昭平台水库入库流量中长期预报模型
|
摘要
水库入库流量预报是水库进行科学管理,搞好水库调度运用的重要依据。开展水库入库流量预报对确保水库和下游安全,充分利用水资源,发挥水库工程效益起着重要作用,具有重要的理论意义和实用价值。
昭平台水库位于淮河流域沙河上,在枯水期水库调度运用时经常遇到来水较少情况,水库为满足灌溉及发电需要在前期放水较多,导致后续月份在来水较少的季节蓄水少、水头较低,直接影响水库的整体灌溉、发电效益。基于此本文开展了水库枯水期(9至3月)入库径流中长期预报研究,建立了月入库流量预报的人工神经网络模型。
本文用相关分析法对昭平台水库历年月入库流量序列进行了分析,以期找出各月入库流量的影响因子,发现枯水期各月入库流量与其前期若干个月的入库流量存在较好的相关性。利用多元回归方法建立了枯水期月入库流量预报模型,并评定了模型预报精度。将相关性较好的前期入库流量标准化后作为该月BP网络预报模型的输入,传递函数分别取正切S型函数和线性函数,训练算法取Levenberg-Marquartdt,隐含层、平均绝对误差和训练步数通过实验确定,建立了水库枯水期月入库流量预报的BP网络模型。根据《水文情报预报规范》(SL250-2000)利用预报合格率进行模型精度评定,11月达到乙级,3月为丙级,其余月份均达到甲级,预报精度多数高于多元回归模型。从提高预报精度出发,建立了考虑降雨影响的水库枯水期入库流量预报模型,网络输入层增加了当月标准化降水量。与不考虑降雨影响相比,模型预报精度均有所提高,其中3月预报为乙级,其余月份预报均达到甲级,说明该模型可以作为水库调度的参考依据。但该模型需要有月降水量预报作为基础,因此应用中没有前一个模型实用。
根据实测及预报结果进行分析,枯水期入库流量年际变幅较大,个别月份出现的较大降雨使得入库流量较大,从而增加了预报的复杂性,使得部分月份预报误差偏大。以上模型经过进一步完善后将用于昭平台水库枯水期运行调度,为提高水资源利用程度和工程效益提供决策基础。
The forecasting of monthly runoff into reservoir is an important reference for the management and regulation of reservoir. Researches on these aspects would be of great benefit to the security of the reservoir and downstream area, the rational use of water resource and the utilization of reservoir.
Zhaopingtai Reservoir lies in the Shahe River in the upstream of Huaihe River Basin. Inflow is usually less in the low flow periods. In the reservoir regulation, more outflow used for irrigation and hydropower plant in the prophase of the low flow period often results in less water storage and low water level, which directly reduces the benefit of the reservoir. To solve this problem, forecasting models of monthly inflow to the Zhaopingtai Reservoir in the low flow period from September to March are developed using artificial neural network (ANN).
Correlation analysis method is used for the monthly inflow series of Zhaopingtai Reservoir to find main influencing factors of the inflow in months of low flow period. Forecasting models based on multivariate regression analysis were established to predict monthly inflow in low water period. In the ANN forecasting models of monthly inflow, the standardized inflow of the influencing months is taken as the ANN input, and the inflow to be predicted as the ANN output. The activation function of the hidden layer and output layer use tansig and pureline functions, respectively, and the train algorithm is Levenberg-Marquartdt. Other ANN parameters are determined with trial-and-error method. The qualified rate of forecasting is used for model evaluation based on the Standard for hydrological information and hydrological forecasying (SL250-2000). The results show that the precision of forecasting models for Jan., Feb., Sep., Oct. and Dec. are all in the first class, that for Nov. and Mar. are in the second class and third class, respectively. To increase the forecasting precision, monthly precipitation is added as another ANN input. The results indicate that the forecasting precision are all improved, with the
昭平台水库位于淮河流域沙河上,在枯水期水库调度运用时经常遇到来水较少情况,水库为满足灌溉及发电需要在前期放水较多,导致后续月份在来水较少的季节蓄水少、水头较低,直接影响水库的整体灌溉、发电效益。基于此本文开展了水库枯水期(9至3月)入库径流中长期预报研究,建立了月入库流量预报的人工神经网络模型。
本文用相关分析法对昭平台水库历年月入库流量序列进行了分析,以期找出各月入库流量的影响因子,发现枯水期各月入库流量与其前期若干个月的入库流量存在较好的相关性。利用多元回归方法建立了枯水期月入库流量预报模型,并评定了模型预报精度。将相关性较好的前期入库流量标准化后作为该月BP网络预报模型的输入,传递函数分别取正切S型函数和线性函数,训练算法取Levenberg-Marquartdt,隐含层、平均绝对误差和训练步数通过实验确定,建立了水库枯水期月入库流量预报的BP网络模型。根据《水文情报预报规范》(SL250-2000)利用预报合格率进行模型精度评定,11月达到乙级,3月为丙级,其余月份均达到甲级,预报精度多数高于多元回归模型。从提高预报精度出发,建立了考虑降雨影响的水库枯水期入库流量预报模型,网络输入层增加了当月标准化降水量。与不考虑降雨影响相比,模型预报精度均有所提高,其中3月预报为乙级,其余月份预报均达到甲级,说明该模型可以作为水库调度的参考依据。但该模型需要有月降水量预报作为基础,因此应用中没有前一个模型实用。
根据实测及预报结果进行分析,枯水期入库流量年际变幅较大,个别月份出现的较大降雨使得入库流量较大,从而增加了预报的复杂性,使得部分月份预报误差偏大。以上模型经过进一步完善后将用于昭平台水库枯水期运行调度,为提高水资源利用程度和工程效益提供决策基础。
The forecasting of monthly runoff into reservoir is an important reference for the management and regulation of reservoir. Researches on these aspects would be of great benefit to the security of the reservoir and downstream area, the rational use of water resource and the utilization of reservoir.
Zhaopingtai Reservoir lies in the Shahe River in the upstream of Huaihe River Basin. Inflow is usually less in the low flow periods. In the reservoir regulation, more outflow used for irrigation and hydropower plant in the prophase of the low flow period often results in less water storage and low water level, which directly reduces the benefit of the reservoir. To solve this problem, forecasting models of monthly inflow to the Zhaopingtai Reservoir in the low flow period from September to March are developed using artificial neural network (ANN).
Correlation analysis method is used for the monthly inflow series of Zhaopingtai Reservoir to find main influencing factors of the inflow in months of low flow period. Forecasting models based on multivariate regression analysis were established to predict monthly inflow in low water period. In the ANN forecasting models of monthly inflow, the standardized inflow of the influencing months is taken as the ANN input, and the inflow to be predicted as the ANN output. The activation function of the hidden layer and output layer use tansig and pureline functions, respectively, and the train algorithm is Levenberg-Marquartdt. Other ANN parameters are determined with trial-and-error method. The qualified rate of forecasting is used for model evaluation based on the Standard for hydrological information and hydrological forecasying (SL250-2000). The results show that the precision of forecasting models for Jan., Feb., Sep., Oct. and Dec. are all in the first class, that for Nov. and Mar. are in the second class and third class, respectively. To increase the forecasting precision, monthly precipitation is added as another ANN input. The results indicate that the forecasting precision are all improved, with the
