常以周為時(shí)間尺度進(jìn)行徑流預(yù)測(cè)。雖然經(jīng)過多年的研究和發(fā)展徑流預(yù)測(cè)模型的預(yù)測(cè)精度已有很大提升,但傳統(tǒng)的徑流預(yù)測(cè)模型仍有進(jìn)一步發(fā)展的空間。針對(duì)短期內(nèi)徑流量變化較大和時(shí)間相關(guān)性較強(qiáng)的河流,本文基于馬爾可夫鏈理論,分別構(gòu)建非齊次馬爾可夫鏈徑流預(yù)測(cè)模型(NHMC-RPM)和二階馬爾可夫鏈徑流預(yù)測(cè)模型(SOMC-RPM),并以黃河花園口水文站和頭道拐水文站為例來驗(yàn)證模型的有效性。本文的主要研究內(nèi)容如下:第一,以周為時(shí)間尺度,基于平均流量數(shù)據(jù),建立NHMC-RPM模型。首先,利用均方差法確定狀態(tài)空間;其次,提出重疊推進(jìn)法建立與預(yù)測(cè)時(shí)期相對(duì)應(yīng)的轉(zhuǎn)移概率矩陣;最后,通過對(duì)預(yù)測(cè)分布求期望得到徑流的預(yù)測(cè)區(qū)間。第二,基于上述徑流數(shù)據(jù),建立SOMC-RPM模型。首先,引入記憶狀態(tài)將二階馬爾可夫鏈轉(zhuǎn)化為等價(jià)的一階馬爾可夫鏈進(jìn)行運(yùn)算;其次,利用分塊矩陣思想對(duì)一步轉(zhuǎn)移概率矩陣進(jìn)行分塊以簡化計(jì)算;再次,對(duì)同一轉(zhuǎn)入狀態(tài)進(jìn)行求和,得到二階馬爾可夫鏈在預(yù)測(cè)時(shí)刻的狀態(tài)分布;最后,通過對(duì)預(yù)測(cè)分布求期望得到徑流的預(yù)測(cè)區(qū)間。第三,將NHMC-RPM和SOMC-RPM同時(shí)應(yīng)用于黃河流域花園口水文站和頭道拐水文站徑流預(yù)測(cè),并將預(yù)測(cè)結(jié)果與傳統(tǒng)的一階齊次馬爾可夫鏈在上述兩個(gè)水文站的預(yù)測(cè)精度進(jìn)行對(duì)比。對(duì)比結(jié)果顯示,在花園口站NHMC-RPM的預(yù)測(cè)精度最高,而在頭道拐站SOMC-RPM的預(yù)測(cè)精度最高。上述結(jié)果說明NHMC-RPM更適用于短期徑流量變化較大的河流,而SOMC-RPM更適用于徑流量時(shí)間相關(guān)性較強(qiáng)的河流。本文的研究將進(jìn)一步豐富徑流預(yù)測(cè)方法,拓寬非齊次馬爾可夫鏈和二階馬爾可夫鏈的應(yīng)用范圍。并根據(jù)NHMC-RPM和SOMC-RPM的預(yù)測(cè)結(jié)果對(duì)比,為河流管理者制定河流防洪及水資源開發(fā)策略提供理論基礎(chǔ)和決策依據(jù)。
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：P338
【圖文】：

圖 3-1 重疊推進(jìn)法示意圖Fig. 3-1 The diagrammatic sketch of overlapping forward method示意圖所示，為了建立上述 l 個(gè)轉(zhuǎn)移概率矩陣，需要將徑1,2, ,} T劃分為 l 個(gè)組。為了能使劃分的各組規(guī)模相等或相近，在要先給出推進(jìn)尺度的概念。義 3-1 對(duì)于任意非負(fù)區(qū)間[ a ,b]，如果存在一個(gè)正實(shí)數(shù)b可以將區(qū)如下l 個(gè)子區(qū)間, ( 1 ), 0,1,2, , 1lR = a + l b b l l b l= l , 實(shí)數(shù)b為區(qū)間[ a ,b]上的一個(gè)推進(jìn)尺度。實(shí)際應(yīng)用中，可以根據(jù)實(shí)測(cè)徑流資料及預(yù)測(cè)精度要求，擇優(yōu)選取推不妨設(shè)區(qū)間[1 ,T]上的一個(gè)推進(jìn)尺度b已經(jīng)確定，其中T 是收集徑流并且 T > 1，則由式(3-3)得到l 個(gè)實(shí)數(shù)子區(qū)間( 0,1, , 1)l=R l l . 然間( 0,1, , 1)l=R l l 為下標(biāo)，將徑流數(shù)據(jù){ , 1,2, ,}tx t = T劃分為以

