论文部分内容阅读
流域洪水预报作为防洪减灾的主要非工程措施,在实际防洪工作中具有重要作用。但由于受预报模型不确定性、参数估计不精确和资料精度不高等各种因素的影响,洪水预报结果总是存在误差。而这些误差的存在不仅会影响预报模型在防洪减灾工作中的应用效果,给防洪工作带来不利,有时会造成较大损失。为使得决策者能正确预估预报误差对防洪安全的影响,对模型预报误差分布特性的研究工作就显得尤为重要。论文以崇阳溪流域为例,用极大熵原理对多元线性回归模型和BP神经网络模型的洪水预报误差分布特性进行深入研究,求出相应的误差概率密度函数,并将洪水预报误差极大熵概率密度函数的拟合效果与正态概率密度函数的拟合效果进行分析比较,选出了较优的三阶极大熵概率密度函数。主要内容如下:(1)根据崇阳溪流域实际情况及试算结果综合分析,确定上游崇阳溪武夷山水文站、麻阳溪麻沙水文站到下游崇阳溪干流建阳水文站的洪水传播时间τ1、τ2,并拟定适当的τ3(τ3>τ1或τ2)。然后以上游崇阳溪武夷山水文站前τ1小时洪水流量Q1(t-τ1)、麻阳溪麻沙水文站前τ2小时洪水流量Q2(t-τ2)和下游崇阳溪干流建阳水文站前τ3小时洪水流量Q(t-τ3)作为输入因子,下游崇阳溪干流建阳水文站洪水流量Q(t)作为输出,分别建立多元线性回归洪水预报模型、BP神经网络洪水预报模型。(2)利用2002～2013年8场洪水流量资料,通过多元线性回归模型和BP神经网络模型进行洪水预报,得到两组预报误差数据。(3)将极大熵原理应用到研究多元线性回归模型与BP神经网络模型预报误差概率密度分布中,以模型预报得到的误差数据给出约束条件。分别用非线性规划法、误差函数法和牛顿迭代法求出多元线性回归模型和BP神经网络模型预报误差二阶、三阶及四阶极大熵概率密度函数。同时为了比较,求出洪水预报误差正态概率密度函数。结果显示,二阶极大熵概率密度函数拟合效果与正态概率密度函数拟合效果相差不大,三阶极大熵概率密度函数则能更好拟合误差数据分布特征,但大于三阶后,极大熵分布拟合不能随阶数增加而拟合效果明显提升。(4)利用三阶极大熵分布对多元线性回归模型和BP神经网络模型的洪水预报进行误差风险评价,分别算出两个预报模型出现不同预报误差的概率,为防洪调度决策提供参考依据。