模糊聚类分析在水文预报中的研究及应用

《模糊聚类分析在水文预报中的研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江大学建筑工程学院硕士学位论文模糊聚类分析在水文预报中的研究及应用姓名：邱超申请学位级别：硕士专业：水文学及水资源指导教师：刘国华20071101中文摘要洪水预报是根据洪水形成和运动的规律，利用过去和实时的水文气象资料，对未来一定时段内的洪水发展情况进行预测预报分析，是防灾减灾的一项重要的非工程措施，在国民经济建设中具有重要的参谋和耳目作用。用数学的方法去描述和模拟水文循环过程就产生了水文模型的概念，水文模型是在研究水文现象和水文规律中产生的，并在不断的发展和完善。目前广泛使用的绝大多数仍为概念性水文模型，既具有一定的物理基础，又有良好的适

2、用性、经验性，模型结构简单，实用性强。水文预报的结果影响因子主要表现为水文、气象、地理地质等不确定性因素，这些因素都具有一定的随机性和模糊性，如何运用模糊聚类分析对这些不确定性因素进行统计分析，结合区域成熟的产汇流概念性模型进行实时洪水预报是本文研究的重点。本文基于聚类分析和模糊数学的基本原理，根据流域水文预报中的结果影响因子，运用基于特征加权技术的模糊聚类分析方法对曹娥江流域的历史洪水资料样本进行模糊分类，然后通过对不同类别的历史洪水样本分别进行产汇流参数率定。模糊聚类分析过程中，本文结合水文学原理和预报模型的运算机理，运用改进的特征加权技

3、术，将影响预报结果的数值特征和类属性特征进行加权选择，优化掉影响不显著的特征，对影响显著的特征进行权重赋值。模糊逻辑规则易调整，好理解，能够反映专家意见，因此比较适宜推广应用于实际工程。通过水文学模型与模糊聚类分析的耦合，可以较好的对流域历史洪水按照其影响特征进行模糊聚类分析，并根据聚类结果分别进行水文模型参数的率定。最后，借用模糊识别技术对实时洪水进行类别识别，并套用相对应类别的最优参数组进行实时预报，以提高预报精度。将本文提出的耦合模型应用在曹娥江流域上，得到较为理想的结果，预报精度大多比模糊聚类分析前的固态参数要提高很多。这种耦合模型不

4、仅考虑了洪水产汇流模型的数值影响特征，还考虑了属性影响特征，能够反映专家意见，在历史资料系列比较好的流域中，该耦合模型能有效地提高其预报精度。实例证明它具有较好的灵活度和适用性，而且其方法简便、物理概念清楚，值得进一步的研究和发展。关键词：水文预报；模糊聚类分析；隶属度；参数率定；特征加权¨I英文摘要AbstractFloodforecastingisbasedonthefloodformationandmovementrules，usingthepastandreal—timehydrologicalandmeteorologicalinf

5、ormation．Theflooddevelopmentofthefuturewithinacertainperiodisforecastedandanalyzed．Floodforecastingisanimportantnon—engineeringmeasuresfordisasterpreventionandplayanimportantroleasadvisorsandearsinthenationaleconomy．Usingmathematicalmethodstodescribeandsimulatethehydrologic

6、alcycleprocess，theconceptofthehydrologicmodelcomeintobeing．Hydrologymodelarisebyresearchhydrologiealphenomenaandthelawsofhydrology,andinthecontinuousdevelopmentandimprovement．Thepresentmodelwidelyusedatmostisconceptualhydrologicalmodel，whichisofsomephysicalbasis，goodapplica

7、bility,empirical，simplemodelstructureandgoodpracticality．Theinfluencefactorofhydrologicalforecastresultsismainlyhydrology,meteorology,geographyandgeologyandotheruncertaintiesfactors．Thesefactorshaveacertainrandomnessandfuzziness．Itisthefocusofthisthesishowtostatisticallyana

8、lyzetheseuncertaintiesfactorsbyusingfuzzyclusteranalysisandforecastreal—timefloodu