一、流域洪水实时预报模型研究及应用(论文文献综述)
万思旺[1](2021)在《石泉-安康区间支流洪水分类预报及设计洪水研究》文中指出受气候变化影响,极端降雨事件频繁发生,洪水灾害已成为我国频率最高、破坏性最强的自然灾害,严重威胁人民生命财产安全和社会经济的稳定。洪水预报作为最有效的防洪减灾非工程措施,越来越受到人们的关注。本研究以提高洪水预报的精度为宗旨,以我国水资源配置战略水源地汉江上游石泉-安康水库区间支流流域为研究对象,对洪水进行分类预报并实时修正预报误差;基于降雨随机模拟模型模拟的气候模式下的未来降雨过程,应用水文模型模拟未来洪水过程,并推求流域未来设计洪水,分析洪水演变过程。主要研究内容和成果如下:(1)将降雨总量、最大雨强和平均雨强作为聚类因子,利用SOM神经网络模型对流域历史洪水进行聚类;基于聚类结果训练BP神经网络模型,应用训练后的模型对洪水进行分类。结果表明:洪水聚类之后不同类别洪水的平均洪峰流量相差明显,洪水分类过程中各流域各类别洪水分类正确率都在80%以上,说明本研究的洪水聚类和分类模型在研究区内具有良好的适用性。(2)构建TOPMODEL模型,利用PSO优化算法分别率定不同类别洪水的模型参数,并对参数进行验证;为减小预报误差,应用集合卡尔曼滤波对洪水预报结果进行实时修正。结果表明:TOPMODEL模型在汉江上游主要支流流域的洪水分类预报中具有较好的模拟效果,而经过实时修正后预报精度显着提高,说明TOPMODEL模型能够用来模拟汉江上游的洪水过程,实时修正技术可以明显减小洪水预报误差。(3)构建NSRP降雨随机模拟模型,根据历史逐时降雨资料估计模型参数并验证了模型的适用性,结合气候模式不同排放情景下的未来降雨资料,以日降雨量为约束,对未来年最大3 日降雨进行随机模拟;利用TOPMODEL模型模拟洪水过程,提取年最大洪峰流量序列,计算设计洪水,分析不同排放情景下未来设计洪水的变化情况。研究发现,RCP2.6、RCP4.5和RCP8.5三种排放情景下的未来设计洪水不同重现期的设计洪峰相较于历史设计洪峰有所增大,说明未来洪水的频率和量级均呈增长趋势。
刘刚[2](2021)在《秦巴山区中小河流洪水预警预报系统研究 ——以引汉济渭调水工程施工区为例》文中提出复杂的地形地质条件和特殊气候降雨特征,导致我国洪水灾害频发。特别是广大中小河流地区,受经济社会发展的影响和制约,观测资料缺乏、监测手段有限、下垫面复杂多变,洪水灾害造成的基础设施破坏、人员财产损失更为严重。围绕资料缺乏秦巴山区中小河流,开发合适的洪水预警预报系统,为进一步提高洪水风险管理水平、减轻或降低洪水影响损害具有重要意义。引汉济渭工程三河口水利枢纽及秦岭隧洞施工区所在区域的椒溪河、蒲河、汶水河及其支流,地处秦巴中高山区,暴雨洪水频发。研究开发洪水预警预报系统,在灾害性洪水出现前1~3小时以上,向工程建设、施工单位及相关防汛指挥机构提供洪水预警预报信息,为科学有序地实施防洪预案提供可靠依据。此外,根据洪水预警预报结果,及时组织施工期人员实施防洪措施,避免或者减轻洪水灾害造成重大人员伤亡和设施设备损失,保证各施工区的防洪安全的同时,并为三河口枢纽运行的科学调度管理奠定基础。本文以引汉济渭调水工程施工区为主要研究对象,根据历史水位、流量、降雨量监测数据,分析研究河流产汇流规律,合理确定施工区致灾洪水预警阈值;选定适合流域特性的洪水预警预报模型,引入数字高程(DEM)等技术研制引汉济渭工程洪水预报系统,对确保汛期引汉济渭工程安全施工具有重要的实用价值和现实意义。本文取得的主要研究成果如下:(1)分析了研究区的降雨洪水特性和产汇流特性规律。采用历史降雨和径流资料,分析研究区降雨、径流年际变化和年内分配特性,年径流量与流域面平均年降水量相关性关系较好(R2=0.87)。径流深预报图结果表明径流深(R)与计算平均雨量、前期影响雨量(P+Pa)相关性较好(R2=0.80)。推求得到的降雨中心在椒溪河、汶水河和全流域均匀降水三种情况的大河坝站1h单位线,可用于实时洪水预警预报作业。(2)建立了研究区洪水致灾洪水预警指标,确定了临界预警阈值。结合现场实际踏勘,筛选确定了越岭隧洞岭南施工区蒲河0#、1#、3#施工点和三河口水利枢纽坝址进行预警指标研究。综合汇流时间、站网分布、信息收集等因素,确定了关键预警河道断面和临界雨量或水位(流量)及相应的预警响应时间。结合建设进度和防汛要求,确定三河口水利枢纽坝址2016-2017年临界流量为2640 m3/s(P=10%),2018年临界流量为5240 m3/s(P=1%)。(3)优选了洪水预报模型,确定了合适的模型参数。结合研究区研究区位置、地形、水文和资料完整等实际因素和模型应用效果,选择新安江、TOPMODEL、API三种水文模型编制模型方案。选用雨洪资料及流域蒸散发资料开展模型参数率定,通过大河坝水文站2010~2015年实测13场典型洪水过程模拟,进行了精度评定与误差分析。结果表明合格率和预报精度均满足需求,确定以新安江模型为基础、多模型集成形式开展预警预报。(4)构建了引汉济渭调水工程施工区实时洪水预报系统。根据实时水雨情和对未来一段时间内降雨量的预测,准确快速预报三河口枢纽坝址洪水过程、最大流量及出现时间,及蒲河沿岸秦岭输水隧洞相应支洞断面预警流量(雨量),为工程管理和施工决策者提供了多层次、多方位准确的信息服务和多种支持手段。应用检验结果表明,构建的洪水预警模型提高了引汉济渭调水工程施工区防洪决策的科学化、现代化和信息化水平,增强了防洪调度分析、综合决策能力。
