水沙过程预测及水库多目标优化调度研究
|
摘要
经济社会可持续发展对水利提出了越来越高的要求。水库是调节径流、开发利用水资源的有效手段,而如何对水库进行多目标优化调度以实现其短期效益与长期效益、经济效益与社会效益的统一成为当前的一个重要研究课题。本文对水库多目标优化调度所涉及的一些相关问题,包括天然河道水流演进及水流传播时间、多日径流预测、水流含沙量的预测、库区泥沙冲淤的智能快速预测、水库水沙电多目标优化调度等进行了研究,得到的主要结论如下:
(1)提出了单槽形式和滩槽形式两种河道概化模型技术来实现主要断面的抽象概化,分区段构建了河道的概化模型。然后本文又利用无侧流以及考虑侧流的圣维南方程组并采用Preissmann隐式差分法对河道水流演进过程进行了模拟。计算实例表明考虑区间入流和支流的流量演进模拟结果与实际过程趋势一致,峰谷对应关系良好,基本能够反映实际水流状况。最后本文将遗传算法改进的BP神经网络模型应用于河道水流传播时间的预测,并建立了相应的水流传播时间预测模型。计算实例表明本文的模型能较好的反映出不同输入下的传播时间的变动趋势,在支流流量较小的情况下能对水流的传播时间进行较准确的预测,能为河流水资源的最优利用以及水库的调度运行提供一定的参考。
(2)从水库实际调度运行需求出发,针对其入库日径流预测中存在的预见期短、预测精度低等问题进行了研究,提出了基于小波分解的日径流逐步回归预测模型。与以往的日径流预测模型不同,本文将预测水文站的上游水文站的日径流序列引入预测模型,同时利用小波分解和重构得到预测水文站及上游水文站的日径流序列在不同尺度下的概貌分量,在相关分析的基础上确定候选影响因子并利用逐步回归分析确定最优的回归预测模型。计算实例表明,本文提出的基于小波分解的逐步回归日径流预测模型的预测精度高于多元自回归模型,能对非凌汛期未来1~3天以及凌汛期1~7天的日均流量进行预测,能够为制定水电站未来的发电计划提供科学的依据。
(3)以黄河头道拐水文站为例对水流日均含沙量的预测进行了研究,在对黄河非凌汛期和凌汛期等不同径流模式下水流含沙量的影响因子进行分析的基础上,分别建立了各径流模式下的水流含沙量的神经网络预测模型。计算实例表明,与线性的多元回归模型相比,含沙量的神经网络预测模型能够更有效的处理水流含沙量与各影响因素的非线性关系,能够为河流水沙调控与水库的调度运行提供一定的参考。
(4)对水库淤积问题进行了研究,提出了水库泥沙冲淤的复合模型预测方法。为综合考虑浑水悬移质淤积和异重流泥沙淤积的双重作用,本文将非饱和不平衡输沙模型和异重流运动模型进行耦合并建立了一维耦合泥沙数学模型,对其基本方程及求解方法进行了研究,并将虚拟流动法应用于非恒定异重流模型的求解以准确的预测异重流的演进过程和流达时间。本文将该模型分别应用于万家寨水库泥沙冲淤计算和小浪底水库异重流模拟计算,计算结果表明该模型能够很好的反映水库淤积的发展变化过程,并且能够准确的模拟异重流头部的演进过程和预测其流达时间。此外,为了克服水沙动力学模型参数较多、计算繁冗的缺点,本文将一维耦合泥沙数学模型和BP神经网络模型进行复合并建立水库泥沙冲淤的复合BP网络模型,该模型的输入和输出单元具有明确的物理意义。万家寨水库泥沙冲淤快速预测实例表明复合BP网络模型具有简便、快速、精度高的优点,其计算速度高于一维耦合泥沙数学模型的250倍,既解决了水库多目标化调度中的速度瓶颈问题,又为水库管理人员提供了一个预测水库淤积的简便的方法。
(5)对水库水沙电多目标优化调度进行了研究,建立了水库水沙电多目标优化调度模型。同时,鉴于传统约束法和权重法的不足,本章结合Pareto最优解的概念在微粒群算法中引入惯性权重自适应调节机制和Pareto优解库机制形成改进多目标微粒群算法(IMOPSO),然后运用该算法对上述多目标优化模型直接求解以得到水库多目标优化问题的Pareto最优前沿。计算实例表明本章的方法能够找出具有良好分散性能的Pareto最优前沿,能非常直观的显示出各优化方案的结果,能为决策者提供更有效的支持。此外,经与NSGA-II对比,IMOPSO算法具有优良的全局寻优性能和分散性,非常适合于多目标优化问题的求解。
Sustainable development of the economy and society puts forward more and more demands for hydraulic engineering. And how to conduct multi-objective optimal operation of reservoirs to achieve the unification of short-term and long-term benefit and economic and social benefits becomes a significant research subject. In this study, some topics involved in multi-objective optimal operation of reservoirs are investigated and the conclusions are as follows:
(1) Two generalization models of natural watercourses, single channel mode and channel-beach mode, are presented to generalize the typical main sections of natural watercourses. And the flow evolution is simulated using the Saint-Venant equations set and the expansion Saint-Venant equations set with side flow which are resolved by Preissmann implicit difference method. A case study shows that the simulated flow evolution process is consistent with the actual process. Moreover, the improved BP neural network with genetic algorithm is employed to predict the propagation time of flow and the corresponding network model are established. A case study shows the neural network models are suitable for prediction of propagation time of flow.
(2) Daily runoff prediction is investigated and a stepwise regression model of daily runoff prediction based on wavelet decomposition is proposed. The daily runoff time series at the hydrological stations upstream of the hydrological station under consideration are introduced into the former model. And then, the general components of the daily runoff time series at the hydrological stations under consideration and upstream at different timescales are obtained using the wavelet decomposition and reconstruction. Taking the original daily runoff time series and their general components as candidate independent variables, the stepwise regression models of daily runoff multi-step prediction are established. A case study shows that the stepwise regression model of daily runoff prediction based on wavelet decomposition is superior to auto-regression model, and is able to predict the daily runoff in 1~3 days in non-freeze-up period and 1~7 days in freeze-up period with accepted accuracy.
