本文關(guān)鍵詞：河道洪水演進(jìn)馬斯京根模型參數(shù)及最優(yōu)參數(shù)估計(jì)方法研究

  更多相關(guān)文章： 馬斯京根模型 區(qū)間入流 試錯(cuò)法 非線性規(guī)劃法 蜂群算法 全局最優(yōu)解

【摘要】：本文以百色—田東河道為研究對(duì)象,為了研究洪水量級(jí)的大小對(duì)該河段馬斯京根模型參數(shù)的影響,據(jù)峰高量大原則,按流量區(qū)間從歷年洪水實(shí)測(cè)資料中選出五場(chǎng)百色水文(三)站洪峰流量量級(jí)依次增大的單峰型洪水過(guò)程資料,由于百色—田東區(qū)間有些支流無(wú)水文站,故結(jié)合Arcgis10.0軟件,采用三水源新安江模型預(yù)報(bào)馬斯京根模型區(qū)間入流。針對(duì)五場(chǎng)洪水,考慮區(qū)間入流修正,首先,采用傳統(tǒng)的試錯(cuò)法求解馬斯京根模型參數(shù),再根據(jù)求得的參數(shù)K、x對(duì)本場(chǎng)洪水進(jìn)行演進(jìn),與區(qū)間入流線性疊加,計(jì)算田東站演算流量與實(shí)測(cè)流量誤差平方和及相關(guān)系數(shù)。計(jì)算結(jié)果表明誤差平方和較大和相關(guān)系數(shù)較低,說(shuō)明在保證槽蓄量與示儲(chǔ)流量最近似于直線的情況下,不一定能使演算出流與實(shí)測(cè)出流的誤差平方和達(dá)到最��；然后,采用非線性規(guī)劃法求解,得出誤差平方和相比試錯(cuò)法減少較大,相關(guān)系數(shù)有所增大,表明該法以演算出流和實(shí)測(cè)出流誤差平方和最小作為判據(jù)優(yōu)選流量演算系數(shù)c0、c,、c2,再反求K及x值,是可行的,但求得的是否為全局最優(yōu)解沒(méi)有理論依據(jù)把握；最后,用具有計(jì)算簡(jiǎn)潔、控制參數(shù)少、收斂性好、魯棒性強(qiáng)、全局搜索能力強(qiáng)等特點(diǎn)的蜂群算法來(lái)優(yōu)化馬斯京根模型參數(shù)：首先以一非線性函數(shù)驗(yàn)證蜂群算法的極值尋優(yōu)能力后再用其進(jìn)行優(yōu)化求解,結(jié)果表明,田東站演算流量與實(shí)測(cè)流量誤差平方和相比非線性規(guī)劃法有所減小,相關(guān)系數(shù)有所增大。然后為了檢驗(yàn)該算法的優(yōu)越性,與常用的粒子群算法優(yōu)化結(jié)果進(jìn)行比較,得出蜂群算法優(yōu)化得到的誤差平方和比粒子群算法略小,相關(guān)性系數(shù)略大,但在同樣的迭代次數(shù)下,蜂群算法收斂更快,更易接近全局最優(yōu)值。因此基于蜂群算法的馬斯京根模型參數(shù)優(yōu)化具有比較高的精度及科學(xué)性�？梢圆捎梅淙核惴▋�(yōu)化結(jié)果作為百色—田東河道馬斯京根模型參數(shù)值,該法優(yōu)化得出：隨著五場(chǎng)洪水百色水文站洪峰流量量級(jí)的增大,K值相應(yīng)減少較大,于是將百色站洪峰流量與K進(jìn)行最優(yōu)擬合,建議今后該河段洪水演算時(shí)可以根據(jù)該擬合公式由洪峰流量計(jì)算出相應(yīng)K值,而x值變化較穩(wěn)定,可取x為五場(chǎng)洪水計(jì)算的平均值0.24。
【關(guān)鍵詞】：馬斯京根模型 區(qū)間入流 試錯(cuò)法 非線性規(guī)劃法 蜂群算法 全局最優(yōu)解
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TV122;TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-19
• 1.1 選題背景及研究意義11-13
• 1.2 國(guó)內(nèi)外研究概況13-16
• 1.2.1 河道洪水演進(jìn)國(guó)內(nèi)外研究概況13-15
• 1.2.2 蜂群算法國(guó)內(nèi)外研究概況15-16
• 1.3 MATLAB簡(jiǎn)介16-17
