检索结果-维普期刊中文期刊服务平台

基于机器学习算法的含沙量短临预报模型研究被引量：4: 1; 作者魏苗胡新源 +4 位作者周聂陈娜易瑞吉马仲坤陈华《中国农村水利水电》北大核心 2024年第9期60-67,共8页; 入库水流含沙量直接影响水电站机组安全运行,准确预测入库含沙量可为水电站的停机避峰提供决策依据,同时对减少水轮机组泥沙磨损,延长其使用寿命具有重要意义。为开展更为有效和精准的入库含沙量短临预报,研究基于气温、水位、流量等水... 展开更多; 关键词机器学习 LSTM 含沙量预报短临预报喀什河; 在线阅读下载PDF 职称材料

小浪底至花园口区间含沙量人工神经网络预报方法研究被引量：8: 2; 作者李鸿雁刘晓伟李世明《泥沙研究》 CSCD 北大核心 2004年第4期20-24,共5页; 本文对小浪底至花园口区间含沙量过程的人工神经网络预报方法进行了研究 ,主要内容有人工神经网络预报的基本原理、改进方法、人工神经网络模型的建立、样本数据的组织、网络的训练 ,以及对历史数据的验证等 ,并对预报结果进行了评定和... 展开更多; 关键词人工神经网络含沙量过程预报; 在线阅读下载PDF 职称材料

GAS优化经验公式参数方法在黄河下游含沙量过程预报中的应用被引量：3: 3; 作者李鸿雁刘晓伟李世明《泥沙研究》 CSCD 北大核心 2009年第3期30-36,共7页; 紧密结合黄河下游河道的输沙特性和水沙作用机理,依据遗传算法强大的全局优化搜索能力,估计和优化含沙量过程预报经验公式的参数。计算结果表明,该方法具有物理概念清晰、公式计算简便、预报精度较高等特点,可以在生产实践中很方便地推... 展开更多; 关键词 GAS 参数优化含沙量过程预报黄河下游; 在线阅读下载PDF 职称材料

基于机器学习算法的清涧河流域径流及含沙量预测研究被引量：6: 4; 作者陈雪胡宏昌 +3 位作者刘慧刘先锋刘亚平董志强《中国水利水电科学研究院学报（中英文）》北大核心 2024年第5期520-529,538,共11页; 为分析黄河中游水沙特征及趋势,预报径流及泥沙的变化,本研究选取黄河中游清涧河流域为研究区域,选用梯度提升回归(GBR)、支持向量回归(SVR)、极端梯度提升(XGBoost)和随机森林回归(RFR)四种机器学习模型,对延川和子长水文站未来3小时... 展开更多; 关键词机器学习径流预报含沙量预报黄河中游清涧河流域; 在线阅读下载PDF 职称材料

BMA方法在黄河龙门站含沙量过程预报中的应用研究: 5; 作者曹炎煦梁忠民 +3 位作者黄清烜霍世清许珂艳常文娟《水利水电技术》 CSCD 北大核心 2013年第6期14-16,共3页; 以黄河流域吴堡站到龙门站为研究区域,建立龙门站含沙量过程的线性动态和BP神经网络两种统计模型,并结合BMA方法给出两种模型的综合预报结果。结果表明,在线性动态模型和BP神经网络模型的基础上,采用BMA方法进行含沙量预报模型的合成预... 展开更多; 关键词贝叶斯模型含沙量过程预报概率预报正态分位数转换; 在线阅读下载PDF 职称材料

模糊神经网络在杭州湾含沙量过程预报中的应用探讨被引量：6: 6; 作者宋立松《泥沙研究》 CSCD 北大核心 2001年第4期29-33,共5页; 本文从潮流泥沙模型出发 ,以同时刻的U、V、H和前一时刻的S、U、V、H为输入 ,本时刻的S为输出 ,建立了杭州湾含沙量模拟的模糊神经网络模型。经初步实验表明含沙量的预报较为困难 ,本模式只能作实时的预报 ,其预报尺度有限 ,只能有效预... 展开更多; 关键词含沙量模糊聚类模糊神经网络含沙量过程预报; 在线阅读下载PDF 职称材料

基于ARIMA模型的补远江含沙量预测被引量：8: 7; 作者钟荣华傅开道 +2 位作者何大明邢煜民苏斌《水文》 CSCD 北大核心 2011年第6期48-52,共5页; 流域输沙的估算是水资源管理中广泛面临的问题。基于时间序列自回归滑动平均(ARIMA)预测模型,分别对补远江曼安水文站1993～2008年雨季、旱季月平均含沙量资料进行建模拟合。综合AIC值、相对误差,确定模型的阶数,运用Marquardt非线性最... 展开更多; 关键词水资源管理 ARIMA模型含沙量预报补远江; 在线阅读下载PDF 职称材料