赵雪瑞[3](2021)在《一维水动力学洪水预报模型及实时校正研究 ——以淠河流域为例》文中指出山区、平原混合流域的下垫面复杂,很难科学准确的描述其产流及汇流特征。特别在汇流过程中,河床形态对水流在河道中的演进过程有很大的影响。传统的水文模型中的汇流部分难以应对这些问题而导致最终的预报不太理想。目前有一些商业软件可以较好的解决这一问题。但由于软件的限制,不能进行二次开发并集成到洪水预报调度系统中。本文以安徽省淠河流域佛磨白响四大水库联合预报调度系统的开发为大背景,建立在系统中集成的水文水动力耦合模型,为洪水影响分析提供基础。主要研究内容及成果如下:(1)本文采用基于有限差分Preissman四点偏心隐格式的一维水动力学模型来构建符合淠河流域的特点的河网模型,详细分析了模型的基本原理、河网的构建方法、内边界处理的方式和求解方法等;着重阐述了环状河网内河道闸堰内边界追赶系数的推导过程及应对河床干湿交替提高模型稳定性的处理方法。(2)开发了适用于树状及环状河网的通用化水动力学模型软件,应用C语言进行程序的编制工作,编写源代码共6500多句。(3)经分析计算可知区间入流对淠河洪水过程有很大的影响。由于区间入流往往难以获得,采用将新安江模型预报的流域出口处的区间入流按河道长度平均分配到各河段的方法与水动力学模型进行耦合,并采取将区间入流时间前移的方式来反映区间入流的汇流过程,经分析计算是可行的。(4)利用近几年发生的4场洪水对模型进行验证计算,经调试认为:对于淠河流域,将佛响横区间入流的时间前移9小时时,该模型的计算洪水过程与实际洪水过程的匹配度高,可以满足预报工作的需求,成果已用于淠河流域洪水影响分析模块中。(5)不同流域的产汇流条件不同,区间入流时间前移的方法具有局限性。考虑到模型的通用性,本文又提出一种区间入流实时反馈校正方法,通过淠河流域洪水校正计算预报精度有所提高,该方法是一种有效且计算简便的校正方法。
郎欣宇[4](2021)在《甘河加格达奇以上流域洪水预报实时校正方法研究》文中认为与分布式水文模型相比,集总式水文模型在参数数量以及建模所需资料精度等方面的要求较低,是目前流域洪水预报的重要手段,尤其在资料相对短缺地区已得到广泛应用。然而,受预报模型的不确定性以及预报员经验不足等因素的影响,需要通过实时校正来提高预报的准确性及时效性。洪水预报实时校正可以根据实时的水文气象资料结合实时校正技术,在预报时逐时段加入观测信息更新原有模型的参数或预报结果,从而提高预报精度。因此提高实时洪水预报精度的关键不仅在于获取准确可靠的实时观测信息,还依赖于能够准确反应研究流域的水文过程的模型以及有效的实时校正方法。因此本文以集总式模型为背景,将新安江模型与集合卡尔曼滤波方法相耦合构建基于集合卡尔曼滤波方法(EnKF)的洪水预报实时校正模型,分析现有观测条件下模型的不确定性,以及未来在洪水预报实时校正中如何充分利用多元/源观测数据。本文的主要研究内容及结论如下:(1)本文总结了洪水预报实时校正的研究现状及存在问题,将新安江模型与EnKF算法相耦合构建了基于EnKF的洪水预报实时校正模型,并分析了模型的预报校正效果,模型可以将洪峰预报精度提高30%以上、Nash系数提高至0.9以上。(2)本文考虑现有观测条件,分析了模型在加入流量观测时不同土层土壤含水量校正效果、初始条件及降雨扰动误差三个方面的不确定性。分析表明:加入流量观测时,上层土壤含水量的校正效果好于下层和深层;初始条件与实际偏差较大时,实时校正模型比新安江模型的洪峰预报精度最高可提高80%以上,可以有效降低对初始条件的依赖;降雨扰动误差对模型预报精度有很大影响,尤其是在降雨量较大的情况,更容易高估流量,在模型应用中应关注降雨扰动误差的设置。(3)本文选取了地面观测蒸发和GLEAM产品蒸发及表层土壤含水量数据、GLDAS产品表层土壤含水量数据3种卫星遥感产品,并对这3种遥感产品进行了可利用性评估和校正。将校正后的水面蒸发、表层土壤含水量数据与流量三种观测进行组合,设置了9组算例对比分析加入不同来源、不同类型观测时,流量及不同土层土壤含水量校正的效果。结果表明:采用不同来源观测数据时流量校正结果基本一致,说明基于EnKF的洪水预报实时校正模型具有较强的包容性及鲁棒性;联合加入流量、表层土壤含水量和蒸发观测时校正时,预报精度均满足要求,比仅采用流量观测时最高可提高10%。
黄艳,李昌文,李安强,郝振纯,闵要武,任明磊[5](2021)在《变化环境下流域超标准洪水综合应对研究》文中进行了进一步梳理我国流域超标准洪水应对问题突出,在气候变化、人类活动等变化环境影响下,面临规律重新认知、技术亟需提升和措施体系亟待完善等重大挑战,其难度和复杂程度世界少有,相关研究成果距应用需求仍有较大差距。针对流域超标准洪水综合应对研究这一国家重大需求,拟融合多学科理论与前沿技术,采取理论与试验、物模与数模、技术集成与示范应用相结合的手段,开展变化环境下流域水文气象极端事件演变规律及超标准洪水致灾机理、暴雨洪水立体监测与精细预报预警、流域超标准洪水灾害动态评估、调度与风险调控、综合应急措施、调度决策支持系统集成与示范应用等方面的系统研究工作。力求破解气候变化及人类活动影响下的流域超标准洪水演变规律与致灾机理研究难题,构建流域超标准洪水风险管理理论体系,突破流域超标准洪水立体监测-预报预警-灾害评估-风险调控-应急处置-决策支持关键技术瓶颈,形成流域超标准洪水综合应对的技术体系和成套解决方案,研发强适配性的多场景协同超标准洪水调度决策支持系统,并进行示范应用,以提升中国流域超标准洪水应对水平,保障国家防洪安全。
