封开河预报模型研究进展
|
摘要
冬季封河和春季开河阶段,我国北部高寒地区将产生大量流凌,容易堆积、拥堵河段,抬高水位,造成凌汛灾害。建立精确的封开河预报模型可为预防凌汛提供充足时间。首先回顾了国内外封开河预报模型的研究进展,对国内应用较多的数学模型、统计学模型和神经网络模型进行总结分析,归纳各模型的优缺点;阐述影响封开河预报模型精度的两个关键步骤即影响因子选取和预报因子筛选方法,筛选影响预报精度的13个预报因子,且通过对比分析3种筛选方法,结果表明逐步分析法可使预报模型更加精准。
In the winter river freezing and spring river thawing period,a large number of streams will be produced in the alpine region of northern China,easy to accumulate,congest the river section,raise the water level,causing disasters. Establishing an accurate river freezing and river thawing forecasting model provides sufficient time to prevent the flood. This paper reviews the research progress of the river freezing and river thawing forecasting model at home and abroad,summarizes and analyzes the mathematical models and statistical models and neural network model that are widely used in China,and summarizes the advantages and disadvantages of each model. The two key steps that affect the accuracy of statistical models are the selection of impact factors. And forecasting factor screening methods,screening 13 forecasting factors affecting forecasting accuracy,and comparing and analyzing three screening methods,indicating that the stepwise analysis method makes the forecasting model more accurate.
In the winter river freezing and spring river thawing period,a large number of streams will be produced in the alpine region of northern China,easy to accumulate,congest the river section,raise the water level,causing disasters. Establishing an accurate river freezing and river thawing forecasting model provides sufficient time to prevent the flood. This paper reviews the research progress of the river freezing and river thawing forecasting model at home and abroad,summarizes and analyzes the mathematical models and statistical models and neural network model that are widely used in China,and summarizes the advantages and disadvantages of each model. The two key steps that affect the accuracy of statistical models are the selection of impact factors. And forecasting factor screening methods,screening 13 forecasting factors affecting forecasting accuracy,and comparing and analyzing three screening methods,indicating that the stepwise analysis method makes the forecasting model more accurate.
引文
[1]茅泽育,许昕,王爱民,等.开河期冰坝预测方法研究进展[J].水利水电科技进展,2007,27(3):76-80.
[2]Adams C E.Estimating Water Temperatures and Time of Ice Formation on the Saint Lawrence River[J].Limnology&Oceanography,1976,21(1):128-137.
[3]Shen H T,Wang D S.Under Cover Transport and Accumulation of Frazil Granules[J].Journal of Hydraulic Engineering,1995,121(2):184-195.
[4]Shen H T,Dynamic Transport of River Ice[J].Journal of Hydraulic Research,1990,28(6):659-671.
[5]Foltyn E P,Shen H T,Lawrence River Freeze-Up Forecast[J].Journal of Waterway Port,Coastal and O-cean Engineering,1986,112(4):467-481.
[6]卞雪军.黄河内蒙古段冰情预报系统研究[D].呼和浩特:内蒙古农业大学,2014.
[7]刘金清.黄河流域实用水文预报方案汇编工作会议在东胜市召开[J].水文,1986(2):7-7.
[8]杨罗.黄河流域实用水文预报方案汇编总结会议在烟台召开[J].水文,1988(2):50.
[9]卞雪军,冀鸿兰,姜新华,等.黄河内蒙古段冰情预报系统的开发[J].水利水电科技进展,2014,34(4):62-65.
[10]郭永鑫,王涛,杨开林,等.黄河宁蒙河段冰情预报决策支持系统的设计与开发[J].水利水电技术,2005(10):70-72,76.
[11]Bilello M A.Maximum Thinkness and Subsequent Decay of Lake,River and Fast Sea Ice in Canada and Alaka[Z].U.S.Army Cold Regions and Engineering Laboratory,1980:160.
[12]SHEN Huag Tao,LU Shunan,CRISSMAN Randy D.Numerical Simulation of Ice Transport over the Lake Erie-Niagara River Ice Boom[J].Cold Regions Science and Technology,1997,26(1):17-33.
[13]吴金峰.万家寨库尾河道冰情影响因素分析及开河日期预报模拟研究[D].呼和浩特:内蒙古农业大学,2016.
[14]陈赞廷,可素娟.建立黄河下游冰情数学模型优化三门峡水库防凌调度的研究[J].冰川冻土,1994(3):211-217.
[15]可素娟,张学成,王玉明.封河预报数学模型研究[J].冰川冻土,2001(3):328-332.
[16]付强.数据处理方法及其农业应用[M].北京:科学出版社,2006.
[17]田京楠.河流解冻日期预报方法实例分析[J].科技创新与应用,2018(8):103-104.
[18]乔继平,王富强,代俊峰.黄河宁蒙河段封开河日期预报方法研究[J].人民黄河,2013,35(4):6-7,10.
[19]张一兵,刘珺,焦敏辉,等.基于气温特征值的三湖河口断面冰期预报模型[J].人民黄河,2017(1):38-40.
