基于多水文模型组合的洪水预报与不确定性分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-10页 |
| 1绪论 | 第10-17页 |
| 1.1引言 | 第10-11页 |
| 1.2研究现状 | 第11-14页 |
| 1.3研究目的 | 第14页 |
| 1.4研究内容 | 第14-15页 |
| 1.5技术路线 | 第15-17页 |
| 2各水文模型基本理论 | 第17-42页 |
| 2.1黑箱模型 | 第17-26页 |
| 2.1.1BP神经网络模型 | 第17-20页 |
| 2.1.2Elman神经网络模型 | 第20-23页 |
| 2.1.3LSTM时间序列模型 | 第23-26页 |
| 2.2概念性水文模型 | 第26-39页 |
| 2.2.1新安江模型 | 第26-31页 |
| 2.2.2SMAR模型 | 第31-34页 |
| 2.2.3Tank模型 | 第34-39页 |
| 2.3PSO粒子群算法 | 第39-40页 |
| 2.4评价指标 | 第40-42页 |
| 3各组合方法基本理论 | 第42-47页 |
| 3.1人工神经网络组合 | 第42-43页 |
| 3.2STACKING平均组合 | 第43页 |
| 3.3贝叶斯加权平均组合 | 第43-44页 |
| 3.4动态权重组合 | 第44-45页 |
| 3.5基于信息熵组合 | 第45-46页 |
| 3.6精度指标简单组合 | 第46页 |
| 3.7算术平均组合 | 第46-47页 |
| 4不确定性分析理论 | 第47-51页 |
| 4.1集对分析方法理论 | 第47-49页 |
| 4.1.1集对分析基本理论 | 第47页 |
| 4.1.2指标评价体系的建立 | 第47-48页 |
| 4.1.3系统等级联系数计算 | 第48-49页 |
| 4.1.4评价系统等级评判 | 第49页 |
| 4.2基于蒙特卡洛随机抽样的不确定性分析方法 | 第49-51页 |
| 4.2.1蒙特卡洛随机抽样 | 第49-50页 |
| 4.2.2定量计算不确定性区间的优良性 | 第50-51页 |
| 5模型预报结果 | 第51-76页 |
| 5.1研究区域基本情况 | 第51-54页 |
| 5.1.1金华江流域 | 第51-52页 |
| 5.1.2龙泉溪流域 | 第52-54页 |
| 5.1.3金华江和龙泉溪流域的选择 | 第54页 |
| 5.2黑箱模型和概念性模型对比的预见期选择 | 第54-58页 |
| 5.2.1两类模型预见期的选择问题提出 | 第54-55页 |
| 5.2.2基于滞后演算法的概念性模型预见期 | 第55-58页 |
| 5.3各水文模型预报结果 | 第58-66页 |
| 5.3.1各水文模型基本参数 | 第58-64页 |
| 5.3.2各模型预报与实测结果对比 | 第64-65页 |
| 5.3.3各模型评价指标结果 | 第65-66页 |
| 5.4各组合方法结果 | 第66-76页 |
| 5.4.1各组合方法权重结果 | 第66-67页 |
| 5.4.2各组合方法结果预报和实测方法对比 | 第67-72页 |
| 5.4.3各组合方法评价指标结果 | 第72-76页 |
| 6不确定性分析结果 | 第76-99页 |
| 6.1集对分析结果 | 第76-79页 |
| 6.1.1各模型集对分析结果 | 第76-77页 |
| 6.1.2各组合方法集对分析结果 | 第77-79页 |
| 6.2蒙特卡洛随机抽样分析结果 | 第79-94页 |
| 6.2.190%置信区间结果与定性不确定性分析 | 第79-91页 |
| 6.2.2蒙特卡洛随机抽样不确定性指标结果 | 第91-94页 |
| 6.3不同结果间对比 | 第94-99页 |
| 6.3.1集对分析结果对比 | 第94-96页 |
| 6.3.2蒙特卡洛分析结果两流域对比 | 第96-97页 |
| 6.3.3两流域洪峰流量和洪峰时间误差对比 | 第97-99页 |
| 7结论与展望 | 第99-101页 |
| 7.1主要结论 | 第99-100页 |
| 7.2创新点 | 第100页 |
| 7.3存在问题及展望 | 第100-101页 |
| 参考文献 | 第101-110页 |
| 作者简介 | 第110页 |