李鑫[6](2021)在《适宜山丘区中小河流的洪水预报模型及校正方法研究 ——以屯溪流域为例》文中研究表明准确及时的洪水预报是减轻洪涝灾害的重要非工程措施。地处地形复杂山丘地区的中小河流,洪水突发性强、产汇流时间短、危害大,同时受气候变化和人类活动对下垫面变化的影响,中小河流洪水发生频率呈增多增强趋势,为其洪水预报带来了新的挑战,此外在洪水预报过程中误差是难以避免的,如何减小误差也一直是中小河流洪水预报的一项重要工作。本文以屯溪流域为例,结合中小河流实际洪水防治对洪峰处信息的需求,提出了以洪峰误差和峰现时间误差为主要约束的的率定方法,并组合新安江模型与BP神经网络模型的计算结果。最后采用误差自回归法、反馈法、基于洪水特征库的K-最近邻校正方法对误差进行修正。主要研究内容及结论如下:(1)以径流深合格率、洪峰合格率、峰现时间合格率、确定性系数权重分别为(1:2:2:1)为参数率定目标函数的新安江模型在率定期及检验期平均确定性系数均在0.8以上,且相较于传统权重比为(1:1:1:1)的率定方法来说,该方法洪峰和峰现时间的合格率分别为100%、97.56%,均高于传统率定方法,在洪峰误差和峰现时间误差上具有一定的优势,且更加符合中小河流洪水预报要求。(2)采用算数平均法,组合新安江模型与BP神经网络模型计算结果,组合后检验期内平均径流深误差、平均洪峰误差、平均峰现时间误差分别为0.59%、4.29%、1.63小时,不仅弥补了新安江模型在径流深预报上的劣势,而且洪峰、峰现时间的模拟效果也得到了一定程度的提升;(3)根据不同类别的历史场次洪水建立洪水特征库,提出基于洪水特征库的K-最近邻校正方法,对比了误差自回归法、反馈法的校正结果,确定了三种校正方法的各自的优势及其适用流域范围。结果表明,基于洪水特征库的K-最近邻校正方法的优势在对洪峰误差和峰现时间的修正,更加符合中小河流洪水预报要求。
刘祝骞[7](2021)在《山区性河流雅安流沙河洪水预报研究》文中进行了进一步梳理洪水灾害一直是威胁人民生命财产的主要因素,尤其是随着近年来全球变暖,极端天气的多发,加之我国地形多山地为主,而山区的中小流域受地形等因素影响,导致预防工程措施建设难度大、不易实施,防御洪水的非工程措施显得越来越重要。山区性河流具有暴雨洪水历时短、强度大、陡涨陡落为主要特征,加之受地形影响、植被类型和下垫面条件等因素影响大。由于这些河流往往普遍缺乏水文气象实测资料,目前几乎无预报方案,导致预警预报难度大。本研究以雅安汉源县山区性河流流沙河为主要研究对象,进行了洪水预报研究,主要研究工作和成果如下:1.基于2009~2020年流沙河流域实测水文资料,利用新安江模型和BP模型对流沙河进行了水文分析计算,并对其预报精度按照水情规范相关规定进行精度评定,新安江模型预报精度达乙级以上,BP模型预报模型精度比新安江模型提高了22.3%。2.基于BP以及GA-BP模型不同于传统水文预报的非线性预测方法,是对传统洪水预报模型方法的补充,有效地改进了洪水预报的准确性,提高了预报精度。3.针对BP模型自身的局限性,其存在结构不唯一、收敛速度慢和局部最优等问题,利用遗传算法对BP模型进行了优化,以MATLAB(2020b)为主要研究手段建立了流沙河GA-BP洪水预报模型。4.将GA-BP模型预报结果与BP模型预报结果进行了对比分析,结果表明,GA-BP模型与BP模型相比,不仅采用全局搜索法进行模型训练,克服了单一BP模型自身的局限性,而且改进后的模型,预报精度有所提高,具有较好的适用性,能够应用于洪水预报中。研究成果为山区性河流中小流域洪水预报方案提供了重要的数据支撑,解决了中小流域洪水预报问题,为山区性河流山洪灾害预报预警以及防治项目实施提供了重要保障。
黄一昕,王钦钊,梁忠民,邓晓栋[8](2021)在《洪水预报实时校正技术研究进展》文中认为回顾国内外洪水预报实时校正的产生背景,评述其理论与方法的发展历程。在此基础上,将实时校正方法归纳为终端误差校正和过程误差校正两类,并梳理出各自的典型校正方法以及联合校正方法,概述不同方法的研究成果及进展。重点介绍其中的反馈模拟技术、误差自回归算法(AR)、递推最小二乘算法(RLS)、卡尔曼滤波技术(KF)和动态系统响应曲线算法(DSRC)等5种代表性的实时校正技术,阐述其计算过程,并分析其特点与适用性。对洪水预报实时校正的未来发展方向及研究热点进行了展望。
李常青[9](2020)在《黄河中游典型流域洪水分类实时预报研究》文中研究说明在气候变化和人类活动的共同作用下,黄河流域的流域水循环发生了显着变化。尤其是黄河中游地区,产汇流状况复杂,加上洪水本身存在的不确定性,若只使用一套模型参数来对整个流域的洪水进行预报,将难以得到理想的预报结果。本文在“十三五”国家科技支撑计划项目“黄河流域水沙变化机理与趋势预测”(2016YFC040240203)的支撑下,选择有代表性的洛河故县水库及汾河上游静乐站控制流域为典型研究对象,构建F-K++洪水分类预报方法,对典型流域内的洪水进行实时分类,并在得到分类洪水的基础上利用蓄满-超渗兼容模型与LSTM模型分别进行预报。为了提高预报精度,采用蓄满-超渗兼容模型进行洪水预报,然后利用LSTM神经网络模型进行实时校正。研究的主要内容及结论如下:(1)F-K++洪水分类预报方法的构建为了解决目前洪水分类方法存在的不足,构建洪水实时分类方法对洪水进行分类,构建的F-K++洪水实时分类方法过程主要包括三个模块:样本处理模块、聚类分析模块、实时洪水分类模块,有效解决多维特征指标间的冗余性问题和k-means++算法最佳聚类数k确定的问题。并将分类方法应用于洛河故县水库及汾河上游静乐站控制流域。(2)蓄满-超渗兼容模型在典型流域的应用基于蓄满-超渗兼容模型对故县水库与静乐站控制流域分类后的洪水进行预报。洪水分类后,模拟精度有效提高。相较于不分类的洪水,分类后的洪水规律性更强,对应的模型参数能够更好地适合典型流域复杂条件下的洪水预报。(3)LSTM神经网络模型在典型流域的应用对故县水库与静乐站控制流域分类后的洪水使用LSTM神经网络模型进行预报,并将两种模型模拟的结果进行对比。两类洪水的模拟结果的相关系数都在0.8以上,Nash效率系数都在0.7以上,相对误差绝对值都在20%以内,预报结果达到了乙级预报水平。其中LSTM神经网络模型的预报结果要优于蓄满-超渗兼容模型的模拟结果,但是LSTM神经网络模型的预见期较短。(4)基于LSTM神经网络的实时洪水校正预报为了能够达到更好的预报效果,本文采用蓄满-超渗兼容模型进行洪水预报,然后利用LSTM神经网络模型以模拟径流误差序列作为输入项进行实时校正。故县水库与静乐站控制流域校正后的洪水预报精度有了明显的提升。
