發(fā)布時(shí)間：2020-10-17 16:58

　　 河川中長期徑流預(yù)測(cè)是水文預(yù)報(bào)的主要內(nèi)容,高精度的徑流預(yù)測(cè)有助于水庫優(yōu)化調(diào)度、防洪抗旱、合理制定水電站發(fā)電計(jì)劃,保證電站生產(chǎn)生活安全進(jìn)行。在國內(nèi)電力市場(chǎng)快速發(fā)展背景下,中長期徑流預(yù)報(bào)可以作為電站參與電力交易時(shí)的決策依據(jù),提高電站經(jīng)濟(jì)利益。河川徑流是一個(gè)高度復(fù)雜的動(dòng)力系統(tǒng),氣候特征、地理環(huán)境和人為活動(dòng)均影響徑流形成,使得徑流過程難以準(zhǔn)確預(yù)測(cè)。引入氣象因素是提高中長期徑流預(yù)測(cè)精度重要手段,是水文預(yù)報(bào)的研究熱點(diǎn)之一。本文以瀾滄江上游的烏弄龍水電站為研究對(duì)象,獲取并解析流域內(nèi)CFS氣象集合預(yù)報(bào)數(shù)據(jù)、建立中長期徑流過程深層神經(jīng)網(wǎng)絡(luò)模型、并耦合氣象數(shù)據(jù)進(jìn)行中長期徑流預(yù)測(cè),主要工作內(nèi)容及研究成果如下:(1)提出了基于灰色關(guān)聯(lián)分析法的氣象因素篩選方法�？紤]CFS集合預(yù)報(bào)的特點(diǎn),從數(shù)據(jù)下載、解析和篩選三個(gè)方面,提出了完整的集合預(yù)報(bào)數(shù)據(jù)提取技術(shù)方法,獲取集合預(yù)報(bào)提供的大氣、降水、氣溫等數(shù)據(jù);基于反距離權(quán)重法對(duì)研究流域的氣象預(yù)測(cè)數(shù)據(jù)進(jìn)行空間降尺度處理,得到流域的氣象預(yù)測(cè)數(shù)據(jù);通過灰色關(guān)聯(lián)分析量化氣象數(shù)據(jù)與徑流過程的相關(guān)關(guān)系,計(jì)算氣象因素與徑流過程的關(guān)聯(lián)度,篩選出關(guān)聯(lián)度較高的氣象因素,篩選后的氣象因素涵蓋了大氣運(yùn)動(dòng)、降雨、濕度、溫度等氣象特征。(2)研究了基于深度學(xué)習(xí)方法的徑流預(yù)測(cè)模型�；谏顚由窠�(jīng)網(wǎng)絡(luò),建立預(yù)測(cè)精度較高、預(yù)見期較長的徑流預(yù)測(cè)模型,避免了傳統(tǒng)徑流預(yù)測(cè)模型復(fù)雜的參數(shù)選擇問題。研究并使用長短期記憶模型和序列到序列模型進(jìn)行預(yù)見期為1個(gè)月和12個(gè)月的徑流預(yù)測(cè)模型。預(yù)測(cè)結(jié)果表明深層神經(jīng)網(wǎng)絡(luò)模型可以充分學(xué)習(xí)并記憶徑流數(shù)據(jù)特征,建模方法簡(jiǎn)便,預(yù)測(cè)精度較高。(3)提出了耦合CFS集合預(yù)報(bào)數(shù)據(jù)的徑流預(yù)測(cè)模型�；趲X回歸方法耦合CFS提供的預(yù)見期為1~9個(gè)月的氣象預(yù)測(cè)數(shù)據(jù),建立徑流過程模型并進(jìn)行預(yù)測(cè)。預(yù)測(cè)結(jié)果穩(wěn)定,精度大幅提高,滿足水文情報(bào)預(yù)報(bào)規(guī)范的要求。最后對(duì)全文進(jìn)行了總結(jié),并指出了接下來的研究方向。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：P338.2
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 選題背景
        1.1.2 關(guān)鍵問題
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容及框架
2 工程背景
    2.1 瀾滄江干流流域概況
    2.2 烏弄龍水電站基本情況
    2.3 徑流過程特性分析
    2.4 本章小結(jié)
3 基于灰色關(guān)聯(lián)分析的氣象因素篩選方法
    3.1 氣象集合預(yù)報(bào)
    3.2 氣象預(yù)報(bào)系統(tǒng)(CFS)
        3.2.1 CFS集合預(yù)報(bào)概況
        3.2.2 解析氣象預(yù)測(cè)數(shù)據(jù)
        3.2.3 基于反距離權(quán)重法的空間降尺度研究
        3.2.4 數(shù)據(jù)歸一化處理
    3.3 基于灰色關(guān)聯(lián)分析法篩選氣象因素
        3.3.1 灰色關(guān)聯(lián)分析法
        3.3.2 關(guān)聯(lián)系數(shù)計(jì)算
        3.3.3 關(guān)聯(lián)度計(jì)算
        3.3.4 關(guān)聯(lián)分析法計(jì)算流程
    3.4 實(shí)例計(jì)算
        3.4.1 計(jì)算步驟
        3.4.2 關(guān)聯(lián)度計(jì)算結(jié)果
        3.4.3 氣象因素篩選結(jié)果
    3.5 本章小結(jié)
4 基于深度學(xué)習(xí)的中長期徑流預(yù)測(cè)方法
    4.1 深度學(xué)習(xí)概況
    4.2 基于長短期記憶網(wǎng)絡(luò)的徑流預(yù)測(cè)
        4.2.1 長短期記憶網(wǎng)絡(luò)(LSTM)
        4.2.2 基于LSTM的月度徑流預(yù)測(cè)
    4.3 基于序列到序列網(wǎng)絡(luò)的徑流預(yù)測(cè)
        4.3.1 序列到序列網(wǎng)絡(luò)(seq2seq)
        4.3.2 基于seq2seq的月度徑流預(yù)測(cè)
    4.4 應(yīng)用實(shí)例分析
        4.4.1 計(jì)算步驟和參數(shù)設(shè)置
        4.4.2 LSTM模型徑流預(yù)測(cè)結(jié)果
        4.4.3 seq2seq模型徑流預(yù)測(cè)結(jié)果
        4.4.4 預(yù)測(cè)結(jié)果對(duì)比分析
    4.5 本章小結(jié)
5 耦合CFS集合預(yù)報(bào)的中長期徑流預(yù)測(cè)方法
    5.1 耦合氣象數(shù)據(jù)進(jìn)行徑流預(yù)測(cè)的問題分析
    5.2 耦合CFS集合預(yù)報(bào)和深度學(xué)習(xí)的月徑流預(yù)測(cè)方法
        5.2.1 總體思路
        5.2.2 基于嶺回歸方法解決多重共線性問題
        5.2.3 計(jì)算嶺回歸模型參數(shù)
        5.2.4 基于反距離權(quán)重法計(jì)算氣象數(shù)據(jù)
    5.3 計(jì)算實(shí)例分析
        5.3.1 計(jì)算步驟和參數(shù)設(shè)置
        5.3.2 預(yù)見期為一個(gè)月的預(yù)測(cè)結(jié)果分析
        5.3.3 預(yù)見期為九個(gè)月的預(yù)測(cè)結(jié)果分析
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 總結(jié)
    6.2 未來研究展望
參考文獻(xiàn)
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 段晚鎖;汪葉;霍振華;周菲凡;;數(shù)值天氣預(yù)報(bào)和氣候預(yù)測(cè)的集合預(yù)報(bào)方法:思考與展望[J];氣候與環(huán)境研究;2019年03期

