检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:刘开磊[1] 李致家[1] 姚成[1] 阚光远[1] 常露[1]
出 处:《水力发电学报》2013年第6期5-10,共6页Journal of Hydroelectric Engineering
基 金:国家自然科学基金资助项目(51179045;41101017;41130639);国家博士点基金资助项目(20090094110005);公益性行业(气象)科研专项(GYHY201006037);中央高校基本科研业务费专项资金资助(2010B00114)
摘 要:淮河中游行蓄洪区运用频繁,该流域的洪水预报调度是一个十分复杂的问题。文中对流域的行蓄洪状况进行合理概化处理,取得了较好的预报效果。常见的洪水演进方法有水文学方法(如马斯京根法)以及水力学方法(如差分求解一维圣维南方程组的方法)。在比较分析两种方法在该流域的应用效果后,认为两种方法都能较好模拟流域水流状态,水力学方法的适用性更好。采用基于K-最近邻(KNN)的实时校正方法,并与反馈模拟实时校正方法进行比较,结果表明,KNN方法能够在较长的预见期内保持良好的预报精度,更适用于洪水预报的实时校正。Flood forecasting in the Huai River basin that frequently uses its flood diversion and storage areas is always an important and complex task of flood dispatching. This paper presents a new generalization of these areas to improve forecasting results. Generally there are two methods of flood routing: hydrology method such as Muskingum method, and hydraulic method such as solving Saint-Venant equations. Application to this basin shows that both methods produce good predictions, but the latter is more suitable. The K-nearest neighbor (KNN) method is more accurate in the cases of long forecast period, in comparison with the real- time correction method of feedback simulation.
关 键 词:水文学 马斯京根法 行蓄洪 分洪流量 实时校正 KNN
分 类 号:TV124[水利工程—水文学及水资源]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:18.217.185.32