(3) Prediction of sediment concentration is investigated. Taking Toudaoguai hydrological station as an example, the factors affecting the sediment concentration in the non-freeze-up and freeze-up runoff models are analyzed and the neural network models of sediment concentration prediction are established. A case study shows that, compared with the multiple regression models, the neural network models are able to simulate the nonlinear relationships between the sediment concentration and its factors much better and to provide certain reference for water and sediment regulation and reservoir operation.
(4) Reservoir sedimentation is investigated and a compound predicting model of reservoir sedimentation is proposed in this study. First, the 1-D coupled model of sediment transportation is established by combining the 1-D unsteady transportation model of non-uniform suspended load and the 1-D model of unsteady density current siltation. And then, the solutions of the 1-D coupled model of sediment transportation are studied, and the fictitious flow method is introduced to forecast the evolution and the arriving time of the density current. The study of two cases indicates that the 1-D coupled model of sediment transportation can simulate the processes of reservoir sedimentation, the evolution and arriving time of the density current very well. Finally, the compound predicting model of reservoir sedimentation is established by combining the 1-D coupled model of sediment transportation and the BP networks. A case study indicates that the compound model is more than two hundred and fifty times as efficient as the 1-D coupled model of sediment transportation and can predict reservoir sedimentation with acceptable accuracy.
(5) A multi-objective optimal operation model of water-sedimentation-power in reservoirs is established. Moreover, the inertia weight self-adjusting mechanism and Pareto-optimal set are introduced into the particle swarm optimization and an improved multi-objective particle swarm optimization (IMOPSO) is established. And then, the IMOPSO is employed to solve the optimal model and obtain the Pareto-optimal front. A case study shows that the former method is able to obtain the Pareto-optimal front with fine distribution properties. The Pareto-optimal front can reflect the results of each optimized plan intuitively and provide more effective support for the operating staff. Compared with NSGA-II, IMOPSO has close global optimization capability and is very suitable for multi-objective optimization problems.
(1)提出了单槽形式和滩槽形式两种河道概化模型技术来实现主要断面的抽象概化,分区段构建了河道的概化模型。然后本文又利用无侧流以及考虑侧流的圣维南方程组并采用Preissmann隐式差分法对河道水流演进过程进行了模拟。计算实例表明考虑区间入流和支流的流量演进模拟结果与实际过程趋势一致,峰谷对应关系良好,基本能够反映实际水流状况。最后本文将遗传算法改进的BP神经网络模型应用于河道水流传播时间的预测,并建立了相应的水流传播时间预测模型。计算实例表明本文的模型能较好的反映出不同输入下的传播时间的变动趋势,在支流流量较小的情况下能对水流的传播时间进行较准确的预测,能为河流水资源的最优利用以及水库的调度运行提供一定的参考。
(2)从水库实际调度运行需求出发,针对其入库日径流预测中存在的预见期短、预测精度低等问题进行了研究,提出了基于小波分解的日径流逐步回归预测模型。与以往的日径流预测模型不同,本文将预测水文站的上游水文站的日径流序列引入预测模型,同时利用小波分解和重构得到预测水文站及上游水文站的日径流序列在不同尺度下的概貌分量,在相关分析的基础上确定候选影响因子并利用逐步回归分析确定最优的回归预测模型。计算实例表明,本文提出的基于小波分解的逐步回归日径流预测模型的预测精度高于多元自回归模型,能对非凌汛期未来1~3天以及凌汛期1~7天的日均流量进行预测,能够为制定水电站未来的发电计划提供科学的依据。
(3)以黄河头道拐水文站为例对水流日均含沙量的预测进行了研究,在对黄河非凌汛期和凌汛期等不同径流模式下水流含沙量的影响因子进行分析的基础上,分别建立了各径流模式下的水流含沙量的神经网络预测模型。计算实例表明,与线性的多元回归模型相比,含沙量的神经网络预测模型能够更有效的处理水流含沙量与各影响因素的非线性关系,能够为河流水沙调控与水库的调度运行提供一定的参考。
(4)对水库淤积问题进行了研究,提出了水库泥沙冲淤的复合模型预测方法。为综合考虑浑水悬移质淤积和异重流泥沙淤积的双重作用,本文将非饱和不平衡输沙模型和异重流运动模型进行耦合并建立了一维耦合泥沙数学模型,对其基本方程及求解方法进行了研究,并将虚拟流动法应用于非恒定异重流模型的求解以准确的预测异重流的演进过程和流达时间。本文将该模型分别应用于万家寨水库泥沙冲淤计算和小浪底水库异重流模拟计算,计算结果表明该模型能够很好的反映水库淤积的发展变化过程,并且能够准确的模拟异重流头部的演进过程和预测其流达时间。此外,为了克服水沙动力学模型参数较多、计算繁冗的缺点,本文将一维耦合泥沙数学模型和BP神经网络模型进行复合并建立水库泥沙冲淤的复合BP网络模型,该模型的输入和输出单元具有明确的物理意义。万家寨水库泥沙冲淤快速预测实例表明复合BP网络模型具有简便、快速、精度高的优点,其计算速度高于一维耦合泥沙数学模型的250倍,既解决了水库多目标化调度中的速度瓶颈问题,又为水库管理人员提供了一个预测水库淤积的简便的方法。
(5)对水库水沙电多目标优化调度进行了研究,建立了水库水沙电多目标优化调度模型。同时,鉴于传统约束法和权重法的不足,本章结合Pareto最优解的概念在微粒群算法中引入惯性权重自适应调节机制和Pareto优解库机制形成改进多目标微粒群算法(IMOPSO),然后运用该算法对上述多目标优化模型直接求解以得到水库多目标优化问题的Pareto最优前沿。计算实例表明本章的方法能够找出具有良好分散性能的Pareto最优前沿,能非常直观的显示出各优化方案的结果,能为决策者提供更有效的支持。此外,经与NSGA-II对比,IMOPSO算法具有优良的全局寻优性能和分散性,非常适合于多目标优化问题的求解。
Sustainable development of the economy and society puts forward more and more demands for hydraulic engineering. And how to conduct multi-objective optimal operation of reservoirs to achieve the unification of short-term and long-term benefit and economic and social benefits becomes a significant research subject. In this study, some topics involved in multi-objective optimal operation of reservoirs are investigated and the conclusions are as follows:
(1) Two generalization models of natural watercourses, single channel mode and channel-beach mode, are presented to generalize the typical main sections of natural watercourses. And the flow evolution is simulated using the Saint-Venant equations set and the expansion Saint-Venant equations set with side flow which are resolved by Preissmann implicit difference method. A case study shows that the simulated flow evolution process is consistent with the actual process. Moreover, the improved BP neural network with genetic algorithm is employed to predict the propagation time of flow and the corresponding network model are established. A case study shows the neural network models are suitable for prediction of propagation time of flow.