• 1.4 本文的主要研究?jī)?nèi)容及技術(shù)路線17-18
• 1.4.1 研究?jī)?nèi)容17-18
• 1.4.2 技術(shù)路線18
• 1.5 本章小結(jié)18-19
• 第二章 研究河段概況19-24
• 2.1 流域概況19-20
• 2.2 郁江及研究河段所屬右江洪水成因20-21
• 2.2.1 郁江洪水成因20
• 2.2.2 右江洪水成因20-21
• 2.3 南寧市防洪工程體系21
• 2.4 河段所在地氣象和水利特征21-22
• 2.5 水文站及資料情況介紹22-23
• 2.5.1 百色水文站22
• 2.5.2 田東水文站22-23
• 2.6 本章小結(jié)23-24
• 第三章 馬斯京根模型原理及參數(shù)計(jì)算的試錯(cuò)法24-43
• 3.1 馬斯京根洪水演算24-25
• 3.1.1 圣維南方程組及其簡(jiǎn)化24-25
• 3.2 馬斯京根方程25-30
• 3.2.1 水量平衡方程26
• 3.2.2 槽蓄方程26-29
• 3.2.3 馬斯京根模型參數(shù)的物理意義29-30
• 3.2.4 試錯(cuò)法計(jì)算馬斯京根模型參數(shù)步歘30
• 3.3 馬斯京根模型區(qū)間入流的處理30-35
• 3.3.1 水文模型評(píng)述31-32
• 3.3.2 模型選擇32
• 3.3.3 參數(shù)率定過(guò)程及結(jié)果32-35
• 3.4 計(jì)算過(guò)程及成果35-42
• 3.5 本章小結(jié)42-43
• 第四章 馬斯京根模型參數(shù)優(yōu)化的非線性規(guī)劃方法43-50
• 4.1 方法介紹43-45
• 4.1.1 馬斯京根模型介紹43
• 4.1.2 非線性規(guī)劃法在馬斯京根模型中運(yùn)用介紹43-45
• 4.2 計(jì)算過(guò)程及結(jié)果45-49
• 4.3 本章小結(jié)49-50
• 第五章 基于蜂群算法的馬斯京根模型參數(shù)估計(jì)方法50-70
• 5.1 人工蜂群算法50-58
• 5.1.1 人工蜂群算法的數(shù)學(xué)描述52-53
• 5.1.2 人工蜂群算法的具體流程53-56
• 5.1.3 算法中參數(shù)對(duì)收斂性能的影響分析56-57
• 5.1.4 算法實(shí)例驗(yàn)證57-58
• 5.2 蜂群算法在馬斯京根模型參數(shù)估計(jì)中的應(yīng)用58-69
• 5.3 本章小結(jié)69-70
• 第六章 總結(jié)和展望70-73
• 6.1 總結(jié)70-71
• 6.2 展望71-73
• 參考文獻(xiàn)73-77
• 致謝77-78
• 攻讀碩士學(xué)位期間論文發(fā)表情況78

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 舒暢;劉蘇峽;莫興國(guó);梁忠民;戴東;;新安江模型參數(shù)的不確定性分析[J];地理研究;2008年02期

2 相群;;世界洪水災(zāi)害考察[J];東北水利水電;1991年07期

3 趙人俊;;馬斯京根法——河道洪水演算的線性有限差解[J];華東水利學(xué)院學(xué)報(bào);1979年01期

4 徐亞菲;李向新;賴金富;張曉敏;;基于DEM和ArcGIS的水文信息提取方法研究[J];科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì);2008年06期

5 楚澤涵,翁慶萍,封錫強(qiáng);為長(zhǎng)江號(hào)脈——兼論1998年全流域大洪水[J];世界科技研究與發(fā)展;1999年01期

6 芮孝芳,李瓊芳,王伶俐;線性擴(kuò)散波洪水演算模型研究[J];水文;1999年06期

7 黃國(guó)如,芮孝芳;擴(kuò)散波水位解析解模型的應(yīng)用研究[J];水文;2001年01期

8 馮利華;基于神經(jīng)網(wǎng)絡(luò)的洪水預(yù)報(bào)研究[J];自然災(zāi)害學(xué)報(bào);2000年02期

，

本文編號(hào)：934607