当前课程知识点:水资源系统分析理论与应用 > 第六章 动态系统预测方法 > 6.6洪水过程动态系统预报方法实例 > 6.6洪水过程动态系统预报方法实例
同学们好
本单元主要分析
洪水过程动态系统预报方法案例
考虑鸭绿江上游云峰水库
入库控制站临江站洪水过程预报问题
鸭绿江上游云峰水库以上集水面积为
24360平方千米
云峰水库以上主要支流在朝鲜境内
有长津江 虚川江 慈城江和赴站江
在中国境内无大支流
由于朝鲜侧已进行跨流域引水开发
且现阶段难以实时得到
朝鲜境内的水库运行资料
和水雨情报讯资料
因此以临江站上游十三道湾站的
流量过程为入流
考虑十三道站湾
至临江站区间降雨径流影响
预报临江站洪水过程
十三道站湾至临江站区间雨量站稀少
且均在中国一侧
难以建立新安江模型等
概念性水文模型进行降雨径流预报
可采用动态系统预报方法
进行临江站洪水过程预报
以十三道湾站流量过程
临江站前期流量过程
十三道湾站至临江站区间降雨
及前期影响雨量作为输入
临江站流量过程作为输出
建立如式6.5-49
所示的系统响应模型
十三道湾站至临江站区间面平均雨量
采用临江 八道沟 十三道湾
柳树河 闹枝沟5站算术平均计算
前期影响雨量
采用公式6.5-50 6.5-51计算
对于回归模型6.5-49
可以采用线性动态系统模型逼近
BP人工神经网络模型逼近
以及支持向量机回归模型逼近
采用1998至2014年间的大水年份
即2004 2005 2007 2010 2012
2013年汛期洪水过程资料和的
相应降水资料进行模型率定和验证
线性动态系统模型采用最小二乘法求解
由精度统计表可以看出
模型精度满足有关行业规范要求
这是模型验证期2013年汛期洪水过程拟合图
从这2幅洪水过程拟合图可以看出
洪峰部分的误差较大
下面采用ν-SVR模型方法
建立临江站洪水过程预报模型
建模步骤如下
一 样本归一化处理
为避免各个因子之间的量级差异
消除量纲和单位不同对各个因子的影响
需对样本进行归一化处理
二 确定核函数
选定径向基核函数
核函数所含的参数为σ
三 参数选择
给定惩罚因子C
核函数参数σ及支持向量控制参数ν
求解二次规划问题6.5-44
可得ν-SVR模型
实测值与预报值的
均方误差为式6.5-52所示
通过极小化均方误差MSE
可得求得ν-SVR模型参数C、σ、ν
通过极小化均方误差求解的ν-SVR模型
其支持向量的个数可能很大
固定参数C、σ
通过摄动参数ν
分析预报误差及支持向量机个数
最终确定参数ν
参数ν摄动分析计算结果见下表
由表可知
当ν=0.06
洪峰相对误差控制在10%以内
模型的支持向量个数为194
当ν=0.04
洪峰相对误差为12.41%波动较大
最终确定参数ν=0.06
将ν-SVR模型与线性动态系统模型
ε-SVR模型
BP人工神经网络对比
其中
线性动态系统模型采用最小二乘法求解
SVR模型选取径向基核函数
采用林智仁教授等开发的LIBSVM软件求解
BP人工神经网络采用3层结构网络
并采用MATLAB求解
计算结果如下表和过程线图所示
其中ε-SVR最优参数为
[C,σ,ε]= [18.1255, 0.07534, 0.01]
支持向量个数为447
这2幅图是验证期2012年
2013年汛期洪水过程线拟合图
从计算结果可以看出
四种模型中
无论是率定期还是验证期
线性动态系统模型的确定性系数最低
洪峰相对误差较大
且从过程线看
线性动态系统模型的计算结果
表现出不合理的跳动
二 对于率定期
BP神经网络模型的确定性系数
及洪峰相对误差
均好于线性动态系统模型
ε-SVR模型以及ν-SVR模型
但对于验证期
BP神经网络模型效果较差
这也印证了BP神经网络模型存在过学习
泛化能力差的固有缺陷
三 无论是率定期还是验证期
ε-SVR模型的确定性系数
及洪峰相对误差均好于ν-SVR模型
但ε-SVR模型的支持向量个数为447
而ν-SVR模型的支持向量数目为194
ν-SVR模型比ε-SVR模型简单
精度稍低
但在可接受的范围之内
此外从过程线看ε-
ε-SVR模型以及ν-SVR模型均表现良好
本次课程到此结束
谢谢大家 再见
-1.1 水资源系统分析问题的提出
-1.2 系统的概念与系统方法
-1.3系统分析的概念和内容
-1.4水资源系统分析方法
-1.5水资源系统分析量化方法案例
-第一章测试
-2.1非线性优化数学模型与求解方法
-2.2最优性条件
--2.2最优性条件
-2.3一维优化与线搜索
-2.4无约束极值问题的解析法
-2.5二次规划
--2.5二次规划
-2.6约束非线性优化罚函数法
-2.7非线性优化直接方法
-2.8 SCE-UA算法
-2.9可变容差法
--2.9可变容差法
-第二章测试
-3.1多阶段决策问题
-3.2动态规划基本原理
-3.3水库优化调度建模及求解
-3.4 随机动态规划模型
-3.5水库优化调度实例
-第三章测试
-4.1遗传算法
--4.1遗传算法
-4.2粒子群算法
--4.2粒子群算法
-4.3蚁群算法
--4.3蚁群算法
-4.4狼群算法
--4.4狼群算法
-第四章测试
-5.1多目标规划问题与特点
-5.2多目标规划模型与解的概念
-5.3多目标规划求解方法
-5.4多目标规划的实例
-第五章测试
-6.1动态系统预测方法导论
-6.2时间序列方法
-6.3线性动态系统模型方法
-6.4 BP人工神经网络方法
-6.5支持向量机方法
-6.6洪水过程动态系统预报方法实例
-第六章测试
-7.1评价程序与评价指标
-7.2层次分析法
--7.2层次分析法
-7.3模糊综合评价法
-7.4投影寻踪评价法
-第七章测试
-8.1决策分析的基本概念
-8.2 不确定性的基本概念
-8.3 完全不确定型决策
-8.4 风险的多维度量
-8.5 风险型决策(1)
-8.6风险型决策(2)
-第八章测试
-期末测试
-期末论文