任娟慧[10](2019)在《黄土区典型中小流域洪水预报KNN-FWA-ELM模型及其适用件研究》文中提出我国是世界上黄土分布最广的地区,黄土面积占国土总面积的近7%。黄土丘陵是黄土地区的主要地貌形态,地形切割强烈、沟壑纵横、坡面陡峭是其主要地形特点。黄土区降雨多集中在7-9月份,降雨强度大,导致该区中小流域洪水具有产流快、洪峰高、历时短、流速急和破坏力强等特点。黄土区下垫面易受自然和人类活动的影响,暴雨和局部强降雨等引起的中小流域洪水预报一直是自然灾害等相关领域的重要研究课题。论文采用混合智能计算方法,应用烟花算法(Fireworks Algorithm-FWA)和K最近邻(K Nearest Neighbor-KNN)方法,对极限学习机(Extreme Learning Machine-ELM)模型进行改进,建立下垫面变化条件下黄土区中小流域的数据驱动洪水预报模型并进行适用性研究。不仅对洪水预报方法具有重要的理论意义,而且对黄土区中小流域的防洪减灾具有较高的应用价值。本文以晋西黄土区圪洞流域为研究区,通过分析流域下垫面特征,将流域下垫面变化划分为三个时期,分析计算了不同时期流域水文特征和洪水过程中的降雨损失;提出了KNN-FWA-ELM洪水预报混合模型,并将其应用于圪洞流域洪水预报中;通过对比KNN-FWA-ELM模型与HEC-HMS模型在不同下垫面条件、不同洪水特征下场次洪水的模拟结果,分析KNN-FWA-ELM模型在王家沟试验小区典型场次洪水预报中的应用效果,评价了KNN-FWA-ELM模型在黄土区典型中小流域洪水预报中的适用性。取得的主要成果如下:(1)流域水文特征分析。在1964-2012年期间,流域年降水量下降不显着,但年径流深呈明显下降趋势。年径流系数与土地利用变化的多元线性关系表明,黄土区增加林地面积可有效拦蓄径流,减少山洪灾害的发生。通过对比分析不同时期洪水演变特征,发现修建梯田、植树造林等水保措施可有效拦截降水、衰减洪峰流量和洪量,并延长滞时。相同级别雨量及雨强下,洪量和洪峰流量的衰减幅度分别为9.32%-92.90%和4.61%-80.22%,滞时延长了0.58-1.38h。流域降雨损失主要受林地面积占比和地形坡度的影响,降雨损失随着林地面积占比的增加和地形坡度的减小而增加,且林地面积占比对降雨损失的影响大于地形坡度。从1964年到2012年,在相同量级降雨条件下,随着林地面积占比的增加,降雨损失占比与林地面积占比的相关系数由0.6397上升至0.8413。(2)KNN-FWA-ELM洪水预报模型的构建。针对黄土区特殊的地形、微地貌和植被等下垫面变化条件,对ELM模型在黄土区典型中小流域洪水预报中的优缺点进行分析。为了实现模型参数优化和洪水连续预报,以MATLABR2016b为平台自行编程,运用烟花算法和K最近邻方法对ELM模型进行了改进,提出并构建了一种适用于黄土区中小流域洪水预报的数据驱动混合模型(KNN-FWA-ELM),并在模型的输入与输出中考虑了不同时期流域下垫面特征的变化。(3)KNN-FWA-ELM洪水预报模型的应用及评价。将KNN-FWA-ELM模型和ELM模型应用于圪洞流域,对不同时期、不同等级的场次洪水进行模拟预报,依据洪峰流量误差、峰现时差、纳什系数、相关系数和均方根误差五个指标,分别对两个模型的场次洪水模拟结果进行了分析评价,结果表明KNN-FWA-ELM模型的模拟效果更优、模拟精度更高。(4)KNN-FWA-ELM洪水预报模型的适用性分析。为了进一步探讨KNN-FWA-ELM模型在黄土区中小流域洪水模拟预报中的适用性,依据场次洪水模拟合格率、洪峰流量误差、峰现时差、纳什系数、相关系数和均方根误差六项指标,对比分析了KNN-FWA-ELM模型与HEC-HMS模型在圪洞流域所有场次洪水及不同时期、不同洪水等级下场次洪水的模拟结果,同时依据均方根误差和平均绝对百分比误差,对KNN-FWA-ELM模型与HEC-HMS模型模拟的洪峰流量、洪量和洪峰滞时三个洪水特征值进行了比较,并将KNN-FWA-ELM模型应用于王家沟试验小区场次洪水模拟中。结果表明:KNN-FWA-ELM模型对圪洞流域和王家沟试验小区场次洪水模拟整体效果较好,且模型在圪洞流域的模拟效果优于王家沟试验小区。从不同时期场次洪水来看,KNN-FWA-ELM模型更适用于快速起峰且洪水过程持续时间相对较长的洪水、多峰之间间隔时间相对长或第一个峰为主峰的洪水、洪水过程不规则且持续时间长的洪水;对不同等级场次洪水,KNN-FWA-ELM模型对大洪水的模拟效果更优;从洪峰流量、洪量和洪峰滞时三个洪水特征值方面考虑,KNN-FWA-ELM模型对洪峰滞时的模拟效果更优。
二、流域洪水实时预报模型研究及应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、流域洪水实时预报模型研究及应用(论文提纲范文)