[20]刘卓,易东云.投影寻踪方法与高光谱遥感图像数据特征提取的研究[J].数学理论与应用,2003(1):76-81.
[21]王志兴,李成振,陈刚.冰情预报的投影寻踪回归模型[J].自然灾害学报,2009,18(5):174-177.
[22]王斌,张展羽,魏永霞,等.基于投影寻踪的农业基本旱情评估[J].农业工程学报,2009,25(4):157-161.
[23]朱红梅,周子英,黄纯,等.BP人工神经网络在城市土地集约利用评价中的应用:以长沙市为例[J].经济地理,2009,29(5):836-839.
[24]潘春花.浅谈人工神经网络[J].电脑知识与技术,2009,5(20):5502-5503.
[25]李丽,张海涛.基于BP人工神经网络的小城镇生态环境质量评价模型[J].应用生态学报,2008,19(12):2693-2698.
[26]张璐,张生,李超,等.万家寨水库上游的冰情特征分析及预报[J].水土保持通报,2017,37(01):196-200.
[27]陈守煜,冀鸿兰.冰凌预报模糊优选神经网络BP方法[J].水利学报,2004 35(6):114-118.
[28]卢海.基于人工神经网络的冰情预测研究[D].天津:天津大学,2007.
[29]王效宾,杨平.基于BP人工神经网络的冻土融沉系数预测方法研究[J].森林工程,2008,24(5):18-21.
[30]苑希民,冯国娜,田福昌,等.黄河内蒙段凌情变化规律及智能耦合预报模型[J].南水北调与水利科技,2015,13(1):163-167.
[31]王志兴,李成振,范宝山,等.改进的遗传BP交叉训练算法及其在河流冰情预报中的应用[J].水力发电学报,2010,29(1):76-79.
[32]冀鸿兰.黄河内蒙段凌汛成因分析及封开河日期预报模型研究[D].呼和浩特:内蒙古农业大学,2002.
[33]胡进宝.黄河宁蒙段冰情中长期预报研究[D].南京:河海大学,2006.
[34]冯国娜.黄河内蒙段冰情预报模型与凌汛洪水风险研究[D].天津:天津大学,2014.
[35]史新娟.黄河内蒙古段河冰过程及热力增长模型研究[D].呼和浩特:内蒙古农业大学,2013.
[36]丁雪慧,郝振纯,鞠琴,等.黑龙江冰情分析与预报研究[J].水电能源科学,2016(10):9-13.
[37]王富强,魏怀斌.基于人工鱼群算法的冰情预报神经网络模型[J].人民黄河,2014(1):30-32.
[38]王涛.基于神经-模糊理论的冰情预报研究[D].北京:中国水利水电科学研究院,2013.
[39]冀鸿兰,张傲妲,高瑞忠,等.黄河内蒙古段开河日期预报模型及应用[J].水利水电科技进展,2012,32(2):42-45.
[40]李海英,高建国.内蒙古黄河凌汛期开河预报方法[J].内蒙古气象,1998(4):14-17.
[41]薛小辉,王富强,周翔南.基于粒子群的支持向量机SVR冰情预报研究[J].安徽农业科学,2012,40(23):11765-11768.
[42]李成振,郭学仲,王志兴.人工智能冰情预报的预报因子确定[J].水利水电技术,2012,43(2):9-13.
[43]游士兵,严研.逐步回归分析法及其应用[J].统计与决策,2017(14):33-37.
[44]冀树德,张兴刚,孙学东,等.基于相关系数法的柴油机动态特征提取[J].汽车技术,2014(12):18-22.
[45]孙芳芳.浅议灰色关联度分析方法及其应用[J].科技信息,2010,2(17):886-888.
[2]Adams C E.Estimating Water Temperatures and Time of Ice Formation on the Saint Lawrence River[J].Limnology&Oceanography,1976,21(1):128-137.
[3]Shen H T,Wang D S.Under Cover Transport and Accumulation of Frazil Granules[J].Journal of Hydraulic Engineering,1995,121(2):184-195.
[4]Shen H T,Dynamic Transport of River Ice[J].Journal of Hydraulic Research,1990,28(6):659-671.
[5]Foltyn E P,Shen H T,Lawrence River Freeze-Up Forecast[J].Journal of Waterway Port,Coastal and O-cean Engineering,1986,112(4):467-481.
[6]卞雪军.黄河内蒙古段冰情预报系统研究[D].呼和浩特:内蒙古农业大学,2014.
[7]刘金清.黄河流域实用水文预报方案汇编工作会议在东胜市召开[J].水文,1986(2):7-7.
[8]杨罗.黄河流域实用水文预报方案汇编总结会议在烟台召开[J].水文,1988(2):50.
[9]卞雪军,冀鸿兰,姜新华,等.黄河内蒙古段冰情预报系统的开发[J].水利水电科技进展,2014,34(4):62-65.
[10]郭永鑫,王涛,杨开林,等.黄河宁蒙河段冰情预报决策支持系统的设计与开发[J].水利水电技术,2005(10):70-72,76.
