隨著計(jì)算機(jī)技術(shù)的突飛猛進(jìn),人們開始廣泛關(guān)注大數(shù)據(jù)的運(yùn)用。大數(shù)據(jù)分析方法是在原有的計(jì)算方法以及數(shù)學(xué)模型的基礎(chǔ)上,能夠不斷改進(jìn)和更新的新技術(shù)、新方法。該方法可以改變傳統(tǒng)水文學(xué)方法中繁瑣的數(shù)據(jù)處理和基礎(chǔ)參數(shù)率定的問題,能通過各相關(guān)因素之間的聯(lián)系,找到一定的規(guī)律性,同時(shí)運(yùn)用人工智能等技術(shù)手段,使得運(yùn)算速度更快,獲得的結(jié)果與實(shí)測(cè)值更接近,對(duì)于指導(dǎo)實(shí)際工作大有裨益。我國(guó)洪災(zāi)多發(fā),為減少或者降低損失,有效、準(zhǔn)確的預(yù)報(bào)洪水是尤其重要的。洪水預(yù)報(bào)是在現(xiàn)有的水文氣象條件下,對(duì)流域的具體情況作出分析后,綜合已經(jīng)發(fā)生過的要素,對(duì)洪水過程（包括洪水歷時(shí)和洪峰流量燈）做出預(yù)報(bào)。洪水預(yù)報(bào)通常根據(jù)降雨-徑流關(guān)系或上下站水位-流量對(duì)應(yīng)關(guān)系進(jìn)行預(yù)報(bào),其預(yù)見期一般不長(zhǎng),但精度相對(duì)較高。因此,洪水預(yù)報(bào)主要是結(jié)合降雨對(duì)徑流的預(yù)報(bào)。漢江流域?qū)儆趤啛釒Ъ撅L(fēng)氣候區(qū),降水在年內(nèi)分布很不平均,夏秋兩季為汛期,降水量可占全年降水總量的80%,尤以6-9月降水量最大,占全年降水量的60%左右。在汛期,徑流呈現(xiàn)雙峰型。漢江流域由暴雨形成的洪水,主要與季風(fēng)的活動(dòng)有關(guān)系。每年的5-9月都有洪水現(xiàn)象發(fā)生,尤其在7、8月份可以形成較大洪水。安康屬于漢... 