(2) Daily runoff prediction is investigated and a stepwise regression model of daily runoff prediction based on wavelet decomposition is proposed. The daily runoff time series at the hydrological stations upstream of the hydrological station under consideration are introduced into the former model. And then, the general components of the daily runoff time series at the hydrological stations under consideration and upstream at different timescales are obtained using the wavelet decomposition and reconstruction. Taking the original daily runoff time series and their general components as candidate independent variables, the stepwise regression models of daily runoff multi-step prediction are established. A case study shows that the stepwise regression model of daily runoff prediction based on wavelet decomposition is superior to auto-regression model, and is able to predict the daily runoff in 1~3 days in non-freeze-up period and 1~7 days in freeze-up period with accepted accuracy.
(3) Prediction of sediment concentration is investigated. Taking Toudaoguai hydrological station as an example, the factors affecting the sediment concentration in the non-freeze-up and freeze-up runoff models are analyzed and the neural network models of sediment concentration prediction are established. A case study shows that, compared with the multiple regression models, the neural network models are able to simulate the nonlinear relationships between the sediment concentration and its factors much better and to provide certain reference for water and sediment regulation and reservoir operation.
(4) Reservoir sedimentation is investigated and a compound predicting model of reservoir sedimentation is proposed in this study. First, the 1-D coupled model of sediment transportation is established by combining the 1-D unsteady transportation model of non-uniform suspended load and the 1-D model of unsteady density current siltation. And then, the solutions of the 1-D coupled model of sediment transportation are studied, and the fictitious flow method is introduced to forecast the evolution and the arriving time of the density current. The study of two cases indicates that the 1-D coupled model of sediment transportation can simulate the processes of reservoir sedimentation, the evolution and arriving time of the density current very well. Finally, the compound predicting model of reservoir sedimentation is established by combining the 1-D coupled model of sediment transportation and the BP networks. A case study indicates that the compound model is more than two hundred and fifty times as efficient as the 1-D coupled model of sediment transportation and can predict reservoir sedimentation with acceptable accuracy.
(5) A multi-objective optimal operation model of water-sedimentation-power in reservoirs is established. Moreover, the inertia weight self-adjusting mechanism and Pareto-optimal set are introduced into the particle swarm optimization and an improved multi-objective particle swarm optimization (IMOPSO) is established. And then, the IMOPSO is employed to solve the optimal model and obtain the Pareto-optimal front. A case study shows that the former method is able to obtain the Pareto-optimal front with fine distribution properties. The Pareto-optimal front can reflect the results of each optimized plan intuitively and provide more effective support for the operating staff. Compared with NSGA-II, IMOPSO has close global optimization capability and is very suitable for multi-objective optimization problems.
引文
[1]中华人民共和国水利部,2006年中国水资源公报,http://www.mw.gov.cn/xygb/ szygb/qgszygb/20070927150937e792cd.aspx.
[2]中华人民共和国水利部,2006年全国水利发展统计公报,北京:中国水利水电出版社,2007.
[3]王燕生,工程水文学,北京:中国水利水电出版社,1992.11.
[4]金菊良、丁晶,水资源系统工程,成都:科学技术出版社,2002.
[5]杨旭、奕继虹、冯国章,中长期水文预报研究评述与展望,西北农业大学学报,2006.28(6):203-207.
[6] Box G E P,Time series analysis: forecasting and control,San Francisco: Holden-day,1976.
[7]卢华友、邵东国、郭元格,丹江口水库径流长期预报研究,武汉水利电力大学学报,1996,29(6):6 -10.
[8]冯国章,枯水径流预报的最优模糊划分自激励门限自回归模型,西北农业大学学报,1997,25 (2):21-26.
[9]冯国章、王双银、王学斌,自傲励门限自回归模型在枯水径流预报中的应用,西北农业大学学报,1995,23(4):78-83.
[10]陈守煜,水利水文水资源与环境模糊集分析,大连:大连工业大学出版社,1987.
[11]陈守煜,模糊水文学与水资源系统模糊优化原理,大连:大连理工大学出版社,1990.
[12]陈守煜,中长期水文预报综合分析理论模式与方法,水利学报,1997,(8):15-21.
[13]周念来、吴泽宁,水文要素模糊因果聚类预报及其应用,郑州工业大学学报,Vol.13,No.1, 2000,13(1):58-61.
[14]刘金禄,水库水温结构划分的模糊回归预测模型及其应用,水资源与水工程学报,2004,15(3):56-58.
[15]崔振才、郭林华、田文苓,水资源系统模糊优化多维动态规划模型与应用,水科学进展,2000,11(2):186-193.
[16]许海量、陈亚宁,洪水灾害等级划分的模糊聚类分析,干旱区地理,2000,23(2):21-24.
[17]邓聚龙,灰色系统基本方法,武汉:华中科技大学出版社,2005.
[18]蓝永超、康尔泗、马全杰、杨文华、姚志宗,龙羊峡水库入库径流变化特征及趋势预测,冰川冻土,1999,21(3):281-286.
[19]谢科范,评灰色系统理论,系统工程,1991,9(4):49-52.
[20]冯平、杨鹏、李润苗,枯水期径流量的中长期预报模式,水利水电技术,1992,(2):6-9.
[21]夏军,中长期径流预估的一种灰关联模式与预测方法,水科学进展,1993,4(3):190-197.
[22]陈意平、李小牛,灰色系统理论在水利中的应用及前景,人民珠江,1996(1):25-27.
[23]钟桂芳,灰色变基模型在密云水库长期水文预报中的应用,北京水利,1996,(3):47-50.
[24]李才媛,湖北省梅雨期分级降水预报试验,气象,1996,22(1):49-52.
[25]王秀英、曹文洪、覃莉,灰色系统GM(1,1)模型在预测河流水沙变化中的应用,水土保持学报,1999(5):89-95.
[26]谢和平,分形几何-数学基础与应用,重庆:重庆大学出版社,1991.
[27]朱晓华、蔡运龙、王建,中国旱涝灾害的分形结构,地球科学进展,2003,18(4):509-514.
[28]沈晓华、邹乐军、杨峰等,长江河道分形与流域构造特征的关系,浙江大学学报(理学版),2001,28(1):107-111.
[29]谢正栋、张永勤、徐敏等,淮河流域洪水的分形特征及可预报时间研究,南京大学学报(自然科学),2003,39(1):113-119.
[30]陶涛、刘遂庆,基于分形理论的需水量预测方法,同济大学学报(自然科学版),2004,32(12):1647-1650.
[31]刘德平,分形理论在水文过程形态特征分析中的应用,水利学报,1998,(2):20-25.
[32]李华晔、黄志全、姜彤,河流水系分形的初步研究,华北水利水电学院学报,1998,19(4):36-38.
[33]侯玉、吴伯贤、郑国权,分形理论用于洪水分期的初步探讨,水科学进展,1999,10(2):140-142.
[34]丁晶、王文圣、赵永龙,长江日流量混沌变化特性研究Ⅰ相空间嵌入滞时的确定,水科学进展,2003,14(4):407-411.
[35] Hense A, On the possible existence of a strange attractor for the southern oscillation, Beitr.Phys.Atmos.1987, 60(1): 34-47.
[36] Rodriguez-Iturbe I, De P F B, Sharifi M B, Chaos in rainfall, Water Resources Research, 1989,25(7):1667-1675.
[37] Sharifi M B, Georgakakos K P, Rodriguez-Iturbe I.Evidence of deterministic chaos in the pilse of storm rainfall. Journal of Atmos.Sci.1990,47(7):888-893.
[38] Jayawarden A W, Lai F.Analysis and prediction of chaos in rainfall and strean flow time series. Journal of Hydrology, 1994,153:23-52.
[39] Sivakumar B,Liong S Y.Liaw C Y.Evidence of chaotic behavior in Singapore rainfall.J.Am.Water Resour.Assoc.1998, 34(2):301-310.
[40] Sivakumar B, Liong S Y, Liaw C Y.Singapore rainfall behabior: chaotic? Journal of Hydrol.Eng.ASCE, 1999, 4(1):38-48.
[41] Sivakumar B, Phoon K K, Liong S Y.A systematic approach to noise reduction in observed chaotic time series. Journal of hydrology.1999, 219:103-135.
[42] Sivakumar B, Chaos theory in hydrology: important issues and interpretations. Journal of hydrology, 2000(227):1-20.
[43]傅军、丁晶、邓育仁,洪水混沌特性初步研究,水科学进展,1996,7(3):226-230.
[44]温权、张士军、张周胜,探求径流序列中的混沌特性,水电能源科学,1999,17(1):21-23.
[45]温权、张士军、张周胜,基于混沌动力学的日径流时间序列预测,华中理工大学学报,1998,26(12):62-64.
[46]权先璋、蒋全文、张永传,径流预报的混沌神经网络理论及应用,武汉城市建设学院学报,1999,16(3):33-36.
[47]吴越羽、张文,水文预报的人工神经网络方法,中山大学学报(自然科学版),1994,33(1):79-90.
[48]钟登华、王仁超、皮钧,水文预报时间序列神经网络模型[J],水利学报,1995,(2):69-75.
[49]胡铁松、袁鹏、丁晶,人工神经网络在水文水资源中的应用,水科学进展,1995,69(1):76-82.
[50] Hsu K, Gupta H V, Sorroshian S. Artificial neural network modeling of the rainfall-runoff process. Water Resource Research (USA), 1995,31(10): 2517-2530.
[51]蔡煜东、姚林声,径流长期预报的人工神经网络方法,水科学进展,1995(3):61-65.
[52]胡铁松、陈红坤,径流长期分级预报的模糊神经网络方法,模式识别与人工智能,1995(12):147-151.
[53]丁晶、黄伟军、邓育仁,水文水资源人工神经网络模型的研究[J],水资源研究,1996,17(1):22-24.
[54]丁晶、邓育仁、安雪松,人工神经前馈(BP)网络模型用作过渡期径流预报的探讨,水电站设计,1997,13(2):69-74.
[55]胡铁松、丁晶,径流长期分级预报的Kohonen网络方法,水电站设计,1997,13(2):24-29. 97
[56]冯国章、李佩成,人工神经网络结构对径流预报精度的影响分析,自然资源学报,1998,13(2):169-174.
[57]丘林、陈守煜、聂相田,模糊模式识别神经网络预测模型及其应用,水科学进展,1998,9(3):258-264.
[58]苑希民、刘树坤,基于人工神经网络的多泥沙洪水预报,水科学进展,1999(12):394-398.
[59] Lorrai M, Sechi G M.Neural nets for modeling rainfall-runoff transformations, Water Resources Management, 1995(9):299-313.
[60] Mason J C, Price P K, Tem A.A neural network model of rainfall-runoff using radial basis functions, Journal of Hydraulic Resserch, 1996,34(4):537-548.
[61]崔锦泰(程正兴译),小波分析导论,西安:西安交通大学出版社,1995.
[62]刘贵忠,邸双亮,小波分析及应用,西安:西安电子科技大学出版社,1995.
[63]杨福生,小波变换的工程分析与应用,北京:科学出版社,2003.
[64] Kumar P, Foufoula-Georgiou E,A multi-component decomposition of spatial rainfall fields1.segregution of Large and Small Scale features using Wavelet transforms, Water Resources Research,1993,29(8):2515-2532.
[65]赵永龙、丁晶、邓育仁,混沌小波网络模型及其在水文中长期预测中的应用,水科学进展,1998,993):252-257.
[66]李贤彬、丁晶、李后强,基于子波变换序列的人工神经网络组合预测,水利学报,1999(2):1-4.
[67]尤卫红、杞明辉、段旭,小波变换在短期气候预测模型研究中的应用,高原气象,2004(23):46-49.