引文
[1] 水利部水利信息中心.SL250-2000.中华人民共和国行业标准-水文情报预报规范.北京:中国水利水电出版社,2000-06-15
[2] 毛昭雄.中长期水文预报.西宁:青海省电力工业局印,1992
[3] 王燕生.工程水文学.北京:中国水利水电出版社,1996
[4] 陈守煜.中长期水文预报综合分析理论模式与方法.水利学报,1997,18(8):15-21
[5] 陈金荣,范钟秀.我国中长期水文预报的现况与发展趋势.见:长江流域规划办公室汇,编.水文预报论文选集(1981 年全国水文预报学术讨论会).北京:水利电力出版社,1985.174-179
[6] 袁新作.工程水文学.北京:水利电力出版社,1993
[7] 黄忠恕,王钦梁,匡奇.青藏高原热状况与长江流域汛期旱涝关系初步分析.见:长江流域规划办公室汇,编.水文预报论文选集(1981 年全国水文预报学术讨论会).北京:水利电力出版社,1985.180-187
[8] 刘清仁.松花江流域水旱灾害发生规律及长期预报研究.水科学进展,1994,5(4):319-327
[9] 章淹.致洪暴雨中期预报进展.水科学进展,1995,6(2):162-168
[10] 杨旭,栾继河,冯国章.中长期水文预报研究评述与展望.西北农业大学学报,2000,28(6):203-207
[11] Box, G. E.P., and Pierce, D.A. Distribution of Autocorrelations in Autoregressive Integrated Moving Average Time Series Models . Am. Stat. Assoc.,1970, vol.65, pp. 1509~1526
[12] Box, G.E.P.,and G.M.Jenkins. Time Series Analysis Forecasting and Control. Holden-Day,San Francisco,1976
[13] 卢华友,邵东国,郭元裕.丹江口水库径流长期预报研究.武汉水利电力大学学报,1996,29(6):6-10
[14] 王博,方法明,张连富,等.非平衡序列的疏系数混合回归模型.水电能源科学,1999,17(4):13-15
[15] 张闻胜,王银堂.时间序列分解模型在水文要素中长期预报中的应用.水文,2001,21(1):21-24
[16] 孙桂华.实用水文预报中反馈模拟实时校正的应用.水文,1991,1(1):24-29
[17] 雷晓云,赵以琴,范翠玲.时序递阶组合模型在冰川河流年径流预测中的应用.水文,2001,21(3):11-31
[18] 冯国章,王双银,韦华艳.多元自回归模型在枯水径流预报中的应用.自然资源学报,1996,11(2):184-186
[19] 冯国章.枯水径流预报的最优模糊划分自激励门限回归模型.西北农业大学学报,1997,25(2):21-26
[20] 金菊良,杨晓华,金保明,等.门限回归模型在年径流预测中的应用.冰川冻土,2000,22(3):230-234
[21] 王文圣,马吉让,向红莲,等.一种径流随机模拟的非参数模型.水利水电技术,2002,33(2):8-10
[22] 陈果,尚松浩,雷志栋.类比合成方法在干旱区内陆河径流量预报中的应用.干旱区地理,2004,27(3):287-292
[23] 李杰友,夏红梅,熊学农,等.投影追踪回归法在月径流长期预报中的应用研究.河海大学学报,2001,29(1):46-49
[24] 张欣莉,丁晶.参数投影寻踪回归及其在年径流预测中的应用.四川大学学报(工程科学版),2000,32(3):13-15
[25] 陈守煜.工程模糊集理论与应用.北京:国防工业出版社,1998
[26] 陈守煜.复杂水资源系统优化模糊识别理论与应用.长春:吉林大学出版社,2002
[27] 陈守煜,王大刚.基于遗传算法的模糊优选 BP 网络模型及其应用.水利学报,2003,24(5):116-120
[28] 王本德,于义彬,刘金禄,等.水库洪水调度系统的模糊循环迭代模型及应用.水科学进展,2004,15(2):233-237
[29] 周念来,吴泽宁.水文要素模糊因果聚类预报及应用.郑工业大学学报,2000,21(1):58-61
[30] 张翔,丁晶.短期洪水预报的模糊联想记忆网络模型.四川联合大学学报(工程科学版),1998,2(5):96-102
[31] 许世刚,王军.前馈神经网络结构的模糊优选在径流预测中的应用.水电能源科学,2002,20(3):35-37
[32] 朱承山,潘英杰.欧阳海水库径流量预报的模糊神经网络方法.水电能源科学,2000,18(3):16-18
[33] 蔡煜东,姚林声.径流长期预报的人工神经网络方法.水科学进展,1995,6(1):61-65
[34] 尚金成,刘鑫卿,张勇传,等.基于多层神经元网络的随机自适应径流预报模型.水电能源科学,1995,13(1):52-56
[35] M L Zhu, M Fujita, and N Hashimoto. Application of neural networks to runoff prediction. International conference on stochastic and statistical methods in hydrology and environmental engineering. Ontario. Canada. 1993, 217-227
[36] 胡铁松,郭元裕,丁晶.水文时间序列的径向基函数网络方法.武汉水利电力大学学报,1996,29(6):1-5
[37] 徐中民,蓝永超,程国栋.人工神经网络在径流预报中的应用.冰川冻土,2000,22(4):372-375
[38] N Karuanithi, W J Grenney, et al. Neural Network for river flow prediction[J] . J. of Computer Civil Engineering, 1994, 8(2):201-220
[39] Kuo-lin Hsu, H.V. Gupta, S.Sorooshian.Artificial neural network modeling of the rainfall-runoff process. J. of Water Resource Res., 1995.31(10): 2517-2530.