2 賈朋群;;集合預(yù)報(bào)：預(yù)報(bào)新觀念的25年[J];氣象科技進(jìn)展;2019年05期

3 楊瑞雯;趙琳娜;鞏遠(yuǎn)發(fā);李瀟濛;曹越;;中國東南地區(qū)降水的兩種集合預(yù)報(bào)綜合偏差訂正對(duì)比分析[J];暴雨災(zāi)害;2017年06期

4 孫令東;;全球集合預(yù)報(bào)系統(tǒng)綜述[J];科技創(chuàng)新與應(yīng)用;2018年12期

5 劉暢;閔錦忠;馮宇軒;賁海榮;王世璋;;不同模式擾動(dòng)方案在風(fēng)暴尺度集合預(yù)報(bào)中的對(duì)比試驗(yàn)研究[J];氣象學(xué)報(bào);2018年04期

6 王琪;楊雪艷;馬洪波;;吉林省夏季高溫的集合預(yù)報(bào)效果評(píng)估及產(chǎn)品釋用[J];氣象災(zāi)害防御;2018年03期

7 周翠芳;孫衛(wèi)武;李曉虹;宣冬舒;;歐洲中心集合預(yù)報(bào)產(chǎn)品在2014年寧夏汛期降水預(yù)報(bào)中的性能檢驗(yàn)[J];寧夏工程技術(shù);2016年04期