[68]金龙、秦伟良、姚华栋,多步预测的小波神经网络预报模型,大气科学,2000,24(1):71-86.
[69]王文圣、向红莲、丁晶,最近邻抽样回归模型在水文水资源预报中的应用,水电能源科学,2001,19(2):8-10.
[70]王文圣、熊华康、丁晶,日流量预测的小波网络模型初步探讨,水科学进展,2004,15(4):382-386.
[71]王文圣、李跃清、向红莲,基于小波分析的组合随机模型及其在径流随机模拟中的应用,高原气象,2004(23):46-49.
[72]荣丰涛、曲小红,河流逐月输沙率时间序列的人工生成,泥沙研究,1987(2):60-67.
[73]荣丰涛、王景新,利用模糊相似方法解集人工生成的水沙月序列资料,泥沙研究,1988(2):9-16.
[74]胡荣轩、陈小红,黄河下游水、沙过程预报,泥沙研究,1989(2):25-34.
[75]姜乃森、傅玲燕,中国的水库泥沙淤积问题,湖泊科学,1997,9(1):1-8.
[76]钱宁、万兆惠,泥沙运动力学,北京:科学出版社,1983.
[77]武汉水利电力学院河流泥沙工程学教研室,河流泥沙工程学(下册),武汉:武汉水利电力出版社,1983.
[78] Harrison AS,Deposition at the heads of reservoirs,Proc. Fifth Hydraulic Conference,Bulletin 34,Iowa studies in Engineering,Iowa City,1953.
[79] Hansen W, Theorie Zui Errechnung des Wasserstandes und der Stromungen in Randmecren nebst Anwendungen,Tellus, 1956,8(3).
[80]水利水电科学研究院,水库淤积问题的研究,北京:水利电力出版社,1959.
[81]谢鉴衡、张植堂等,下荆江系统裁弯后的河床演变研究,武汉水利电力学院研究报告,1959.
[82]张瑞瑾等编,河流动力学,北京:中国工业出版社,1961.
[83]沙玉清,泥沙运动力学,北京:中国工业出版社,1965.
[84]张瑞瑾、谢鉴衡、王明甫、黄金堂编著,河流泥沙动力学,武汉:水利电力出版社.
[85]窦国仁,泥沙运动理论,南京:南京水利科学研究所,1963.
[86]侯晖昌,河流动力学基本问题,北京:水利出版社,1982.
[87]韩其为、何明民,泥沙运动统计理论,北京:科学出版社,1984.
[88]王光谦,中国泥沙研究述评,水科学进展,1999(9):337-344.
[89] Feldman AD, Hec models for water resources system simulation: theory and experience, The Hydraulic Engineering Center, Davis, California, 1981.
[90] Chen YH, Water and sediment routing in the rivers modeling, Modeling of Rivers edited by Shen HW, New York, John Wiley and Sons,1979.
[91] Karim MF and Kennedy JF, Alluvial: a computer-based flow-and-sediment-routing model for alluvial streams and its application to the Missouri River, Iowa Institute of Hydraulic Research, The University of Iowa, 1982.
[92] Chang HH, Mathematical model for erodible channels, Journal of the Hydraulics Division, 1982,108(5):678-689.
[93] Klaassen GJ, Klomp R and Van Der Zwaard JJ, Planning and Environment impact assessment of river engineering works via mathematical models, Delft Hydraulics Laboratory, Delft, Netherlands, Publication No.273, 1982.
[94] Challet JP and Cunge JA, Simulation of unsteady flow in alluvial streams, Proceedings of the International Symposium on River Sedimentation,北京:光华出版社,1980.
[95]许协庆、朱鹏程,河床变形问题的特征线解,水利学报,1964(5).
[96]韩其为,非均匀悬移质不平衡输沙的研究,科学通报,1979(17):804-808.
[97] Flokstra C and Koch FG, Numerical aspects of bed level prediction for alluvial bends, Delft Hydraulics Laboratory, Delft, Netherlands, Publication No.258, 1981.
[98]谢鉴衡、魏良琰,河流泥沙数学模型的回顾与展望,泥沙研究,1987(3):1-13.
[99]陈国祥、陈界仁、沙捞·巴里,三维泥沙数学模型的研究进展,水利水电科技进展,1998,18(1):13-19.
[100]范家骅,官厅水库异重流的初步研究,泥沙研究,1958,3(4):34-53.
[101]水利水电科学研究员河渠研究所,异重流的研究和应用,北京:水利电力出版社,1959.
[102]吴德一,关于水库异重流德计算方法,泥沙研究,1983(2):54-63.
[103]韩其为、向熙珑,异重流的输沙规律,人民长江,1981(4):76-81.
[104]王光谦、方红卫,异重流运动基本方程,科学通报,1996,41(18):1715-1720.
[105]王光谦、周建军、杨本均,二维泥沙异重流运动的数学模型,应用基础与工程科学学报,2000,8(1):52-60.
[106]张俊华、张红武、王严平和张柏山,多沙水库准二维泥沙数学模型,水动力学研究与进展A辑,1999,14(1):45-50.
[107]胡运全,运筹学,北京:清华大学出版社,1999.
[108]叶秉如,水资源系统优化规划和调度,北京:中国水利水电出版社,2001.
[109]冯尚友,水资源系统工程,武汉:湖北科学技术出版社,1991.
[110]周明、孙树栋,遗传算法原理及应用,北京:国防工业出版社,1999.
[111]谭维炎、黄守信等,利用随机动态规划进行水电站水库的优化调度,水利学报,1982(7):1-7.
[112]张勇传、熊斯毅等,拓溪水电站水库优化调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985,1-4.
[113]董子敖、闫建生、尚忠昌、孙宗义,改变约束法和国民经济效益最大准则在水电站水库优化调度中的应用,水力发电学报,1983(2):1-11.
[114]施熙灿、林翔岳等,考虑保证率约束的马氏决策规划在水库优化调度中的应用,水力发电学报,1982 (2):11-2l.
[115]张勇传、傅昭阳,水库优化调度中的几个理论问题,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:28-40.
[116]鲁子林等,电子计算机在洪水预报水库调度中的应用,北京:水利电力出版社,1983.
[117]李寿声、彭世彰,多种水源联合运用非线性规划灌溉模型,水利学报,1986(6):11-19.