[40] Raman H, Sunilkuma N. Multwariate modeling of water resources time series using artificial neural networks [J]. Hydrdogical Scierces Journal, 1995, 40(2):145-163
[41] Fernando D.A. K, Jayawardena A. W. Runoff forecasting using RBF networks with OLS algorithm [J]. J. Hydrologic Engineering, ASCE, 1998, 3(3):203-209
[42] Cameron M, Zealand, et al. Short term stream flow forecasting using artificial neural networks [J]. J. of Hydrology, 1999, 214: 32-48
[43] 陈仁升,康尔泗,张济世.应用 GRNN 神经网络模型计算西北干旱区内陆河流域出山径流.水科学进展,2002,13(1):87-92
[44] 薛联青,崔广柏.河道水情长时间序列多变量预测模型.水电能源科学,2002,20(3):38-40
[45] 姜铁兵,舒畅,沈同林,等.ARMAX 模型与多层 BP 网络流量演算法比较.华中理工大学学报,1998,26(10):70-72
[46] 覃光华,丁晶.带偏差单元的递归神经网络及其运用.人民长江,2002,33(1):38-39
[47] 覃光华,丁晶,刘国东.自适应 BP 算法及其在河道洪水预报上的应用.水科学进展,2002,13(1):37-41
[48] 张翔,丁晶.提高多层前馈网络推广能力的权值控制算法.水科学进展,1998,9(4):373-377
[49] 张青.基于神经网络最优组合预测方法应用研究.系统工程理论与实践,2001,21(9):90-93
[50] 张翔,宋星原,夏军.短期洪水预报的变结构神经网络模型.水电能源科学,2002,20(1):12-14
[51] 熊立华,郭生练,王元.神经网络在洪水实时预报中的应用研究.水电能源科学,2002,20(3):28-31
[52] 赵启林,卓家寿.BP 网络的最大误差学习算法.河海大学学报,2000,28(1):113-115
[53] 赵启林,陈斌,卓家寿.前馈神经网络结构自删除算法研究.河海大学学报,2000,28(4):63-66
[54] 李鸿雁,刘寒冰,苑希民,等.人工神经网络峰值识别理论及其在洪水预报中的应用.水利学报,2002,23(6):15-20
[55] 张利平,王德智,夏军.白山水库径流中长期预报研究与应用.水电能源科学,2002,20(1):18-20
[56] 马炼,王银堂,张闻胜.神经网络技术在水文系列中长期预报中的应用.水利水电技术,2002,33(2):5-7
[57] 邓聚龙.灰色预测与决策.武汉:华中工学院出版社,1985
[58] 夏军.水文灰色系统 DHGM 模型识别与实时灰色预测.水文,1988,1(1):1-6
[59] Xia Jun. A grey system approach applied to catchment hydrology.IAHS Press, Publ.. No.197,1990,345~352
[60] 李正最.长期径流预报的灰色关联决策模型.水电能源科学,1991,9(4):308-314
[61] 夏军.中长期径流预报的一种灰关联模式识别与预测方法.水利学进展,1993,4(3):190-197
[62] 袁秀娟,夏军.径流中长期预报的灰色系统方法研究.武汉水利电力大学,1994,27(4):367-375
[63] 蓝永超,康尔泗,马全杰,等.龙羊峡入库径流变化特征及趋势预测.冰川冻土,1999,21(3):281-285
[64] 李玲,施勇.一种新的时间序列综合分析方法和应用.水科学进展,2000,11(4):451-456
[65] 李贤彬,丁晶,李后强.基于子波变换序列的人工神经网络组合预测.水利学报,1999,(2):1-4
[66] 王文圣,袁鹏,丁晶.小波分析及其在日流量过程随机模拟中的应用.水利学报,2000,(11):43-48
[67] 赵永龙,丁晶,邓育仁.相空间小波网络模型在水文中长期预测中的应用.水科学进展,1998,9(3):252-257
[68] 衡彤,王文圣,李拉丁,等.基于小波变换的组合随机模型及其在径流随机模拟中的应用.水电能源科学,2002,20(1):15-17
[69] 郑昱,朱元生.水文序列周期的小波变换检测方法探讨.河海大学学报,2000,28(1):96-99
[70] 李贤彬,丁晶,李后强.水文时间序列的子波分析法.水科学进展,1999,10(2):144-149
[71] Shozo, Tokinaga, et al. Forecasting of time series with fractal geometry by using scale transformations and parameters estimation obtained by the wavelet transform, Electronics and Communications in Japan . Parts 3, 1997, 80 (8): 20-30
[72] Cao Liangyue, et al . Predicting chotic time series with wavelet net work .Physical D, 1995, (85):225-238
[73] 牛东晓,邢棉.时间序列的小波神经网络预测模型研究.系统工程理论与实践,1999,19(5):89-92
[74] 丁晶,邓育仁,傅军.洪水相空间预测.成都科技大学学报,1995,(4):7-11
[75] 傅军,丁晶,邓育仁.洪水特性初步研究.水科学进展,1996,7(3):226-230
[76] 温权,张士军,张周胜.探求径流序列中的混沌特征.水电能源科学,1999,17(1):21-23
[77] 袁鹏,李谓新,王文圣,等.月降雨量时间序列中的混沌现象.四川大学学报(工程科学版),2002,34(1):16-19
[78] 蒋传文,权先璋,陈实,等.径流序列的混沌神经网络预测方法.水电能源科学,1999,17(2):39-41
[79] 刘少华,丁贤荣,毛红梅.水文时间序列的混沌神经网络预报.人民长江,2002,33(9):13-15
[80] 王明进,徐乾生. Kohonen 自组织网络在混沌时间序列预测中的应用.系统工程理论与实践,2000,20(10):79-83
[81] Hense A. On the possible existence of a Strange attractor for the southern oscillation. Beitr. Phys. ,1987,60(1): 34-37
[82] Rodriquez-Iturbe I, De Power F B, et al. Chaos in rainfall.Water Resour. Res., 1989,25(2) 1667-1675
[83] Tonics A A, Elsner J B, et al. Estimating the dimension of weather and climate attractors, important issues about the procedure and interpretation. J. Atmos. Sci.,1993, 50:2549-2555
[84] Jayawardena A W, et al. Analysis and Prediction of chaos in rainfall and stream flow time series. J. Hydrol., 1994, 153:23-52
[85] Koutsogiannis D, et al. Deterministic chaos versus stochastic in analysis and modeling of point rainfall series. J. Geophysics. Res. 1996, 101 (D21): 26441-26451.
[86] Porporate A, et al. Nonlinear analysis of river flow time sequences. Water Resour. Research, 1997, 33(6): 1353-1367
[87] Sivakumar B, et al. Singapore rainfall behavior: Chotic?. J. Hydrol.Engng., ASCE, 1999, 4(1): 38-48
[88] Martin T.Hogan,Howard B.Demuth.神经网络设计(,戴葵).北京:机械工业出版社,2002
[89] 飞思科技产品研发中心.MATLAB 6.5 辅助神经网络分析与设计.北京:电子工业出版社,2003
[90] 袁曾任.人工神经元网络及其应用.北京:清华大学出版社,1999
[91] 张立明.人工神经网络模型及其应用.上海:复旦大学出版社,1992
[92] 焦李成.神经网络系统理论.西安:西安电子科技大学出版社,1996
[93] Masami Yamasaki and Sakurai. On the capacity of n-h-1 networks with sigmoidal function. Artificial Neural Networks:Elsevier Science Publishers B. V.1992.
[94] Akito Sakurai and Masami Yamasaki. On the capacity of n-h-s networks. Artificial Neural Networks:Elsevier Science Publishers B. V.1992.
[95] 闻新,周露,李翔,等.Matlab 神经网络仿真与应用.北京:科学出版社,2003
[96] 雒文生.河流水文学.北京:水利电力出版社,1992
[2] 毛昭雄.中长期水文预报.西宁:青海省电力工业局印,1992
[3] 王燕生.工程水文学.北京:中国水利水电出版社,1996
[4] 陈守煜.中长期水文预报综合分析理论模式与方法.水利学报,1997,18(8):15-21
[5] 陈金荣,范钟秀.我国中长期水文预报的现况与发展趋势.见:长江流域规划办公室汇,编.水文预报论文选集(1981 年全国水文预报学术讨论会).北京:水利电力出版社,1985.174-179
[6] 袁新作.工程水文学.北京:水利电力出版社,1993
[7] 黄忠恕,王钦梁,匡奇.青藏高原热状况与长江流域汛期旱涝关系初步分析.见:长江流域规划办公室汇,编.水文预报论文选集(1981 年全国水文预报学术讨论会).北京:水利电力出版社,1985.180-187
[8] 刘清仁.松花江流域水旱灾害发生规律及长期预报研究.水科学进展,1994,5(4):319-327
[9] 章淹.致洪暴雨中期预报进展.水科学进展,1995,6(2):162-168
[10] 杨旭,栾继河,冯国章.中长期水文预报研究评述与展望.西北农业大学学报,2000,28(6):203-207
[11] Box, G. E.P., and Pierce, D.A. Distribution of Autocorrelations in Autoregressive Integrated Moving Average Time Series Models . Am. Stat. Assoc.,1970, vol.65, pp. 1509~1526
[12] Box, G.E.P.,and G.M.Jenkins. Time Series Analysis Forecasting and Control. Holden-Day,San Francisco,1976
[13] 卢华友,邵东国,郭元裕.丹江口水库径流长期预报研究.武汉水利电力大学学报,1996,29(6):6-10
[14] 王博,方法明,张连富,等.非平衡序列的疏系数混合回归模型.水电能源科学,1999,17(4):13-15
[15] 张闻胜,王银堂.时间序列分解模型在水文要素中长期预报中的应用.水文,2001,21(1):21-24
[16] 孙桂华.实用水文预报中反馈模拟实时校正的应用.水文,1991,1(1):24-29
[17] 雷晓云,赵以琴,范翠玲.时序递阶组合模型在冰川河流年径流预测中的应用.水文,2001,21(3):11-31
[18] 冯国章,王双银,韦华艳.多元自回归模型在枯水径流预报中的应用.自然资源学报,1996,11(2):184-186
[19] 冯国章.枯水径流预报的最优模糊划分自激励门限回归模型.西北农业大学学报,1997,25(2):21-26
[20] 金菊良,杨晓华,金保明,等.门限回归模型在年径流预测中的应用.冰川冻土,2000,22(3):230-234
[21] 王文圣,马吉让,向红莲,等.一种径流随机模拟的非参数模型.水利水电技术,2002,33(2):8-10
[22] 陈果,尚松浩,雷志栋.类比合成方法在干旱区内陆河径流量预报中的应用.干旱区地理,2004,27(3):287-292
[23] 李杰友,夏红梅,熊学农,等.投影追踪回归法在月径流长期预报中的应用研究.河海大学学报,2001,29(1):46-49
[24] 张欣莉,丁晶.参数投影寻踪回归及其在年径流预测中的应用.四川大学学报(工程科学版),2000,32(3):13-15
[25] 陈守煜.工程模糊集理论与应用.北京:国防工业出版社,1998
[26] 陈守煜.复杂水资源系统优化模糊识别理论与应用.长春:吉林大学出版社,2002
[27] 陈守煜,王大刚.基于遗传算法的模糊优选 BP 网络模型及其应用.水利学报,2003,24(5):116-120
[28] 王本德,于义彬,刘金禄,等.水库洪水调度系统的模糊循环迭代模型及应用.水科学进展,2004,15(2):233-237
[29] 周念来,吴泽宁.水文要素模糊因果聚类预报及应用.郑工业大学学报,2000,21(1):58-61
[30] 张翔,丁晶.短期洪水预报的模糊联想记忆网络模型.四川联合大学学报(工程科学版),1998,2(5):96-102
[31] 许世刚,王军.前馈神经网络结构的模糊优选在径流预测中的应用.水电能源科学,2002,20(3):35-37
[32] 朱承山,潘英杰.欧阳海水库径流量预报的模糊神经网络方法.水电能源科学,2000,18(3):16-18
[33] 蔡煜东,姚林声.径流长期预报的人工神经网络方法.水科学进展,1995,6(1):61-65
[34] 尚金成,刘鑫卿,张勇传,等.基于多层神经元网络的随机自适应径流预报模型.水电能源科学,1995,13(1):52-56
[35] M L Zhu, M Fujita, and N Hashimoto. Application of neural networks to runoff prediction. International conference on stochastic and statistical methods in hydrology and environmental engineering. Ontario. Canada. 1993, 217-227
[36] 胡铁松,郭元裕,丁晶.水文时间序列的径向基函数网络方法.武汉水利电力大学学报,1996,29(6):1-5
[37] 徐中民,蓝永超,程国栋.人工神经网络在径流预报中的应用.冰川冻土,2000,22(4):372-375
[38] N Karuanithi, W J Grenney, et al. Neural Network for river flow prediction[J] . J. of Computer Civil Engineering, 1994, 8(2):201-220
[39] Kuo-lin Hsu, H.V. Gupta, S.Sorooshian.Artificial neural network modeling of the rainfall-runoff process. J. of Water Resource Res., 1995.31(10): 2517-2530.