8 熊敏詮;;基于集合預(yù)報(bào)系統(tǒng)的日最高和最低氣溫預(yù)報(bào)[J];氣象學(xué)報(bào);2017年02期

9 張涵斌;智協(xié)飛;陳靜;吳志鵬;夏宇;張歆然;;區(qū)域集合預(yù)報(bào)擾動(dòng)方法研究進(jìn)展綜述[J];大氣科學(xué)學(xué)報(bào);2017年02期

10 田志光;吳寶勤;;西北太平洋溫鹽多模式集合預(yù)報(bào)[J];海洋測(cè)繪;2017年04期

相關(guān)博士學(xué)位論文 前10條

1 段明鏗;夏季影響我國的重要中期環(huán)流過程集合預(yù)報(bào)效果研究[D];南京信息工程大學(xué);2006年

2 莊照榮;集合卡爾曼濾波資料同化系統(tǒng)的設(shè)計(jì)及其在集合預(yù)報(bào)中的應(yīng)用[D];中國科學(xué)院研究生院;2007年

3 姜智娜;條件非線性最優(yōu)擾動(dòng)在集合預(yù)報(bào)中的應(yīng)用[D];中國科學(xué)院研究生院（大氣物理研究所）;2007年

4 鄭飛;ENSO集合預(yù)報(bào)研究[D];中國科學(xué)院研究生院（大氣物理研究所）;2007年

5 馬旭林;基于集合卡爾曼變換（ETKF）理論的適應(yīng)性觀測(cè)研究與應(yīng)用[D];南京信息工程大學(xué);2008年

6 麻巨慧;NCEP全球集合預(yù)報(bào)系統(tǒng)框架的優(yōu)化研究[D];南京信息工程大學(xué);2012年

7 張夏琨;基于集合預(yù)報(bào)的強(qiáng)對(duì)流天氣聯(lián)合概率預(yù)報(bào)研究[D];南京信息工程大學(xué);2015年

8 頡衛(wèi)華;集合預(yù)報(bào)方法在大氣環(huán)流模式延伸期降水預(yù)測(cè)中的應(yīng)用研究[D];中國氣象科學(xué)研究院;2013年

9 韓玨靖;THORPEX下集合預(yù)報(bào)和AMDAR觀測(cè)的誤差特征分析與模擬研究[D];南京大學(xué);2010年

10 張海榮;耦合天氣預(yù)報(bào)的流域短期水文預(yù)報(bào)方法研究[D];華中科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 楊強(qiáng);耦合CFS集合預(yù)報(bào)和深度學(xué)習(xí)的中長期徑流預(yù)測(cè)方法研究[D];大連理工大學(xué);2019年

2 張穎;降水集合預(yù)報(bào)的檢驗(yàn)分析及在洪水預(yù)報(bào)中的應(yīng)用研究[D];華中科技大學(xué);2019年

3 慶亞敏;基于WRF模式的粵港澳大灣區(qū)大氣數(shù)值模擬的多模式集合預(yù)報(bào)研究[D];華北電力大學(xué)(北京);2019年

4 周笑天;基于混合模式集合預(yù)報(bào)的臺(tái)風(fēng)路徑預(yù)報(bào)優(yōu)化方法研究[D];浙江大學(xué);2019年

5 李湘;增長模培育法在對(duì)流尺度集合預(yù)報(bào)中的初步應(yīng)用與改進(jìn)[D];國防科技大學(xué);2017年

6 徐致真;基于GRAPES區(qū)域模式的集合預(yù)報(bào)隨機(jī)參數(shù)擾動(dòng)方法研究[D];中國氣象科學(xué)研究院;2019年

7 王璐;基于CNOP-P研究對(duì)流尺度集合預(yù)報(bào)模式不確定性[D];中國氣象科學(xué)研究院;2019年

8 何佩儀;集合變換卡爾曼濾波局地化（LETKF）方案的發(fā)展及應(yīng)用研究[D];南京信息工程大學(xué);2018年

9 張涵;基于影響因子不確定性的降水概率集合預(yù)報(bào)研究[D];東北農(nóng)業(yè)大學(xué);2018年

10 楊瑞雯;集合預(yù)報(bào)降水偏差訂正及概率預(yù)報(bào)方法研究[D];成都信息工程大學(xué);2018年

本文編號(hào)：2845069