(1)石泉-安康区间支流洪水分类预报及设计洪水研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 水文模型研究进展 |
1.2.2 洪水分类预报研究进展 |
1.2.3 洪水实时预报研究进展 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 研究区域概况及数字流域构建 |
2.1 研究区域概况 |
2.2 研究资料 |
2.3 数字流域构建 |
2.4 本章小结 |
3 洪水的聚类和分类研究 |
3.1 SOM神经网络 |
3.1.1 SOM神经网络基本原理 |
3.1.2 SOM神经网络聚类步骤 |
3.1.3 基于SOM神经网络的洪水聚类结果 |
3.2 BP神经网络 |
3.2.1 BP神经网络基本原理 |
3.2.2 BP神经网络的算法步骤 |
3.2.3 基于BP神经网络的洪水分类结果 |
3.3 本章小结 |
4 汉江上游洪水分类实时预报研究 |
4.1 TOPMODEL模型的构建 |
4.1.1 模型产流模式 |
4.1.2 模型基本结构 |
4.1.3 模型基本方程 |
4.1.4 模型参数 |
4.1.5 模型评价标准 |
4.2 洪水分类预报研究 |
4.2.1 池河流域模拟结果 |
4.2.2 渚河流域模拟结果 |
4.2.3 任河流域模拟结果 |
4.2.4 岚河流域模拟结果 |
4.2.5 结果分析 |
4.3 洪水预报实时校正研究 |
4.3.1 洪水预报误差来源 |
4.3.2 洪水预报误差修正方法 |
4.3.3 基于集合卡尔曼滤波的洪水预报实时校正 |
4.4 本章小结 |
5 降雨随机模拟及设计洪水计算 |
5.1 降雨随机模拟模型 |
5.2 Neyman-Scott矩形脉冲模型 |
5.3 NSRP模型参数估计 |
5.4 NSRP模型的验证 |
5.5 NSRP模型在未来设计洪水计算中的应用 |
5.5.1 池河流域计算结果 |
5.5.2 渚河流域计算结果 |
5.5.3 任河流域计算结果 |
5.5.4 岚河流域计算结果 |
5.6 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间主要研究成果 |
(2)秦巴山区中小河流洪水预警预报系统研究 ——以引汉济渭调水工程施工区为例(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 洪水组合预测技术 |
1.2.2 中小河流洪水预报研究进展 |
1.3 研究内容和技术路线 |
1.3.1 问题的提出 |
1.3.2 研究内容 |
1.3.3 研究技术路线 |
2 研究区域概况及数据处理 |
2.1 研究区域概况 |
2.1.1 流域概况 |
2.1.2 流域水文站网 |
2.1.3 引汉济渭调水工程概况 |
2.2 水文资料选用及分析处理 |
2.2.1 资料的可靠性分析 |
2.2.2 资料的一致性分析 |
2.2.3 资料的代表性分析 |
2.3 本章小结 |
3 降雨径流规律分析 |
3.1 降雨径流分析 |
3.1.1 年降雨量及特征 |
3.1.2 径流年际变化及月分配特性 |
3.1.3 年降雨径流关系分析 |
3.2 产流特性分析 |
3.2.1 暴雨洪水特性 |
3.2.2 下渗与蒸发 |
3.2.3 产流计算 |
3.2.4 产流特性分析 |
3.3 汇流特性分析 |
3.3.1 单位线推求 |
3.3.2 汇流特性分析 |
3.4 本章小结 |
4 致灾洪水预警指标研究 |
4.1 预警指标的研究方法 |
4.1.1 雨量预警指标 |
4.1.2 流量预警指标 |
4.2 预警断面确定及预警指标选择 |
4.2.1 施工区概述 |
4.2.2 预警断面确定 |
4.2.3 预警指标选择 |
4.3 预警指标的确定 |
4.3.1 代表站确定及资料选用 |
4.3.2 秦岭隧洞0#支洞施工区预警流量确定 |
4.3.3 秦岭隧洞1#支洞施工区临界雨量确定 |
4.3.4 秦岭隧洞3#支洞施工区临界雨量确定 |
4.3.5 三河口水利枢纽临界流量确定 |
4.4 本章小结 |
5 洪水预报模型 |
5.1 水文模型选择 |
5.2 模型原理简介 |
5.2.1 新安江模型 |
5.2.2 TOPMODEL模型 |
5.2.3 API模型 |
5.3 模型参数与模拟环境设定 |
5.3.1 数字高程模型应用 |
5.3.2 模型方案编制 |
5.3.3 精度评定方法 |
5.4 本章小结 |
6 预报模型方案的比较 |
6.1 新安江模型 |
6.1.1 流域单元划分 |
6.1.2 模型参数率定 |
6.1.3 精度评定与误差分析 |
6.2 TOPMODEL模型 |
6.2.1 模型主要参数 |
6.2.2 模型参数计算 |
6.2.3 精度评定与误差分析 |
6.3 API模型 |
6.3.1 主要参数分析 |
6.3.2 模型参数计算 |
6.3.3 精度评定与误差分析 |
6.4 结果对比分析 |
6.4.1 洪峰流量、峰现时间预报结果对比 |
6.4.2 洪水过程预报结果对比 |
6.5 本章小结 |
7 洪水预报及预警系统开发 |
7.1 系统设计目标及技术要求 |
7.1.1 设计目标 |
7.1.2 技术要求指标 |
7.1.3 运行环境 |
7.2 系统结构及流程 |
7.2.1 系统结构 |
7.2.2 系统流程 |
7.2.3 系统的数据流程 |
7.3 界面设计 |
7.4 数据库设计 |
7.4.1 洪水预报方案数据库 |
7.4.2 系统内部数据库 |
7.5 系统功能 |
7.5.1 预报模型及方法管理 |
7.5.2 模型参数率定 |
7.5.3 洪水预报功能 |
7.5.4 数据管理模块 |
7.5.5 预报成果综合分析 |
7.5.6 成果显示与发布 |
7.6 应用分析 |
7.7 本章小结 |
8 结论与展望 |
8.1 结论 |
8.2 主要创新点 |
8.3 展望 |
致谢 |
参考文献 |
攻读博士期间发表的论文、参与的主要科研课题 |
(3)一维水动力学洪水预报模型及实时校正研究 ——以淠河流域为例(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 河道洪水演算的研究现状 |
1.2.2 洪水预报实时校正的研究现状 |
1.3 存在问题不足与发展趋势 |
1.4 主要研究内容 |
第二章 研究区域概况及预报模型的选取 |
2.1 流域概况 |
2.1.1 自然地理 |
2.1.2 地形地貌 |
2.1.3 河流水系 |
2.1.4 水文气象及暴雨洪水特性 |
2.1.5 社会经济 |
2.1.6 主要水利工程 |
2.2 流域洪水预报存在的问题 |
2.3 模型的选取 |
2.4 本章小结 |
第三章 模型原理与方法 |
3.1 模型计算原理 |
3.1.1 基本方程及其离散 |
3.1.2 单一河道一维水动力学离散方程组及其求解 |
3.1.3 河网一维水动力学模型方程组及其求解 |
3.1.4 河道断面概化及断面水力要素计算 |
3.1.5 内边界的处理 |
3.2 环状河网堰闸过流追赶系数的推导 |
3.3 模型特殊处理 |
3.4 模型参数 |
3.5 一维水动力学模型的设计与开发 |
3.6 本章小结 |
第四章 淠河流域洪水预报 |
4.1 研究河段概况 |
4.2 资料与数据 |
4.3 模型建立 |
4.4 模型验证及计算结果分析 |
4.5 本章小结 |
第五章 淠河流域一维水动力学模型实时校正的研究 |
5.1 前言 |
5.2 区间入流实时校正 |
5.2.1 方法原理 |
5.2.2 实例验证 |
5.2.3 方法评述 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(4)甘河加格达奇以上流域洪水预报实时校正方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状与进展综述 |
1.2.1 水文模型研究进展 |
1.2.2 实时校正技术研究进展 |
1.2.3 集合卡尔曼滤波方法研究进展 |
1.2.4 洪水预报实时校正研究现状及存在问题 |
1.3 本文主要研究内容 |
2 研究流域及资料处理 |
2.1 研究流域概况 |
2.2 资料分析处理 |
2.2.1 流域测站信息 |
2.2.2 资料分析处理 |
2.3 小结 |
3 基于EnKF的洪水预报实时校正方法 |
3.1 引言 |
3.2 新安江模型原理 |
3.3 彭曼公式 |
3.4 NSGA-Ⅱ算法 |
3.5 集合卡尔曼滤波原理 |
3.5.1 卡尔曼滤波原理 |
3.5.2 集合卡尔曼滤波原理 |
3.6 洪水预报实时校正模型构建 |
3.7 模型计算结果与分析 |
3.8 小结 |
4 模型的不确定性分析 |
4.1 引言 |
4.2 土壤含水量不确定性分析 |
4.3 初始条件不确定性分析 |
4.4 降雨扰动误差不确定性分析 |
4.5 小结 |
5 多元/源观测洪水预报实时校正研究 |
5.1 引言 |
5.2 数据产品介绍 |
5.2.1 地面观测蒸发数据 |
5.2.2 GLEAM蒸发及土壤水产品 |
5.2.3 GLDAS土壤水分产品 |
5.3 卫星遥感产品评估及校正 |
5.3.1 卫星遥感产品评估 |
5.3.2 遥感产品偏差校正 |
5.4 算例设置 |
5.5 结果与分析 |
5.5.1 多源产品对比 |
5.5.2 流量校正 |
5.5.3 土壤水校正 |
5.6 应用结果与分析 |
5.7 小结 |
6 结论及展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(5)变化环境下流域超标准洪水综合应对研究(论文提纲范文)
1 国内外研究现状 |
1.1 极端暴雨洪水演变规律及致灾机理 |
1.2 极端洪水监测与预报预警 |
1.3 流域超标准洪水灾害动态评估 |
1.4 超标准洪水调度和风险调控 |
1.5 超标准洪水调度决策支持技术 |
1.6 流域超标准洪水综合应对措施 |
(1) 流域超标准洪水定义、划分及应对缺乏精准性和针对性。 |
(2) 流域超标准洪水条件下工程运用能力亟待挖潜。 |
(3) 应急避险技术亟待升级。 |
(4) 防洪应急管理机制与长效风险管理机制亟需完善。 |
(5) 流域超标准洪水综合应对措施体系亟待完善。 |
2 研究内容 |
2.1 拟解决的关键科学技术问题 |
2.1.1 关键科学问题 |
(1) 揭示变化环境下流域水文气象极端事件演变规律与发展趋势。 |
(2) 揭示流域超标准洪水响应机理与致灾机理。 |
(3) 建立流域超标准洪水灾害风险管理理论与方法。 |
2.1.2 关键技术问题 |
(1) 研发流域超标准洪水“空天地水”立体监测与多源数据融合技术。 |
(2) 暴雨洪水预报预警及精细模拟。 |
(3) 流域超标准洪水灾害动态评估与风险调控。 |
(4) 流域超标准洪水应急避险技术。 |
(5) 多场景协同流域超标准洪水调度决策支持。 |
2.2 主要研究课题 |
2.2.1 基础研究 |
2.2.2 技术研发 |
2.2.3 策略研究 |
2.2.4 决策支持系统集成示范 |
3 研究方法与技术路线 |
3.1 变化环境下流域水文气象极端事件演变规律及超标准洪水致灾机理 |
3.2 变化环境下流域超标准洪水监测及预报预警 |
3.3 流域超标准洪水灾害动态评估 |
3.4 流域超标准洪水调度与风险调控 |
3.5 极端天气条件下流域超标准洪水综合应急措施 |
3.6 超标准洪水调度决策支持系统集成与示范应用 |
4 结论与展望 |
(6)适宜山丘区中小河流的洪水预报模型及校正方法研究 ——以屯溪流域为例(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 水文模型研究现状 |
1.2.2 中小河流域洪水预报现状 |
1.2.3 实时校正研究现状 |
1.3 研究内容及技术路线 |
第2章 流域概况及洪水特征库 |
2.1 研究区概况 |
2.2 数据资料 |
2.3 构建特征库及洪水分类 |
2.3.1 洪水特征库构建 |
2.3.2 场次洪水聚类分析 |
2.4 本章小结 |
第3章 洪水预报模型及应用研究 |
3.1 模型介绍 |
3.1.1 新安江模型 |
3.1.2 BP神经网络模型 |
3.2 模型参数率定优选算法及目标函数 |
3.2.1 模型参数率定优选算法 |
3.2.2 模拟效果评价指标 |
3.2.3 模型参数率定目标函数 |
3.3 场次洪水预报 |
3.3.1 参数率定结果及分析 |
3.3.2 场次洪水模拟及结果分析 |
3.3.3 模型组合预报及结果分析 |
3.3.4 预报结果综合分析 |
3.4 本章小结 |
第4章 洪水预报校正方法及应用研究 |
4.1 洪水预报误差来源 |
4.1.1 模型误差 |
4.1.2 数据误差 |
4.1.3 中间变量初始值误差 |
4.2 实时校正技术 |
4.2.1 K-最近邻算法 |
4.2.2 误差自回归方法 |
4.2.3 反馈法 |
4.3 校正结果与分析 |
4.3.1 不同校正方法计算结果 |
4.3.2 组合结果与校正结果对比分析 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(7)山区性河流雅安流沙河洪水预报研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题来源 |
1.2 研究的背景和意义 |
1.3 国内外研究现状 |
1.4 研究内容和研究方法 |
2 雅安流沙河流域概况 |
2.1 河流概况 |
2.2 水文气象 |
2.3 流域暴雨洪水特征 |
2.4 历史洪水调查 |
2.5 现有站点情况 |
3 基于新安江模型的流沙河洪水预报 |
3.1 模型原理与率定方法 |
3.1.1 模型原理 |
3.1.2 模型率定 |
3.1.3 模型精度评定 |
3.2 建立预报方案 |
3.3 模型参数率定与验证 |
3.4 实时校正与作业预报 |
3.4.1 实时校正 |
3.4.2 作业预报 |
4 基于BP模型的流沙河洪水预报 |
4.1 BP神经网络原理 |
4.2 BP模型洪水预报模型建立 |
4.2.1 资料分析与整理 |
4.2.2 模型建立步骤 |
4.3 BP模型在流沙河实际应用 |
5 基于改进BP模型的流沙河洪水预报 |
5.1 遗传算法的原理 |
5.2 改进BP模型洪水预报模型建立 |
5.3 GA-BP模型优化应用 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表论文及科研成果 |
致谢 |
(8)洪水预报实时校正技术研究进展(论文提纲范文)
1 洪水预报实时校正发展历程回顾 |
1.1 国内外前期研究成果 |
1.2 国内外近期研究成果 |
2 代表性实时校正技术及其特点 |
2.1 反馈模拟技术 |
2.2 AR算法 |
2.3 RLS算法 |
2.4 KF技术 |
2.5 DSRC算法 |
3总结与展望 |
1 Review of development of real-time correction for flood forecasting |
1.1 Research results in an early stage |
1.2 Recent research results |
2 Representative real-time correction techniques and their features |
2.1 Feedback simulation |
2.2 AR algorithm |
2.3 RLS algorithm |
2.4 KF technique |
2.5 DSRC algorithm |
3 Conclusions and prospects |
(9)黄河中游典型流域洪水分类实时预报研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 洪水分类预报研究现状 |
1.2.2 水文模型国内外研究现状 |
1.3 目前存在的问题 |
1.4 研究内容 |
1.5 研究技术路线 |
2 洪水实时分类方法的构建与应用 |
2.1 分类方法 |
2.2 F-K++洪水实时分类方法的构建 |
2.2.1 样本处理模块 |
2.2.2 聚类分析模块 |
2.2.3 BP神经网络洪水分类模型 |
2.3 故县水库洪水分类 |
2.3.1 流域概况 |
2.3.2 洪水样本处理 |
2.3.3 洪水聚类分析 |
2.3.4 洪水实时分类 |
2.4 静乐站控制流域洪水分类 |
2.4.1 流域概况 |
2.4.2 洪水样本处理 |
2.4.3 洪水聚类分析 |
2.4.4 洪水实时分类 |
2.5 小结 |
3 蓄满-超渗兼容模型的应用 |
3.1 蓄满-超渗兼容模型 |
3.1.1 模型结构 |
3.1.2 模型主要参数 |
3.1.3 参数率定方法 |
3.1.4 模型评价方法 |
3.2 模型在故县水库的应用 |
3.2.1 分类洪水的参数率定 |
3.2.2 分类洪水模拟结果分析 |
3.3 模型在静乐站控制流域的应用 |
3.3.1 分类洪水的参数率定 |
3.3.2 分类洪水模拟结果分析 |
3.4 小结 |
4 基于LSTM神经网络的实时洪水预报 |
4.1 LSTM神经网络 |
4.2 LSTM神经网络模型在典型流域的应用 |
4.2.1 故县水库洪水分类预报 |
4.2.2 静乐站控制流域洪水分类预报 |
4.2.3 模拟结果对比分析 |
4.3 基于LSTM神经网络的实时洪水校正预报 |
4.3.1 故县水库实时校正预报 |
4.3.2 静乐站控制流域实时校正预报 |
4.4 小结 |
5 结论及展望 |
5.1 结论 |
5.2 新见解 |
5.3 展望 |
参考文献 |
个人简历、在校期间发表的学术论文与研究成果 |
致谢 |
(10)黄土区典型中小流域洪水预报KNN-FWA-ELM模型及其适用件研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 洪水预报模型研究 |
1.2.2 黄土区中小流域洪水模拟研究 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法及技术路线 |
第二章 圪洞流域下垫面及水文特征分析 |
2.1 圪洞流域概况 |
2.2 地形地貌特征 |
2.2.1 地貌特征 |
2.2.2 地形特点 |
2.3 土地利用类型 |
2.4 站网信息及子流域划分 |
2.5 水文特征分析 |
2.5.1 径流特征 |
2.5.2 洪水特征 |
2.5.3 降雨损失 |
2.6 本章小结 |
第三章 KNN-FWA-ELM洪水预报模型构建原理及方法 |
3.1 极限学习机(ELM)原理及算法 |
3.2 烟花算法(FWA)原理及算法 |
3.3 K最近邻方法(KNN)原理及算法 |
3.4 KNN-FWA-ELM模型构建 |
3.4.1 模型参数设定 |
3.4.2 模型输入与输出 |
3.4.3 数据归一化处理 |
3.4.4 模型构建 |
3.5 场次洪水模拟结果评价标准 |
3.6 本章小结 |
第四章 KNN-FWA-ELM洪水预报模型实例应用 |
4.1 ELM模型洪水预报 |
4.1.1 场次洪水模拟 |
4.1.2 模拟结果评价 |
4.2 KNN-FWA-ELM模型洪水预报 |
4.2.1 场次洪水模拟 |
4.2.2 模拟结果评价 |
4.3 KNN-FWA-ELM与 ELM模型场次洪水模拟结果对比分析 |
4.3.1 所有场次洪水模拟结果对比 |
4.3.2 不同时期场次洪水模拟结果对比 |
4.3.3 不同等级场次洪水模拟结果对比 |
4.4 本章小结 |
第五章 KNN-FWA-ELM洪水预报模型适用性研究 |
5.1 HEC-HMS模型构建及场次洪水模拟 |
5.1.1 模型原理及构建 |
5.1.2 场次洪水模拟及结果评价 |
5.1.3 不同等级场次洪水模拟 |
5.2 KNN-FWA-ELM模型与HEC-HMS模型模拟结果对比分析 |
5.2.1 所有场次洪水模拟结果对比 |
5.2.2 不同时期场次洪水模拟结果对比 |
5.2.3 不同等级场次洪水模拟结果对比 |
5.2.4 不同洪水特征值模拟结果对比 |
5.2.5 KNN-FWA-ELM洪水预报模型的适用性 |
5.3 KNN-FWA-ELM洪水预报模型在王家沟试验小区的适用性 |
5.3.1 王家沟试验小区概况 |
5.3.2 KNN-FWA-ELM模型在王家沟试验小区的适用性 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
6.3 创新点 |
参考文献 |
附图 |
致谢 |
攻读博士学位期间主要研究工作 |
1.攻读博士学位期间参加的科研项目 |
2.攻读博士学位期间发表的论文 |
四、流域洪水实时预报模型研究及应用(论文参考文献)
- [1]石泉-安康区间支流洪水分类预报及设计洪水研究[D]. 万思旺. 西安理工大学, 2021(01)
- [2]秦巴山区中小河流洪水预警预报系统研究 ——以引汉济渭调水工程施工区为例[D]. 刘刚. 西安理工大学, 2021(01)
- [3]一维水动力学洪水预报模型及实时校正研究 ——以淠河流域为例[D]. 赵雪瑞. 太原理工大学, 2021(01)
- [4]甘河加格达奇以上流域洪水预报实时校正方法研究[D]. 郎欣宇. 大连理工大学, 2021(01)
- [5]变化环境下流域超标准洪水综合应对研究[J]. 黄艳,李昌文,李安强,郝振纯,闵要武,任明磊. 人民长江, 2021(04)
- [6]适宜山丘区中小河流的洪水预报模型及校正方法研究 ——以屯溪流域为例[D]. 李鑫. 三峡大学, 2021
- [7]山区性河流雅安流沙河洪水预报研究[D]. 刘祝骞. 西华大学, 2021(02)
- [8]洪水预报实时校正技术研究进展[J]. 黄一昕,王钦钊,梁忠民,邓晓栋. 南水北调与水利科技(中英文), 2021(01)
- [9]黄河中游典型流域洪水分类实时预报研究[D]. 李常青. 郑州大学, 2020(02)
- [10]黄土区典型中小流域洪水预报KNN-FWA-ELM模型及其适用件研究[D]. 任娟慧. 太原理工大学, 2019(03)