[40] Raman H, Sunilkuma N. Multwariate modeling of water resources time series using artificial neural networks [J]. Hydrdogical Scierces Journal, 1995, 40(2):145-163
[41] Fernando D.A. K, Jayawardena A. W. Runoff forecasting using RBF networks with OLS algorithm [J]. J. Hydrologic Engineering, ASCE, 1998, 3(3):203-209
[42] Cameron M, Zealand, et al. Short term stream flow forecasting using artificial neural networks [J]. J. of Hydrology, 1999, 214: 32-48
[43] 陈仁升,康尔泗,张济世.应用 GRNN 神经网络模型计算西北干旱区内陆河流域出山径流.水科学进展,2002,13(1):87-92
[44] 薛联青,崔广柏.河道水情长时间序列多变量预测模型.水电能源科学,2002,20(3):38-40
[45] 姜铁兵,舒畅,沈同林,等.ARMAX 模型与多层 BP 网络流量演算法比较.华中理工大学学报,1998,26(10):70-72
[46] 覃光华,丁晶.带偏差单元的递归神经网络及其运用.人民长江,2002,33(1):38-39
[47] 覃光华,丁晶,刘国东.自适应 BP 算法及其在河道洪水预报上的应用.水科学进展,2002,13(1):37-41
[48] 张翔,丁晶.提高多层前馈网络推广能力的权值控制算法.水科学进展,1998,9(4):373-377
[49] 张青.基于神经网络最优组合预测方法应用研究.系统工程理论与实践,2001,21(9):90-93
[50] 张翔,宋星原,夏军.短期洪水预报的变结构神经网络模型.水电能源科学,2002,20(1):12-14
[51] 熊立华,郭生练,王元.神经网络在洪水实时预报中的应用研究.水电能源科学,2002,20(3):28-31
[52] 赵启林,卓家寿.BP 网络的最大误差学习算法.河海大学学报,2000,28(1):113-115
[53] 赵启林,陈斌,卓家寿.前馈神经网络结构自删除算法研究.河海大学学报,2000,28(4):63-66
[54] 李鸿雁,刘寒冰,苑希民,等.人工神经网络峰值识别理论及其在洪水预报中的应用.水利学报,2002,23(6):15-20
[55] 张利平,王德智,夏军.白山水库径流中长期预报研究与应用.水电能源科学,2002,20(1):18-20
[56] 马炼,王银堂,张闻胜.神经网络技术在水文系列中长期预报中的应用.水利水电技术,2002,33(2):5-7
[57] 邓聚龙.灰色预测与决策.武汉:华中工学院出版社,1985
[58] 夏军.水文灰色系统 DHGM 模型识别与实时灰色预测.水文,1988,1(1):1-6
[59] Xia Jun. A grey system approach applied to catchment hydrology.IAHS Press, Publ.. No.197,1990,345~352
[60] 李正最.长期径流预报的灰色关联决策模型.水电能源科学,1991,9(4):308-314
[61] 夏军.中长期径流预报的一种灰关联模式识别与预测方法.水利学进展,1993,4(3):190-197
[62] 袁秀娟,夏军.径流中长期预报的灰色系统方法研究.武汉水利电力大学,1994,27(4):367-375
[63] 蓝永超,康尔泗,马全杰,等.龙羊峡入库径流变化特征及趋势预测.冰川冻土,1999,21(3):281-285
[64] 李玲,施勇.一种新的时间序列综合分析方法和应用.水科学进展,2000,11(4):451-456
[65] 李贤彬,丁晶,李后强.基于子波变换序列的人工神经网络组合预测.水利学报,1999,(2):1-4
[66] 王文圣,袁鹏,丁晶.小波分析及其在日流量过程随机模拟中的应用.水利学报,2000,(11):43-48
[67] 赵永龙,丁晶,邓育仁.相空间小波网络模型在水文中长期预测中的应用.水科学进展,1998,9(3):252-257
[68] 衡彤,王文圣,李拉丁,等.基于小波变换的组合随机模型及其在径流随机模拟中的应用.水电能源科学,2002,20(1):15-17
[69] 郑昱,朱元生.水文序列周期的小波变换检测方法探讨.河海大学学报,2000,28(1):96-99
[70] 李贤彬,丁晶,李后强.水文时间序列的子波分析法.水科学进展,1999,10(2):144-149
[71] Shozo, Tokinaga, et al. Forecasting of time series with fractal geometry by using scale transformations and parameters estimation obtained by the wavelet transform, Electronics and Communications in Japan . Parts 3, 1997, 80 (8): 20-30
