【摘要】：流域洪水預(yù)報(bào)作為防洪減災(zāi)的主要非工程措施,在實(shí)際防洪工作中具有重要作用。但由于受預(yù)報(bào)模型不確定性、參數(shù)估計(jì)不精確和資料精度不高等各種因素的影響,洪水預(yù)報(bào)結(jié)果總是存在誤差。而這些誤差的存在不僅會(huì)影響預(yù)報(bào)模型在防洪減災(zāi)工作中的應(yīng)用效果,給防洪工作帶來不利,有時(shí)會(huì)造成較大損失。為使得決策者能正確預(yù)估預(yù)報(bào)誤差對(duì)防洪安全的影響,對(duì)模型預(yù)報(bào)誤差分布特性的研究工作就顯得尤為重要。論文以崇陽溪流域?yàn)槔?用極大熵原理對(duì)多元線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型的洪水預(yù)報(bào)誤差分布特性進(jìn)行深入研究,求出相應(yīng)的誤差概率密度函數(shù),并將洪水預(yù)報(bào)誤差極大熵概率密度函數(shù)的擬合效果與正態(tài)概率密度函數(shù)的擬合效果進(jìn)行分析比較,選出了較優(yōu)的三階極大熵概率密度函數(shù)。主要內(nèi)容如下:(1)根據(jù)崇陽溪流域?qū)嶋H情況及試算結(jié)果綜合分析,確定上游崇陽溪武夷山水文站、麻陽溪麻沙水文站到下游崇陽溪干流建陽水文站的洪水傳播時(shí)間τ1、τ2,并擬定適當(dāng)?shù)摩?(τ3τ1或τ2)。然后以上游崇陽溪武夷山水文站前τ1小時(shí)洪水流量Q1(t-τ1)、麻陽溪麻沙水文站前τ2小時(shí)洪水流量Q2(t-τ2)和下游崇陽溪干流建陽水文站前τ3小時(shí)洪水流量Q(t-τ3)作為輸入因子,下游崇陽溪干流建陽水文站洪水流量Q(t)作為輸出,分別建立多元線性回歸洪水預(yù)報(bào)模型、BP神經(jīng)網(wǎng)絡(luò)洪水預(yù)報(bào)模型。(2)利用2002～2013年8場(chǎng)洪水流量資料,通過多元線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行洪水預(yù)報(bào),得到兩組預(yù)報(bào)誤差數(shù)據(jù)。(3)將極大熵原理應(yīng)用到研究多元線性回歸模型與BP神經(jīng)網(wǎng)絡(luò)模型預(yù)報(bào)誤差概率密度分布中,以模型預(yù)報(bào)得到的誤差數(shù)據(jù)給出約束條件。分別用非線性規(guī)劃法、誤差函數(shù)法和牛頓迭代法求出多元線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型預(yù)報(bào)誤差二階、三階及四階極大熵概率密度函數(shù)。同時(shí)為了比較,求出洪水預(yù)報(bào)誤差正態(tài)概率密度函數(shù)。結(jié)果顯示,二階極大熵概率密度函數(shù)擬合效果與正態(tài)概率密度函數(shù)擬合效果相差不大,三階極大熵概率密度函數(shù)則能更好擬合誤差數(shù)據(jù)分布特征,但大于三階后,極大熵分布擬合不能隨階數(shù)增加而擬合效果明顯提升。(4)利用三階極大熵分布對(duì)多元線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型的洪水預(yù)報(bào)進(jìn)行誤差風(fēng)險(xiǎn)評(píng)價(jià),分別算出兩個(gè)預(yù)報(bào)模型出現(xiàn)不同預(yù)報(bào)誤差的概率,為防洪調(diào)度決策提供參考依據(jù)。
【圖文】：

易爆發(fā)山洪災(zāi)害。逡逑水文氣象特征逡逑域?qū)儆诘湫蛠啛釒Ъ撅L(fēng)氣候，北部局地山區(qū)屬中亞熱帶山地氣候。流逡逑，冬短夏長(zhǎng)，氣溫較高，降雨充沛，霜凍少，作物生長(zhǎng)周期較長(zhǎng)。多逡逑達(dá)１７００ｍｍ－２５００ｍｍ，受山地海拔季風(fēng)等因素影響，流域內(nèi)降雨分布量總體趨勢(shì)是由北向南逐漸遞減。在時(shí)間上，降雨亦存在不均R純觶誨義洗杭荊浣滌炅吭頰寄杲滌曜芰康模玻常ィ玻矗ィ誨澹擔(dān)對(duì)碌撓曇荊頰煎義希乖碌南募荊頰跡玻埃ィ誨澹保霸輪烈钅輳蒼碌那鋃荊�，灶a跡玻埃ァＣ磕赍義先卻Ｑ蟊鄙系吶漚牖系厙?guó)，与来讍T狽降睦淇掌諼湫緯勺季倉狗媯傭詬們緯捎炅慷唷⒗背さ姆婷嬗輟６笏孀佩義嫌曇窘崾�，进葨V⑾模呶律儆輳罰乖碌南募居質(zhì)歉＝ㄌǚ綞嚳⑵�，季亦经常受到台房w捅┯甑那秩擰ｅ義

本文編號(hào)：2702500