基于水文要素的闹德海水库入库沙量预测模型: 8; 作者梁国华胡春娟 +3 位作者何斌张澎辉许海军李菡《水资源与水工程学报》 2014年第5期137-141,共5页; 针对水库调度需要,以闹德海水库为背景开展入库沙量预报研究。首先分析水库的入库水沙特性,以确定入库沙量的主要影响因素;进而研究建立基于水文要素的BP神经网络入库沙量预测模型,并利用历史场次洪水资料进行训练学习。结果表明所选择... 展开更多; 关键词产沙因素 BP神经网络沙量预报闹德海水库; 在线阅读下载PDF 职称材料

题名基于机器学习算法的含沙量短临预报模型研究被引量：4: 1; 作者魏苗胡新源周聂陈娜易瑞吉马仲坤陈华; 机构国家能源集团新疆吉林台水电开发有限公司武汉大学水资源工程与调度全国重点实验室国家能源集团科学技术研究院有限公司; 出处《中国农村水利水电》北大核心 2024年第9期60-67,共8页; 基金国家重点研究与发展计划项目(2022YFC3002701) 国家能源集团新疆吉林台水电开发有限公司NLK、TLDSY、SLKT三站泥沙含量自动监测分析决策系统(GDDL-22245)。; 文摘入库水流含沙量直接影响水电站机组安全运行,准确预测入库含沙量可为水电站的停机避峰提供决策依据,同时对减少水轮机组泥沙磨损,延长其使用寿命具有重要意义。为开展更为有效和精准的入库含沙量短临预报,研究基于气温、水位、流量等水文气象监测资料,结合长短期记忆模型(LSTM)、支持向量回归模型(SVR)和随机森林模型(RF),探索构建含沙量短临预报模型,并以位于喀什河(KSH)流域的塔勒德萨依(TLDSY)电站库区为研究对象,对所建模型的适用性及可靠性进行验证。研究结果表明:所建SVR模型可有效预测入库水流含沙量的涨落变化趋势,但在含沙量定量预测方面,该模型存在一定的误差,预测结果普遍偏高;RF模型可较为准确的根据过去10h的水文气象信息预测出未来1~3 h的入库水流含沙量,但随着预见期的增加,RF模型稳定性下降明显,可能出现较大的局部误差;LSTM模型同样可较为准确预测出未来1~3h的入库水流含沙量,并且对预见期为4~5h的预测效果更为稳定,其NSE值始终保持在0.6以上,MAE值在0.15kg/m^(3)以下,沙峰预测误差可控制在15%以内。综上所述,研究基于LSTM算法所建的含沙量短临预报模型表现最佳,可基于历史水文气象监测信息,实现更为准确的入库含沙量短临预报,进而为水电站安全高效运行提供更为可靠的数据支撑。; 关键词机器学习 LSTM 含沙量预报短临预报喀什河; Keywords machine learning LSTM sediment concentration forecasting short-term forecasting Kashi River; 分类号 P338.5 [天文地球—水文科学]; 在线阅读下载PDF 职称材料

题名小浪底至花园口区间含沙量人工神经网络预报方法研究被引量：8: 2; 作者李鸿雁刘晓伟李世明; 机构北京理工大学管理与经济学院黄河水利委员会水文局; 出处《泥沙研究》 CSCD 北大核心 2004年第4期20-24,共5页; 基金黄河"973"项目支持课题 (G19990 43 6 0 1); 文摘本文对小浪底至花园口区间含沙量过程的人工神经网络预报方法进行了研究 ,主要内容有人工神经网络预报的基本原理、改进方法、人工神经网络模型的建立、样本数据的组织、网络的训练 ,以及对历史数据的验证等 ,并对预报结果进行了评定和系统分析 ,讨论了进一步的改进措施。; 关键词人工神经网络含沙量过程预报; Keywords artificial neural networks sediment concentration process forecasting; 分类号 P338 [天文地球—水文科学]; 在线阅读下载PDF 职称材料