【文章來源】：云南師范大學(xué)云南省

【文章頁數(shù)】：130 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 選題背景與研究意義
        1.1.2 研究區(qū)域背景與研究意義
    1.2 研究現(xiàn)狀及進(jìn)展
    1.3 研究思路與主要研究?jī)?nèi)容
        1.3.1 研究思路
        1.3.2 各章研究?jī)?nèi)容與技術(shù)路線
    1.4 本章小結(jié)
第2章 水文預(yù)報(bào)模型及應(yīng)用
    2.1 水文模型研究進(jìn)展
    2.2 水文模型的應(yīng)用
    2.3 水文模型評(píng)估
        2.3.1 模型選擇
        2.3.2 模型率定
        2.3.3 模型驗(yàn)證
        2.3.4 模型評(píng)價(jià)
    2.4 本章小結(jié)
第3章 洪水預(yù)報(bào)模型
    3.1 新安江模型原理
        3.1.1 流域蒸散發(fā)計(jì)算
        3.1.2 產(chǎn)流計(jì)算
        3.1.3 三水源劃分
        3.1.4 流域匯流計(jì)算
    3.2 馬斯京根洪水演算法
        3.2.1 基本原理
        3.2.2 馬斯京根流量演算方程
        3.2.3 馬斯京根連續(xù)演算法
    3.3 大數(shù)據(jù)分析方法
        3.3.1 大數(shù)據(jù)分析的基本方法
        3.3.2 大數(shù)據(jù)分析方法涉及的技術(shù)
        3.3.3 大數(shù)據(jù)分析的主要技術(shù)
        3.3.4 大數(shù)據(jù)分析的難點(diǎn)
        3.3.5 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN模型
        3.3.6 基于深度學(xué)習(xí)的長(zhǎng)短時(shí)記憶LSTM網(wǎng)絡(luò)模型
    3.4 本章小結(jié)
第4章 研究區(qū)域資料整理與統(tǒng)計(jì)分析計(jì)算
    4.1 研究工程概況
    4.2 資料收集整理與統(tǒng)計(jì)計(jì)算
        4.2.1 漢江上游梯級(jí)簡(jiǎn)介
        4.2.2 原始數(shù)據(jù)來源
        4.2.3 計(jì)算周期劃分與流域分塊
        4.2.4 資料整理與統(tǒng)計(jì)計(jì)算
    4.3 水文歷史變化分析
    4.4 本章小結(jié)
第5章 基于LSTM模型的洪水過程模擬計(jì)算
    5.1 日徑流過程模擬計(jì)算
        5.1.1 LSTM模型網(wǎng)絡(luò)訓(xùn)練
        5.1.2 LSTM模型模型構(gòu)建
        5.1.3 計(jì)算結(jié)果驗(yàn)證
        5.1.4 計(jì)算結(jié)果分析
    5.2 代表年洪水過程模擬計(jì)算
        5.2.1 代表年的選取
        5.2.2 代表年全年徑流過程模擬結(jié)果
        5.2.3 代表年汛期洪水模擬結(jié)果
    5.3 場(chǎng)次洪水模擬計(jì)算
        5.3.1 場(chǎng)次洪水資料的選取
        5.3.2 場(chǎng)次洪水資料分析
        5.3.3 場(chǎng)次洪水模擬計(jì)算結(jié)果
        5.3.4 模擬計(jì)算結(jié)果分析
        5.3.5 誤差分析
        5.3.6 過程分析
    5.4 本章小結(jié)
第6章 基于新安江模型的洪水過程模擬計(jì)算
    6.1 新安江三水源模型計(jì)算
        6.1.1 蓄滿產(chǎn)流模型
        6.1.2 流域透水面積上蓄水容量曲線方程
        6.1.3 流域徑流深計(jì)算
        6.1.4 流域蒸散發(fā)模型
        6.1.5 流域土壤蓄水量計(jì)算
        6.1.6 流域透水面積上總徑流R（凈雨）劃分
        6.1.7 流域匯流模型
    6.2 新安江三水源模型參數(shù)率定
        6.2.1 參數(shù)率定
        6.2.2 產(chǎn)流模型參數(shù)率定
        6.2.3 分水源參數(shù)率定
        6.2.4 計(jì)算結(jié)果驗(yàn)證
        6.2.5 計(jì)算結(jié)果分析
    6.3 新安江模型法與LSTM模型汛期模擬結(jié)果對(duì)比
    6.4 本章小結(jié)
第7章 結(jié)論與展望
    7.1 結(jié)論
    7.2 展望
攻讀學(xué)位期間發(fā)表的論文和研究成果
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM流量預(yù)測(cè)的DDoS攻擊檢測(cè)方法[J]. 程杰仁,羅逸涵,唐湘滟,歐明望.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[2]貴州省近55年降水量時(shí)空變化分析[J]. 余祝媛,賀中華,梁虹,楊朝暉,曾信波,楊譯.  江蘇農(nóng)業(yè)科學(xué). 2019(06)
[3]江淮區(qū)域農(nóng)田參考作物蒸散量變化特征及其成因分析[J]. 王曼麗,李衛(wèi)國(guó),熊世為,鄧汗青.  江蘇農(nóng)業(yè)科學(xué). 2019(06)
[4]基于LSTM的城市公交車站短時(shí)客流量預(yù)測(cè)研究[J]. 李高盛,彭玲,李祥,吳同.  公路交通科技. 2019(02)
[5]湟水輸沙量演變特征分析[J]. 時(shí)璐,汪清旭.  水利與建筑工程學(xué)報(bào). 2019(01)
[6]Mann-Kendall檢驗(yàn)法在新西河水庫(kù)富營(yíng)養(yǎng)化趨勢(shì)分析的應(yīng)用研究[J]. 陳澤榕.  安徽農(nóng)學(xué)通報(bào). 2019(Z1)
[7]基于序列標(biāo)注的引語識(shí)別初探[J]. 賈泓昊,羅智勇.  中文信息學(xué)報(bào). 2019(02)
[8]長(zhǎng)短期記憶模型在小流域洪水預(yù)報(bào)上的應(yīng)用研究[J]. 郭炅,張艷軍,王俊勃,袁正穎,吳金津,董文遜,王素描.  水資源研究. 2019(01)
[9]基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的暖通空調(diào)系統(tǒng)能耗預(yù)測(cè)[J]. 廖文強(qiáng),王江宇,陳煥新,丁新磊,尚鵬濤,魏文天,周鎮(zhèn)新.  制冷技術(shù). 2019(01)
[10]基于案例的安全分析方法實(shí)踐[J]. 張軍.  通信技術(shù). 2019(01)

博士論文
[1]流域水文建模及預(yù)報(bào)方法研究[D]. 郭俊.華中科技大學(xué) 2013
[2]氣候變化對(duì)流域徑流的影響研究[D]. 何自立.西北農(nóng)林科技大學(xué) 2012
[3]水庫(kù)的洪水資源化理論和方法研究[D]. 劉招.西安理工大學(xué) 2008
[4]汛限水位動(dòng)態(tài)控制方法研究及其風(fēng)險(xiǎn)分析[D]. 曹永強(qiáng).大連理工大學(xué) 2003

碩士論文
[1]基于智能手機(jī)傳感器數(shù)據(jù)的人類活動(dòng)識(shí)別研究[D]. 王利濤.燕山大學(xué) 2018
[2]基于混合神經(jīng)網(wǎng)絡(luò)的人機(jī)情感會(huì)話研究[D]. 彭曉琪.合肥工業(yè)大學(xué) 2018
[3]數(shù)據(jù)驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)余壽預(yù)測(cè)方法[D]. 唐王.南京航空航天大學(xué) 2018
[4]基于大數(shù)據(jù)的電力設(shè)備故障分析與診斷的研究[D]. 趙明乾.華北電力大學(xué)(北京) 2018
[5]基于Hadoop和Spark的特征網(wǎng)絡(luò)群體智能分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 閔圣君.黑龍江大學(xué) 2018
[6]基于GRU神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)研究[D]. 劉洋.成都理工大學(xué) 2017
[7]基于VIC模型和SDSM的氣候變化下西北旱區(qū)的徑流響應(yīng)模擬[D]. 王寧.西北農(nóng)林科技大學(xué) 2014
[8]北江下游河段洪水預(yù)報(bào)研究[D]. 張浩.華南理工大學(xué) 2014
[9]自然語言理解篇章中方式信息的研究及其在產(chǎn)品設(shè)計(jì)中的應(yīng)用[D]. 喬建紅.西安電子科技大學(xué) 2013
[10]新安江模型在中型水庫(kù)洪水預(yù)報(bào)中的應(yīng)用研究[D]. 虞慧.江西師范大學(xué) 2010



本文編號(hào)：2962279