论文部分内容阅读
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。