[72] Cao Liangyue, et al . Predicting chotic time series with wavelet net work .Physical D, 1995, (85):225-238
[73] 牛东晓,邢棉.时间序列的小波神经网络预测模型研究.系统工程理论与实践,1999,19(5):89-92
[74] 丁晶,邓育仁,傅军.洪水相空间预测.成都科技大学学报,1995,(4):7-11
[75] 傅军,丁晶,邓育仁.洪水特性初步研究.水科学进展,1996,7(3):226-230
[76] 温权,张士军,张周胜.探求径流序列中的混沌特征.水电能源科学,1999,17(1):21-23
[77] 袁鹏,李谓新,王文圣,等.月降雨量时间序列中的混沌现象.四川大学学报(工程科学版),2002,34(1):16-19
[78] 蒋传文,权先璋,陈实,等.径流序列的混沌神经网络预测方法.水电能源科学,1999,17(2):39-41
[79] 刘少华,丁贤荣,毛红梅.水文时间序列的混沌神经网络预报.人民长江,2002,33(9):13-15
[80] 王明进,徐乾生. Kohonen 自组织网络在混沌时间序列预测中的应用.系统工程理论与实践,2000,20(10):79-83
[81] Hense A. On the possible existence of a Strange attractor for the southern oscillation. Beitr. Phys. ,1987,60(1): 34-37
[82] Rodriquez-Iturbe I, De Power F B, et al. Chaos in rainfall.Water Resour. Res., 1989,25(2) 1667-1675
[83] Tonics A A, Elsner J B, et al. Estimating the dimension of weather and climate attractors, important issues about the procedure and interpretation. J. Atmos. Sci.,1993, 50:2549-2555
[84] Jayawardena A W, et al. Analysis and Prediction of chaos in rainfall and stream flow time series. J. Hydrol., 1994, 153:23-52
[85] Koutsogiannis D, et al. Deterministic chaos versus stochastic in analysis and modeling of point rainfall series. J. Geophysics. Res. 1996, 101 (D21): 26441-26451.
[86] Porporate A, et al. Nonlinear analysis of river flow time sequences. Water Resour. Research, 1997, 33(6): 1353-1367
[87] Sivakumar B, et al. Singapore rainfall behavior: Chotic?. J. Hydrol.Engng., ASCE, 1999, 4(1): 38-48
[88] Martin T.Hogan,Howard B.Demuth.神经网络设计(,戴葵).北京:机械工业出版社,2002
[89] 飞思科技产品研发中心.MATLAB 6.5 辅助神经网络分析与设计.北京:电子工业出版社,2003
[90] 袁曾任.人工神经元网络及其应用.北京:清华大学出版社,1999
[91] 张立明.人工神经网络模型及其应用.上海:复旦大学出版社,1992
[92] 焦李成.神经网络系统理论.西安:西安电子科技大学出版社,1996
[93] Masami Yamasaki and Sakurai. On the capacity of n-h-1 networks with sigmoidal function. Artificial Neural Networks:Elsevier Science Publishers B. V.1992.
[94] Akito Sakurai and Masami Yamasaki. On the capacity of n-h-s networks. Artificial Neural Networks:Elsevier Science Publishers B. V.1992.
[95] 闻新,周露,李翔,等.Matlab 神经网络仿真与应用.北京:科学出版社,2003
[96] 雒文生.河流水文学.北京:水利电力出版社,1992