圖 5-2 花園口站第一組徑流數(shù)據(jù)統(tǒng)計(jì)圖Fig.5-2 The first set of runoff statistics of Huayuankou station第二組為檢驗(yàn)數(shù)據(jù)集。該組徑流數(shù)據(jù)作為徑流量的實(shí)際觀測(cè)值，與預(yù)測(cè)模型得出的預(yù)測(cè)值進(jìn)行對(duì)比。在收集檢驗(yàn)數(shù)據(jù)前，要先確定初始時(shí)刻。不妨設(shè) 2018年 12 月 9 日為初始時(shí)刻，并且設(shè)需要預(yù)測(cè)的時(shí)間是未來的 10 周內(nèi)的每一周的平均徑流量。因此，從 2018 年 12 月 16 日到 2019 年 2 月 17 日每周日的平均徑流量共計(jì) 10 個(gè)數(shù)據(jù)作為第二組數(shù)據(jù)，如表 5-2 所示。表 5-2 花園口站檢驗(yàn)徑流數(shù)據(jù)Table 5-2 The verification runoff data of Huayuankou station時(shí)間 徑流量/m3/s2018 年 12 月 16 日 4972018 年 12 月 23 日 4982018 年 12 月 30 日 4892019 年 1 月 6 日 4472019 年 1 月 13 日 436

圖 5-3 頭道拐站第一組徑流數(shù)據(jù)統(tǒng)計(jì)圖Fig.5-3 The first set of runoff statistics of Toudaoguai station表 5-6 頭道拐站初始時(shí)刻及其前 9 年的徑流數(shù)據(jù)Table 5-6 Runoff data at the initial timeand the same date of the previous 9 years of Toudaoguai station時(shí)間 徑流量/m3/s徑流狀態(tài)Q記憶狀一時(shí)刻 初始時(shí)刻 前一時(shí)刻 初始時(shí)刻 前一時(shí)刻 初始時(shí)刻18/12/9 2018/12/16 346 335 3 333 17/12/9 2017/12/16 281 230 2 222 16/12/9 2016/12/16 386 420 3 434 15/12/9 2015/12/16 640 320 6 363 14/12/9 2014/12/16 190 340 1 313

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬細(xì)霞;穆浩澤;;基于小波分析的支持向量機(jī)徑流預(yù)測(cè)模型及應(yīng)用[J];灌溉排水學(xué)報(bào);2008年03期

2 姚彤悅;喻云舟;潘鋒;鄒進(jìn);;自適應(yīng)神經(jīng)模糊推理系統(tǒng)在月徑流預(yù)測(cè)中的應(yīng)用[J];中國水運(yùn)(下半月);2019年04期

3 周婷;金菊良;李榮波;紀(jì)昌明;李繼清;;基于小波支持向量機(jī)的徑流預(yù)測(cè)性能優(yōu)化分析[J];水力發(fā)電學(xué)報(bào);2017年10期