[118]王厥谋,丹江口水库防洪优化调度模型简介,水利水电技术,1985 (8):54-58.
[119]张玉新、冯尚友,多维决策的多目标动态规划及其应用,水利学报,1986(7):1-10.
[120]张玉新、冯尚友,多目标动态规划逐次这代算法,武汉水利电力学院学报,1988(6):73-81.
[121]谭维炎、刘健民等,四川水电站群水库优化调度图及其计算,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985.
[122]张勇传、李福生、熊斯毅、黄益芬,水电站水库群优化调度方法的研究,水力发电,1989(11):48-52.
[123]熊斯毅、邴凤山,湖南杨、马、双、风水库群联合优化调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:58-64.
[124]叶秉如等,水电站库群的年员优调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:65-73.
[125]黄守信、方淑秀等,两个无水力联系水库的优化调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:85-89.
[126]鲁子林,水库群调度网络分析法,华东水利学院学报.1983(4):35-48.
[127]董子敖、阎建生,计入径流时间空间相关关系的梯级水库群优化调度的多层次法,水电能源科学,1987,5(1):29-40.
[128]叶秉如等,红水河梯级优化调度的多次动态组划和空间分解算法,红水河水电最优开发数学模型研究论文集,南京:河南大学,1998.
[129]胡振鹏,大系统多目标决策分析的分解-聚合方法、原理与应用,武汉:武汉水利电力学院,1987 .
[130]解建仓、田峰巍、黄强、沈晋,大系统分解协调算法在黄河干流水库联合调度中的应用,西安理工大学学报,1998,14(1):1-5.
[131]吴保生、陈惠源,多库防洪系统优化调度的一种解算方法,水利学报,1991(11):35-40.
[132]都金康、周广安,水库群防洪调度的逐次优化方法,水科学进展,1994,5(2):134-141.
[133]邵东国,多目标水资源系统自优化实时调度模型研究,系统工程,1998(9):19-24.
[134]张勇传、邴凤山等,水库优化调度的模糊数学方法,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:130-140.
[135]陈守煜,多阶段多目标决策系统模糊优选理论及其应用,水利学报,1990(1):1-10.
[136]陈守煜、赵瑛琪,系统层次分析模糊优选模型,水利学报,1988(10):1-10.
[137]王本德、周惠成、程春田,梯级水库群防洪系统的多目标洪水调度决策的模糊优选,水利学报,1994(4):33-39.
[138]农卫红,多目标模糊优选理论在水资源系统中的应用,广西水利水电,2001(3):1-4.
[139]韦柳涛,神经网络与基因遗传理论及其在水电能源系统中的应用研究,华中理工大学博士学位论文,1994.
[140]王黎、马光文,基于遗传算法的水电站调度新方法,系统工程理论与实践,1997(7):65-82.
[141]伍永刚,双链态遗传算法及其在电力系统和梯级水电站优化调度中的应用,博士学位论文,华中理工大学,1997.
[142]金菊良,遗传算法在水资源工程中的应用研究,博士后学位论文,四川大学,2000.
[143]畅建霞、黄强、王义民,基于改进遗传算法的水电站水库优化调度,水力发电学报,2001(3):85-90.
[144]王大刚、程春田、李敏,基于遗传算法的水电站优化调度研究,华北水利水电学院学报,2001(3):5-10.
[145]林焰、郝聚民、纪卓尚,基于模糊优选的多目标优化遗传算法,系统工程理论与实践,1999(12):31-37.
[146]沈军、刘勇建,水资源优化配置模型参数识别的遗传算法,武汉大学学报,2002(6):13-16.
[147]徐琦,遗传算法的改进及其应用研究,博士学位论文,华中科技大学,2001.
[148]王小安、李承军,遗传算法在短期发电优化调度中的研究与应用,长江科学院院报,2003(4):13-15.
[149]杜丹、朱仲元,基于遗传算法的多目标串联水库系统优化调度方法,内蒙古农业大学学报,2004,25(2):86-90.
[150]胡明罡、练继建,基于改进遗传算法的水电站日优化调度方法研究,水力发电学报,2004,23(4):17-21.
[151]罗云霞、周慕逊、江振东、陈永宝,基于改进遗传算法的串联小水电群优化调度,水电自动化与大坝监测,2004,28(3):66-69.
[152]董纯、康玲、候国祥,基于遗传模拟退火法的马斯京根方程参数估计,华中科技大学学报(自然科学版),2002,30(10):20-22.
[153]范家骅、王承数、李昌华译,河道水流动力学,电力工业出版社,1956.1.
[154]吴持恭,水力学(上),北京:高等教育出版社,1982.11.
[155]王燕生,工程水文学,北京:水利电力出版社,1992.
[156]丁晶,刘权授.随机水文学[M].北京:中国水利电力出版社,1997.
[157]龚传利,康玲,姜铁兵.基于遗传BP算法的日径流预测[J].西北水电,2003(4):1-3.
[158]丁涛,周惠成,黄健辉.混沌水文时间序列区间预测研究[J].水利学报,2004(12):15-20.
[159]夏军.灰色系统水文学:理论、方法及应用[M].武汉:华中理工大学出版社,2000.
[160]陈守煜.工程模糊集理论及应用[M].北京:国防工业出版社,1998.
[161]王文圣,丁晶,衡彤.长江宜昌年最大洪峰周期分析和长期预报研究[J].四川大学学报(工程科学版),2003.34(1):20-23.
[162]丁晶.不确定性分析新途径[J].中国水利学会水文学术论文集,1998.
[163] Morlet J, Arens G, Fourgeau E, Giard D.Wave propagation and sampling theory-Part I: Complex signal and scattering in multilayered media[J].Geophysics,1982.47(2):203-221.
[164] Morlet J, Arens G, Fourgeau E, Giard D.Wave propagation and sampling theory-Part II: Sampling theory and complex waves[J].Geophysics,1982.47(2):222-236.
[165]王文圣,丁晶,李跃清.水文小波分析[M].北京:化学工业出版社,2005.
[166]王秀杰,练继建,费守明,张卓.基于小波消噪的混沌多元回归日径流预测模型[J].系统仿真学报,2007.19(15):3605-3608.
[167]中国科学院数学研究所数理统计组.回归分析方法[M].北京:科学出版社,1974.
[168]王汉成,水土保持原理,北京:水利电力出版社,1992.
[169]包为民,概念性汇沙模型初探,河海大学学报,1990,18 (6):24-29.
[170]包为民,黄土地区小流域产沙概念性模拟研究,水科学进展,1993,4 (1):44-50.
[171]包为民、陈耀庭,中大流域水沙耦合模拟物理概念模型,水科学进展,1994,5(4):287-292.
[172]包为民,小流域水沙耦合模拟概念模型,地理研究,1995,14(2):27-34.
[173]邓新民、李祚泳,流域年均含沙量的BP网络预测模型及其效果检验,成都气象学院学报,1997,12(2):119-123.
[174]陈集中,应用人工神经网络BP模型预测乌江流域年平均含沙量,水文,2005,25(4):6-9.
[175]许全喜,人工神经网络模型在流域水沙预报中的应用,人民长江,2000,31(5):30-32.
[176]魏良琰、黄继忠,冰盖流阻力与综合Manning糙率,武汉大学学报(工学版),2002,35(4):1-8.
[177]茅泽育、马吉明、余云童、吴剑疆,封冻河道的阻力研究,水利学报,2002(5):59-64.
[178]李长兴,论悬移质河道输沙及水沙关系,西北水资源与水工程,1995,6(2):21-26.
[179] Beschta, RL, Conceptual models of sediment transport in streams, RL Beschta Sediment Transfer in Gravel-Bed Rivers, John Wiley and Sons New York, 1987:387-408.
[180] Charles, GC, Estimation of suspended sediment rating curves and mean suspended sediment loads, Journal of Hydrology,1991(129):331-348.
[181] Karen, AL, An evaluation of transfer-function/noise models of suspended sediment concentration, Professional Geographer, 1990,42(3):324-336.
[182]刘媛媛、练继建,遗传算法改进的BP神经网络对汛期三门峡水库泥沙冲淤量的计算,水力发电学报,2005,24(4):110-113.
[183] Fan J and Morris G.L, Reservoir sedimentation II: reservoir desiltation and long-term storage capacity, Journal of Hydraulic Engineering, 1992,118(3):370-384.
[184]李涛、谈广鸣、张俊华、王以生,水库异重流的研究进展,中国农村水利水电,2006(9):21-24.
[185] Fausett L, Fundamentals of neural networks, Prentice Hall, Englewood Cliffs, N.J. 1994.
[186] Fan J, Experimental studies on density currents, Scientia Sinica, 1960,9(2):275-303.
[187]韩其为、何明民,泥沙数学模型中冲淤计算的几个问题,水利学报,1988(5):16-25.
[188]范家骅,异重流泥沙淤积的分析,中国科学,1980(1):82-89.
[189]李义天、尚全民,一维不恒定流泥沙数学模型研究,泥沙研究,1998(1):81-87.
[190]黄永健、范家骅,非恒定异重流计算,水利水电科学研究院科学研究论文集第26集(水力学、泥沙、冷却水),北京:水利电力出版社,1987.7.
[191]韩其为,水库淤积,北京:科学出版社,2003.8.
[192]马喜祥、路新川、任红俊,黄河万家寨水库的泥沙设计与运行,泥沙研究,2005(4):59-63.
[193]练继建、刘媛媛、胡明罡、张金良,应用改进BP网络对潼关高程的预测,水利学报,2003(8):96-100.
[194]练继建、刘媛媛、胡明罡、张金良,基于改进BP网络对三门峡水库泥沙冲淤量的计算,天津大学学报,2004,37(10):882-885.
[195]邵东国、夏军、孙志强,多目标综合利用水库实时优化调度模型研究,水电能源科学,1998,16(4):7-11.
[196]鲍卫锋、黄介生、杨芳、谢华、赵微,基于多目标动态规划模型的水库优化调度研究,西安理工大学学报,2005,21(4):421-424.
[197]林翔岳、许丹萍、潘敏贞,综合利用水库群多目标优化调度,水科学进展,1992,3(2):112-119.
[198] Fonseca C M and Fleming P J, Genetic algorithms for multiobjective optimization: formulation, discussion and generalization, Proceedings of the 5th International Conference on Genetic Algorithms, Morgan Kaufmann, San Mateo, CA, 1993:141-153.
[199] Srinivas N and Deb K, Multiobjective optimization using nondominated sorting in genetic algorithms, IEEE Transactions on Evolutionary Computation ,1994,2(3):221-248.
[200] Horn J and Nafpliotis N, Multiobjective optimization using the niched Pareto genetic algorithm, University of Illinois at Urbana-Champaign,Urbana,Illinois,USA: Technical Report, 1993.
[201] Kennedy J and Eberhart R, Particle swarm optimization, Proc IEEE Int Conf on Neural Networks, Perth, 1995:1942-1948.
[202] Millonas M M,Swadrms Phase Transition and Collective Intelligence,MA: Addison Wesley, 1994.
[203] Lin J. Multiple-objective problems: Pareto-optimal solutions by method of proper equality constraints, IEEE Transactions on Automatic Control, 1976,21(5):641-650.
[204] Shi Yuhui and Eberhart R, A modified particle swarm optimizer, Proc IEEE Int Conf on Evolutionary Computation, Anchorage, 1998:69-73.
[205] Kennedy J and Eberhart R,Particle swarm optimization,Proc IEEE Int Conf on Neural Networks, Perth, 1995, 1942-1948.
[206] Shi Yuhui and Eberhart R,A modified particle swarm optimizer,Proc IEEE Int Conf on Evolutionary Computation, Anchorage, 1998:69-73.
[207] Zitzler E, Laumanns M and Bleuler S, A tutorial on evolutionary multi-objective optimization, Metaheuristics for Multiobjective Optimization,2004,2(1):3-37.
[208] Deb K, Pratap A, Agarwal S and Meyarivan T, A fast and elitist multiobjective genetic algorithm: NSGA-II, IEEE Transactions on Evolutionary Computation, 2002,6(2):182-197.
[2]中华人民共和国水利部,2006年全国水利发展统计公报,北京:中国水利水电出版社,2007.
[3]王燕生,工程水文学,北京:中国水利水电出版社,1992.11.