题名GAS优化经验公式参数方法在黄河下游含沙量过程预报中的应用被引量：3: 3; 作者李鸿雁刘晓伟李世明; 机构吉林大学环境与资源学院黄河水利委员会水文局; 出处《泥沙研究》 CSCD 北大核心 2009年第3期30-36,共7页; 基金治黄基础研究课题; 文摘紧密结合黄河下游河道的输沙特性和水沙作用机理,依据遗传算法强大的全局优化搜索能力,估计和优化含沙量过程预报经验公式的参数。计算结果表明,该方法具有物理概念清晰、公式计算简便、预报精度较高等特点,可以在生产实践中很方便地推广使用。采用GAS估计经验公式参数方法与传统方法相比,优势在于只需要河道历史水文数据即可完成参数确定,而不需要河段比降、河槽宽度和河道深度等河道形态参数。; 关键词 GAS 参数优化含沙量过程预报黄河下游; Keywords GAS parameter optimizing sediment concentration process forecast the Lower Yellow River; 分类号 TV147 [水利工程—水力学及河流动力学]; 在线阅读下载PDF 职称材料

题名基于机器学习算法的清涧河流域径流及含沙量预测研究被引量：6: 4; 作者陈雪胡宏昌刘慧刘先锋刘亚平董志强; 机构首都师范大学资源环境与旅游学院中国水利水电科学研究院上海天正软件; 出处《中国水利水电科学研究院学报（中英文）》北大核心 2024年第5期520-529,538,共11页; 基金国家自然科学基金项目(51879136,51809173) 水利部重大科技项目(SKR-2022056) 长江治理与保护重点实验室开放研究基金项目(CX2023K01)。; 文摘为分析黄河中游水沙特征及趋势,预报径流及泥沙的变化,本研究选取黄河中游清涧河流域为研究区域,选用梯度提升回归(GBR)、支持向量回归(SVR)、极端梯度提升(XGBoost)和随机森林回归(RFR)四种机器学习模型,对延川和子长水文站未来3小时的径流和泥沙进行预测。结果表明,根据流域产汇流规律对训练样本方案进行优化有助于提升预测能力。对于流量预报,XGBoost模型表现最好,子长和延川未来第1、2、3小时流量预报的平均NSE分别为0.76和0.90,MAE分别为1.53 m^(3)/s和2.64 m^(3)/s;对于含沙量预报,GBR模型表现最好,子长和延川未来第1、2、3小时含沙量预报的平均NSE分别为0.82和0.90,MAE分别为10.02 kg/m^(3)和6.83 kg/m^(3)。本研究结果可为基于机器学习算法的黄河流域中游水文泥沙预报提供参考。; 关键词机器学习径流预报含沙量预报黄河中游清涧河流域; Keywords machine learning runoff forecast sediment content forecast the middle reaches of the Yellow River Qingjian River basin; 分类号 P338.1 [天文地球—水文科学]; 在线阅读下载PDF 职称材料

题名BMA方法在黄河龙门站含沙量过程预报中的应用研究: 5; 作者曹炎煦梁忠民黄清烜霍世清许珂艳常文娟; 机构河海大学水文水资源学院水利部黄河水利委员会水文局; 出处《水利水电技术》 CSCD 北大核心 2013年第6期14-16,共3页; 基金水利部公益性行业科研专项经费项目专题四"黄河中游龙门潼关含沙量过程预报技术研究(200901016-04)" 江苏省普通高校研究生科研创新计划资助项目(CXZZ11-0434); 文摘以黄河流域吴堡站到龙门站为研究区域,建立龙门站含沙量过程的线性动态和BP神经网络两种统计模型,并结合BMA方法给出两种模型的综合预报结果。结果表明,在线性动态模型和BP神经网络模型的基础上,采用BMA方法进行含沙量预报模型的合成预报不仅可以提高预报精度,而且可以提供概率预报值。; 关键词贝叶斯模型含沙量过程预报概率预报正态分位数转换; Keywords Bayesian model sediment concentration hydrograph forecasting probabilistic forecasting transformation of normally-distributed variables; 分类号 P338.5 [天文地球—水文科学]; 在线阅读下载PDF 职称材料

题名模糊神经网络在杭州湾含沙量过程预报中的应用探讨被引量：6: 6; 作者宋立松; 机构浙江省河口海岸研究所; 出处《泥沙研究》 CSCD 北大核心 2001年第4期29-33,共5页; 文摘本文从潮流泥沙模型出发 ,以同时刻的U、V、H和前一时刻的S、U、V、H为输入 ,本时刻的S为输出 ,建立了杭州湾含沙量模拟的模糊神经网络模型。经初步实验表明含沙量的预报较为困难 ,本模式只能作实时的预报 ,其预报尺度有限 ,只能有效预报 1～ 3步 ,这一方面说明杭州湾含沙量变化的复杂性和不确定性 ,另一方面也表明试图对杭州湾含沙量过程作长期预报是不现实的。; 关键词含沙量模糊聚类模糊神经网络含沙量过程预报; Keywords sediment concentration fuzzy clustering fuzzy neural network; 分类号 P338.5 [天文地球—水文科学] TV141 [水利工程—水力学及河流动力学]; 在线阅读下载PDF 职称材料