4 解苗苗;王文圣;王紅芳;;灰色自記憶模型在年徑流預(yù)測(cè)中的應(yīng)用[J];水電能源科學(xué);2007年02期

5 宋昭義;李紳東;代堂剛;;昭通橫江流域年徑流預(yù)測(cè)[J];水資源保護(hù);2017年03期

6 任化準(zhǔn);;退水曲線模型在金沙江流域枯期徑流預(yù)測(cè)中的應(yīng)用[J];四川水力發(fā)電;2017年01期

7 黃巧玲;粟曉玲;;基于小波支持向量機(jī)耦合的月徑流預(yù)測(cè)方法[J];水力發(fā)電學(xué)報(bào);2015年03期

8 張婧婧,姜鐵兵,康玲,權(quán)先璋;基于人工神經(jīng)網(wǎng)絡(luò)的日徑流預(yù)測(cè)[J];水電自動(dòng)化與大壩監(jiān)測(cè);2002年04期

9 袁勇;;基于改進(jìn)多元模糊均生函數(shù)的克孜河年徑流預(yù)測(cè)[J];水資源開發(fā)與管理;2017年08期

10 王秀杰;封桂敏;耿慶柱;;小波分析組合模型在日徑流預(yù)測(cè)中的應(yīng)用研究[J];自然資源學(xué)報(bào);2014年05期

相關(guān)會(huì)議論文 前4條

1 楊梅;王黎;馬光文;楊道輝;;基于育種算法的BP網(wǎng)絡(luò)在徑流預(yù)測(cè)中的應(yīng)用[A];河流開發(fā)、保護(hù)與水資源可持續(xù)利用——第六屆中國水論壇論文集[C];2008年

2 曹輝;黃強(qiáng);;徑流預(yù)測(cè)方法的對(duì)比分析[A];河流開發(fā)、保護(hù)與水資源可持續(xù)利用——第六屆中國水論壇論文集[C];2008年

3 郭榮;;基于幾種參數(shù)優(yōu)化的支持量機(jī)在徑流預(yù)報(bào)中的比較分析[A];云南省水利學(xué)會(huì)2013年度學(xué)術(shù)交流會(huì)論文集[C];2013年

4 趙瑜;辛芳芳;梁川;;基于BP網(wǎng)絡(luò)模型的大橋水庫入庫徑流預(yù)測(cè)[A];河流開發(fā)、保護(hù)與水資源可持續(xù)利用——第六屆中國水論壇論文集[C];2008年

相關(guān)博士學(xué)位論文 前3條

1 李彥彬;河川徑流的混沌特征和預(yù)測(cè)研究[D];西安理工大學(xué);2009年

2 劉力;三峽流域徑流特性分析及預(yù)測(cè)研究[D];華中科技大學(xué);2009年

3 彭兆亮;統(tǒng)計(jì)模型與動(dòng)力多模式相結(jié)合的中國季度降水預(yù)測(cè)及應(yīng)用研究[D];大連理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李偉;基于馬爾可夫鏈的徑流預(yù)測(cè)模型[D];河北工程大學(xué);2019年

2 喻云舟;自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）在月徑流預(yù)測(cè)中的應(yīng)用[D];昆明理工大學(xué);2018年

3 孟二浩;基于改進(jìn)的EMD混合模型月徑流預(yù)測(cè)研究[D];西安理工大學(xué);2018年

4 左崗崗;基于機(jī)器學(xué)習(xí)的渭河流域徑流預(yù)測(cè)系統(tǒng)研究[D];西安理工大學(xué);2017年

5 李琳琳;克孜河流域徑流預(yù)測(cè)及水量分配研究[D];新疆農(nóng)業(yè)大學(xué);2015年

6 晏欣;灰色—人工神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法在徑流中長期預(yù)測(cè)中的應(yīng)用研究[D];昆明理工大學(xué);2013年

7 蔣尚明;集對(duì)分析在水資源不確定性分析中的應(yīng)用[D];合肥工業(yè)大學(xué);2010年

8 段召輝;混沌理論及組合理論在日徑流與負(fù)荷預(yù)測(cè)中應(yīng)用[D];華中科技大學(xué);2004年

9 楊東方;電力市場環(huán)境下水電站中長期徑流預(yù)測(cè)及優(yōu)化調(diào)度研究[D];四川大學(xué);2003年

10 姚藝;基于統(tǒng)計(jì)降尺度的氣候變化水資源影響研究[D];華北電力大學(xué)(北京);2016年

本文編號(hào)：2804728