[11]Bilello M A.Maximum Thinkness and Subsequent Decay of Lake,River and Fast Sea Ice in Canada and Alaka[Z].U.S.Army Cold Regions and Engineering Laboratory,1980:160.
[12]SHEN Huag Tao,LU Shunan,CRISSMAN Randy D.Numerical Simulation of Ice Transport over the Lake Erie-Niagara River Ice Boom[J].Cold Regions Science and Technology,1997,26(1):17-33.
[13]吴金峰.万家寨库尾河道冰情影响因素分析及开河日期预报模拟研究[D].呼和浩特:内蒙古农业大学,2016.
[14]陈赞廷,可素娟.建立黄河下游冰情数学模型优化三门峡水库防凌调度的研究[J].冰川冻土,1994(3):211-217.
[15]可素娟,张学成,王玉明.封河预报数学模型研究[J].冰川冻土,2001(3):328-332.
[16]付强.数据处理方法及其农业应用[M].北京:科学出版社,2006.
[17]田京楠.河流解冻日期预报方法实例分析[J].科技创新与应用,2018(8):103-104.
[18]乔继平,王富强,代俊峰.黄河宁蒙河段封开河日期预报方法研究[J].人民黄河,2013,35(4):6-7,10.
[19]张一兵,刘珺,焦敏辉,等.基于气温特征值的三湖河口断面冰期预报模型[J].人民黄河,2017(1):38-40.
[20]刘卓,易东云.投影寻踪方法与高光谱遥感图像数据特征提取的研究[J].数学理论与应用,2003(1):76-81.
[21]王志兴,李成振,陈刚.冰情预报的投影寻踪回归模型[J].自然灾害学报,2009,18(5):174-177.
[22]王斌,张展羽,魏永霞,等.基于投影寻踪的农业基本旱情评估[J].农业工程学报,2009,25(4):157-161.
[23]朱红梅,周子英,黄纯,等.BP人工神经网络在城市土地集约利用评价中的应用:以长沙市为例[J].经济地理,2009,29(5):836-839.
[24]潘春花.浅谈人工神经网络[J].电脑知识与技术,2009,5(20):5502-5503.
[25]李丽,张海涛.基于BP人工神经网络的小城镇生态环境质量评价模型[J].应用生态学报,2008,19(12):2693-2698.
[26]张璐,张生,李超,等.万家寨水库上游的冰情特征分析及预报[J].水土保持通报,2017,37(01):196-200.
[27]陈守煜,冀鸿兰.冰凌预报模糊优选神经网络BP方法[J].水利学报,2004 35(6):114-118.
[28]卢海.基于人工神经网络的冰情预测研究[D].天津:天津大学,2007.
[29]王效宾,杨平.基于BP人工神经网络的冻土融沉系数预测方法研究[J].森林工程,2008,24(5):18-21.
[30]苑希民,冯国娜,田福昌,等.黄河内蒙段凌情变化规律及智能耦合预报模型[J].南水北调与水利科技,2015,13(1):163-167.
[31]王志兴,李成振,范宝山,等.改进的遗传BP交叉训练算法及其在河流冰情预报中的应用[J].水力发电学报,2010,29(1):76-79.
[32]冀鸿兰.黄河内蒙段凌汛成因分析及封开河日期预报模型研究[D].呼和浩特:内蒙古农业大学,2002.
[33]胡进宝.黄河宁蒙段冰情中长期预报研究[D].南京:河海大学,2006.
[34]冯国娜.黄河内蒙段冰情预报模型与凌汛洪水风险研究[D].天津:天津大学,2014.
[35]史新娟.黄河内蒙古段河冰过程及热力增长模型研究[D].呼和浩特:内蒙古农业大学,2013.
[36]丁雪慧,郝振纯,鞠琴,等.黑龙江冰情分析与预报研究[J].水电能源科学,2016(10):9-13.
[37]王富强,魏怀斌.基于人工鱼群算法的冰情预报神经网络模型[J].人民黄河,2014(1):30-32.
[38]王涛.基于神经-模糊理论的冰情预报研究[D].北京:中国水利水电科学研究院,2013.
[39]冀鸿兰,张傲妲,高瑞忠,等.黄河内蒙古段开河日期预报模型及应用[J].水利水电科技进展,2012,32(2):42-45.
[40]李海英,高建国.内蒙古黄河凌汛期开河预报方法[J].内蒙古气象,1998(4):14-17.
[41]薛小辉,王富强,周翔南.基于粒子群的支持向量机SVR冰情预报研究[J].安徽农业科学,2012,40(23):11765-11768.
[42]李成振,郭学仲,王志兴.人工智能冰情预报的预报因子确定[J].水利水电技术,2012,43(2):9-13.
[43]游士兵,严研.逐步回归分析法及其应用[J].统计与决策,2017(14):33-37.
[44]冀树德,张兴刚,孙学东,等.基于相关系数法的柴油机动态特征提取[J].汽车技术,2014(12):18-22.
[45]孙芳芳.浅议灰色关联度分析方法及其应用[J].科技信息,2010,2(17):886-888.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |