粗糙集理论和Flex技术在中长期径流预报中的应用

粗糙集理论和Flex技术在中长期径流预报中的应用

论文摘要

水资源是支撑人类生存和社会持续发展的最基本的自然资源,中长期径流预报可以为水资源的保护、开发、管理提供重要参考。中长期径流预报是对预见期超过流域最大汇流时间的径流,基于一定的数学模型进行预测,其预测结果可以为制定水资源系统的中长期运行方案提供重要依据,并被广泛的应用于水库调度、水电站运行、防洪抗旱、水资源调配和航运管理等领域中。然而预见期较长,众多影响因素导致径流形成过程十分复杂,同时人类的生产活动不断深入,使得中长期径流预报结果的精度往往不高。本文尝试将粗糙集理论引入到中长期径流预报的研究中,从历史径流资料中挖掘最有影响的因素,删除影响较小的因素,然后基于核心因素集,使用支持向量回归模型进行径流预测。同时基于Flex技术,设计并开发了具有强大交互能力和丰富页面呈现能力的中长期径流预报系统,为相应的水电优化调度提供支持。本文的工作和研究成果主要体现在以下几个方面:1)将粗糙集理论引入到中长期径流预报的研究中,并结合新疆伊犁河雅马渡站的年径流资料进行了建模与应用。使用基于类信息熵的算法进行条件属性离散,采用遗传算法对条件属性进行约简,获得与径流量相关的核心因素集。由于粗糙集理论无需提供问题所需处理的数据集合之外的任何附加信息,因此对中长期径流预报问题的不确定性描述和处理是比较客观的。同时使用粗糙集理论进行属性约简,消除冗余信息,使SVM的训练数据大大减少,提高了系统的运行速度。2)由于粗糙集理论只能处理离散化数据,且抗干扰能力差,本文引入SVM理论来获得径流预测值。将SVM作为粗糙集预处理的后置系统,具有良好的容错和抗干扰能力。其中采用遗传算法和交叉验证来对SVM的相关参数进行寻优,摆脱了以往参数选择的盲目性和主观性,提高了预报精度。预报结果表明将粗糙集理论和SVM算法结合起来用于中长期径流预报,预测系统具有较好的泛化和抗干扰能力,并获得了良好的预报性能。3)基于Flex技术开发中长期径流预报系统,充分利用了其强大的组件库,以及灵活的自定义组件,构建了具有丰富图表交互能力的WEB应用程序,具备良好的用户体验。采用Flex技术开发的WEB应用程序,彻底地实现了MVC架构,把控制用户操作的逻辑从服务器端代码中完全分离出来,系统层次结构清晰。同时Flex技术将数据与界面组件紧密联系起来,并采用异步方式与服务器进行通信,在数据传输过程中用户不需要中断操作来等待数据刷新。4)在中长期径流预报系统的服务器端使用JNI技术调用预报算法动态链接库文件。预报算法库文件是已有的旧模块,采用C++语言编写,这在一定程度上弥补了Java语言在程序运行性能上的不足,提高了算法的运算速度,而且使用动态链接库封装算法,也在很大程度上保护了预报算法的知识产权,这样在保证系统功能实现的基础上,缩短了开发周期,降低了开发成本,保护了历史投资。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 选题背景
  • 1.2 中长期径流预报研究现状综述
  • 1.3 本文主要研究内容
  • 2 粗糙集、支持向量回归和 Flex 的相关知识
  • 2.1 粗糙集理论
  • 2.2 支持向量回归算法
  • 2.3 Flex 技术
  • 3 粗糙集理论在中长期径流预报中的应用
  • 3.1 应用粗糙集理论进行中长期径流预报的可行性分析
  • 3.2 数据选取及模型建立
  • 3.3 属性离散
  • 3.4 属性约简
  • 3.5 SVM 回归算法的应用
  • 3.6 径流预报结果分析
  • 4 基于 Flex 技术的中长期径流预报系统的设计与实现
  • 4.1 富互联网应用——RIA
  • 4.2 开发环境及配置
  • 4.3 关键技术
  • 4.4 系统架构
  • 4.5 主要功能界面展示
  • 5 总结与展望
  • 5.1 全文总结
  • 5.2 展望
  • 致谢
  • 参考文献
  • 附录 攻读硕士学位期间发表的学术论文
  • 相关论文文献

    • [1].季节性支持向量机中长期径流预报模型[J]. 水力发电 2014(04)
    • [2].人工神经网络在径流预报中的述评与展望[J]. 水科学与工程技术 2009(01)
    • [3].基于小波分析-稳健估计的径流预报模型及应用[J]. 水力发电学报 2017(06)
    • [4].杨房沟电站大江截流期径流预报[J]. 人民长江 2017(S1)
    • [5].径流预报误差的混合t Location-Scale分布模型及应用[J]. 水力发电 2020(12)
    • [6].二滩水电站中长期径流预报研究[J]. 水电能源科学 2009(01)
    • [7].欧氏距离与趋势值在中长期径流预报中的应用[J]. 东北水利水电 2017(06)
    • [8].基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报[J]. 武汉大学学报(工学版) 2015(06)
    • [9].结合大气环流和遥相关信息的集合径流预报方法及其应用[J]. 清华大学学报(自然科学版) 2013(05)
    • [10].基于随机森林与支持向量机的水库长期径流预报[J]. 水利水运工程学报 2020(04)
    • [11].不同流域的自回归径流预报效果对比[J]. 应用基础与工程科学学报 2018(04)
    • [12].基于神经网络的中长期径流预报时间尺度研究[J]. 中国农村水利水电 2014(08)
    • [13].中长期径流预报模型优选研究[J]. 西北农林科技大学学报(自然科学版) 2019(07)
    • [14].基于预报因子聚类分级的日径流预报深度信念模型及应用[J]. 应用基础与工程科学学报 2018(05)
    • [15].基于气象因子的汛期径流预报模型[J]. 水电能源科学 2015(10)
    • [16].基于相关向量机的中长期径流预报模型研究[J]. 大连理工大学学报 2012(01)
    • [17].基于气象分析的二滩电站月径流预报[J]. 农业工程学报 2011(S2)
    • [18].LASSO回归和支持向量回归耦合的中长期径流预报[J]. 应用基础与工程科学学报 2018(04)
    • [19].基于熵谱理论的月径流预报[J]. 西北农林科技大学学报(自然科学版) 2019(05)
    • [20].中长期径流预报的时间尺度[J]. 武汉大学学报(工学版) 2015(06)
    • [21].基于小波分析—模糊神经网络的径流预报模型[J]. 水利水电技术 2013(02)
    • [22].基于改进径流曲线数模型的北京密云坡地径流估算[J]. 农业工程学报 2017(21)
    • [23].基于数值天气预报模式的流域中期径流预报[J]. 水利水电技术 2018(11)
    • [24].利用PSO-SA混合优化支持向量回归的径流预报模型研究[J]. 计算机应用研究 2019(09)
    • [25].基于支持向量回归机的长期径流预报及不确定性分析[J]. 南水北调与水利科技 2018(03)
    • [26].耦合中期、长期径流预报的跨流域引水受水水库调度图研究[J]. 水资源与水工程学报 2016(06)
    • [27].基于小波-ANFIS的水库月径流预报模型[J]. 水电能源科学 2008(01)
    • [28].红水河乐滩水电站月径流预报模型的编制[J]. 东北水利水电 2008(06)
    • [29].基于随机森林模型的长江上游枯水期径流预报研究[J]. 水力发电学报 2012(03)
    • [30].滑动窗口二次自回归模型在径流预报中的应用[J]. 河海大学学报(自然科学版) 2009(03)

    标签:;  ;  ;  

    粗糙集理论和Flex技术在中长期径流预报中的应用
    下载Doc文档

    猜你喜欢