在氣候變化和人類活動的共同作用下,黃河流域的流域水循環(huán)發(fā)生了顯著變化。尤其是黃河中游地區(qū),產(chǎn)匯流狀況復雜,加上洪水本身存在的不確定性,若只使用一套模型參數(shù)來對整個流域的洪水進行預報,將難以得到理想的預報結果。本文在“十三五”國家科技支撐計劃項目“黃河流域水沙變化機理與趨勢預測”(2016YFC040240203)的支撐下,選擇有代表性的洛河故縣水庫及汾河上游靜樂站控制流域為典型研究對象,構建F-K++洪水分類預報方法,對典型流域內(nèi)的洪水進行實時分類,并在得到分類洪水的基礎上利用蓄滿-超滲兼容模型與LSTM模型分別進行預報。為了提高預報精度,采用蓄滿-超滲兼容模型進行洪水預報,然后利用LSTM神經(jīng)網(wǎng)絡模型進行實時校正。研究的主要內(nèi)容及結論如下:(1)F-K++洪水分類預報方法的構建為了解決目前洪水分類方法存在的不足,構建洪水實時分類方法對洪水進行分類,構建的F-K++洪水實時分類方法過程主要包括三個模塊:樣本處理模塊、聚類分析模塊、實時洪水分類模塊,有效解決多維特征指標間的冗余性問題和k-means++算法最佳聚類數(shù)k確定的問題。并將分類方法應用于洛河故縣水庫及汾河上游靜樂站控制流域。(...

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 洪水分類預報研究現(xiàn)狀
        1.2.2 水文模型國內(nèi)外研究現(xiàn)狀
    1.3 目前存在的問題
    1.4 研究內(nèi)容
    1.5 研究技術路線
2 洪水實時分類方法的構建與應用
    2.1 分類方法
    2.2 F-K++洪水實時分類方法的構建
        2.2.1 樣本處理模塊
        2.2.2 聚類分析模塊
        2.2.3 BP神經(jīng)網(wǎng)絡洪水分類模型
    2.3 故縣水庫洪水分類
        2.3.1 流域概況
        2.3.2 洪水樣本處理
        2.3.3 洪水聚類分析
        2.3.4 洪水實時分類
    2.4 靜樂站控制流域洪水分類
        2.4.1 流域概況
        2.4.2 洪水樣本處理
        2.4.3 洪水聚類分析
        2.4.4 洪水實時分類
    2.5 小結
3 蓄滿-超滲兼容模型的應用
    3.1 蓄滿-超滲兼容模型
        3.1.1 模型結構
        3.1.2 模型主要參數(shù)
        3.1.3 參數(shù)率定方法
        3.1.4 模型評價方法
    3.2 模型在故縣水庫的應用
        3.2.1 分類洪水的參數(shù)率定
        3.2.2 分類洪水模擬結果分析
    3.3 模型在靜樂站控制流域的應用
        3.3.1 分類洪水的參數(shù)率定
        3.3.2 分類洪水模擬結果分析
    3.4 小結
4 基于LSTM神經(jīng)網(wǎng)絡的實時洪水預報
    4.1 LSTM神經(jīng)網(wǎng)絡
    4.2 LSTM神經(jīng)網(wǎng)絡模型在典型流域的應用
        4.2.1 故縣水庫洪水分類預報
        4.2.2 靜樂站控制流域洪水分類預報
        4.2.3 模擬結果對比分析
    4.3 基于LSTM神經(jīng)網(wǎng)絡的實時洪水校正預報
        4.3.1 故縣水庫實時校正預報
        4.3.2 靜樂站控制流域實時校正預報
    4.4 小結
5 結論及展望
    5.1 結論
    5.2 新見解
    5.3 展望
參考文獻
個人簡歷、在校期間發(fā)表的學術論文與研究成果
致謝



本文編號：3853760