题名基于ARIMA模型的补远江含沙量预测被引量：8: 7; 作者钟荣华傅开道何大明邢煜民苏斌; 机构云南大学亚洲国际河流中心; 出处《水文》 CSCD 北大核心 2011年第6期48-52,共5页; 基金国家自然科学基金项目(40201218) 云南省科技计划项目(2005Z003M) 云南省中青年学术技术带头人后备人才培养项目(2009CI050); 文摘流域输沙的估算是水资源管理中广泛面临的问题。基于时间序列自回归滑动平均(ARIMA)预测模型,分别对补远江曼安水文站1993～2008年雨季、旱季月平均含沙量资料进行建模拟合。综合AIC值、相对误差,确定模型的阶数,运用Marquardt非线性最小二乘法估计模型参数,建立ARIMA预测模型。经检验,雨季AIC=-61.046,旱季AIC=-131.785,相对误差低于20%的合格率分别为92.1%、76.9%,残差序列均为白噪声序列,表明旱季ARIMA(1,1,1)、雨季ARIMA(1,1,2)模型较为合理。应用模型对2009～2011年曼安水文站的雨季、旱季平均含沙量进行了预测,实现了河流输沙状况的短期预报。; 关键词水资源管理 ARIMA模型含沙量预报补远江; Keywords water resources management ARIMA model sediment concentration forecast Buyuanjiang River; 分类号 P333.4 [天文地球—水文科学]; 在线阅读下载PDF 职称材料

题名基于水文要素的闹德海水库入库沙量预测模型: 8; 作者梁国华胡春娟何斌张澎辉许海军李菡; 机构大连理工大学水利工程学院辽宁省供水局; 出处《水资源与水工程学报》 2014年第5期137-141,共5页; 基金水利部公益性行业科研专项项目(201201054); 文摘针对水库调度需要,以闹德海水库为背景开展入库沙量预报研究。首先分析水库的入库水沙特性,以确定入库沙量的主要影响因素;进而研究建立基于水文要素的BP神经网络入库沙量预测模型,并利用历史场次洪水资料进行训练学习。结果表明所选择的产沙因子基本能够反映流域降雨-产沙-输沙过程的传递关系,模型可用于入库沙量预报,指导水库实时水沙调度决策。; 关键词产沙因素 BP神经网络沙量预报闹德海水库; Keywords sediment yield factor BP neural network sediment prediction Naodehai reservoir; 分类号 TV145 [水利工程—水力学及河流动力学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于机器学习算法的含沙量短临预报模型研究	魏苗胡新源周聂陈娜易瑞吉马仲坤陈华	《中国农村水利水电》北大核心	2024	4	在线阅读下载PDF 职称材料
2	小浪底至花园口区间含沙量人工神经网络预报方法研究	李鸿雁刘晓伟李世明	《泥沙研究》 CSCD 北大核心	2004	8	在线阅读下载PDF 职称材料
3	GAS优化经验公式参数方法在黄河下游含沙量过程预报中的应用	李鸿雁刘晓伟李世明	《泥沙研究》 CSCD 北大核心	2009	3	在线阅读下载PDF 职称材料
4	基于机器学习算法的清涧河流域径流及含沙量预测研究	陈雪胡宏昌刘慧刘先锋刘亚平董志强	《中国水利水电科学研究院学报（中英文）》北大核心	2024	6	在线阅读下载PDF 职称材料
5	BMA方法在黄河龙门站含沙量过程预报中的应用研究	曹炎煦梁忠民黄清烜霍世清许珂艳常文娟	《水利水电技术》 CSCD 北大核心	2013	0	在线阅读下载PDF 职称材料
6	模糊神经网络在杭州湾含沙量过程预报中的应用探讨	宋立松	《泥沙研究》 CSCD 北大核心	2001	6	在线阅读下载PDF 职称材料
7	基于ARIMA模型的补远江含沙量预测	钟荣华傅开道何大明邢煜民苏斌	《水文》 CSCD 北大核心	2011	8	在线阅读下载PDF 职称材料
8	基于水文要素的闹德海水库入库沙量预测模型	梁国华胡春娟何斌张澎辉许海军李菡	《水资源与水工程学报》	2014	0	在线阅读下载PDF 职称材料