[4]金菊良、丁晶,水资源系统工程,成都:科学技术出版社,2002.
[5]杨旭、奕继虹、冯国章,中长期水文预报研究评述与展望,西北农业大学学报,2006.28(6):203-207.
[6] Box G E P,Time series analysis: forecasting and control,San Francisco: Holden-day,1976.
[7]卢华友、邵东国、郭元格,丹江口水库径流长期预报研究,武汉水利电力大学学报,1996,29(6):6 -10.
[8]冯国章,枯水径流预报的最优模糊划分自激励门限自回归模型,西北农业大学学报,1997,25 (2):21-26.
[9]冯国章、王双银、王学斌,自傲励门限自回归模型在枯水径流预报中的应用,西北农业大学学报,1995,23(4):78-83.
[10]陈守煜,水利水文水资源与环境模糊集分析,大连:大连工业大学出版社,1987.
[11]陈守煜,模糊水文学与水资源系统模糊优化原理,大连:大连理工大学出版社,1990.
[12]陈守煜,中长期水文预报综合分析理论模式与方法,水利学报,1997,(8):15-21.
[13]周念来、吴泽宁,水文要素模糊因果聚类预报及其应用,郑州工业大学学报,Vol.13,No.1, 2000,13(1):58-61.
[14]刘金禄,水库水温结构划分的模糊回归预测模型及其应用,水资源与水工程学报,2004,15(3):56-58.
[15]崔振才、郭林华、田文苓,水资源系统模糊优化多维动态规划模型与应用,水科学进展,2000,11(2):186-193.
[16]许海量、陈亚宁,洪水灾害等级划分的模糊聚类分析,干旱区地理,2000,23(2):21-24.
[17]邓聚龙,灰色系统基本方法,武汉:华中科技大学出版社,2005.
[18]蓝永超、康尔泗、马全杰、杨文华、姚志宗,龙羊峡水库入库径流变化特征及趋势预测,冰川冻土,1999,21(3):281-286.
[19]谢科范,评灰色系统理论,系统工程,1991,9(4):49-52.
[20]冯平、杨鹏、李润苗,枯水期径流量的中长期预报模式,水利水电技术,1992,(2):6-9.
[21]夏军,中长期径流预估的一种灰关联模式与预测方法,水科学进展,1993,4(3):190-197.
[22]陈意平、李小牛,灰色系统理论在水利中的应用及前景,人民珠江,1996(1):25-27.
[23]钟桂芳,灰色变基模型在密云水库长期水文预报中的应用,北京水利,1996,(3):47-50.
[24]李才媛,湖北省梅雨期分级降水预报试验,气象,1996,22(1):49-52.
[25]王秀英、曹文洪、覃莉,灰色系统GM(1,1)模型在预测河流水沙变化中的应用,水土保持学报,1999(5):89-95.
[26]谢和平,分形几何-数学基础与应用,重庆:重庆大学出版社,1991.
[27]朱晓华、蔡运龙、王建,中国旱涝灾害的分形结构,地球科学进展,2003,18(4):509-514.
[28]沈晓华、邹乐军、杨峰等,长江河道分形与流域构造特征的关系,浙江大学学报(理学版),2001,28(1):107-111.
[29]谢正栋、张永勤、徐敏等,淮河流域洪水的分形特征及可预报时间研究,南京大学学报(自然科学),2003,39(1):113-119.
[30]陶涛、刘遂庆,基于分形理论的需水量预测方法,同济大学学报(自然科学版),2004,32(12):1647-1650.
[31]刘德平,分形理论在水文过程形态特征分析中的应用,水利学报,1998,(2):20-25.
[32]李华晔、黄志全、姜彤,河流水系分形的初步研究,华北水利水电学院学报,1998,19(4):36-38.
[33]侯玉、吴伯贤、郑国权,分形理论用于洪水分期的初步探讨,水科学进展,1999,10(2):140-142.
[34]丁晶、王文圣、赵永龙,长江日流量混沌变化特性研究Ⅰ相空间嵌入滞时的确定,水科学进展,2003,14(4):407-411.
[35] Hense A, On the possible existence of a strange attractor for the southern oscillation, Beitr.Phys.Atmos.1987, 60(1): 34-47.
[36] Rodriguez-Iturbe I, De P F B, Sharifi M B, Chaos in rainfall, Water Resources Research, 1989,25(7):1667-1675.
[37] Sharifi M B, Georgakakos K P, Rodriguez-Iturbe I.Evidence of deterministic chaos in the pilse of storm rainfall. Journal of Atmos.Sci.1990,47(7):888-893.
[38] Jayawarden A W, Lai F.Analysis and prediction of chaos in rainfall and strean flow time series. Journal of Hydrology, 1994,153:23-52.
[39] Sivakumar B,Liong S Y.Liaw C Y.Evidence of chaotic behavior in Singapore rainfall.J.Am.Water Resour.Assoc.1998, 34(2):301-310.
[40] Sivakumar B, Liong S Y, Liaw C Y.Singapore rainfall behabior: chaotic? Journal of Hydrol.Eng.ASCE, 1999, 4(1):38-48.
[41] Sivakumar B, Phoon K K, Liong S Y.A systematic approach to noise reduction in observed chaotic time series. Journal of hydrology.1999, 219:103-135.
[42] Sivakumar B, Chaos theory in hydrology: important issues and interpretations. Journal of hydrology, 2000(227):1-20.
[43]傅军、丁晶、邓育仁,洪水混沌特性初步研究,水科学进展,1996,7(3):226-230.
[44]温权、张士军、张周胜,探求径流序列中的混沌特性,水电能源科学,1999,17(1):21-23.
[45]温权、张士军、张周胜,基于混沌动力学的日径流时间序列预测,华中理工大学学报,1998,26(12):62-64.
[46]权先璋、蒋全文、张永传,径流预报的混沌神经网络理论及应用,武汉城市建设学院学报,1999,16(3):33-36.
[47]吴越羽、张文,水文预报的人工神经网络方法,中山大学学报(自然科学版),1994,33(1):79-90.
[48]钟登华、王仁超、皮钧,水文预报时间序列神经网络模型[J],水利学报,1995,(2):69-75.
[49]胡铁松、袁鹏、丁晶,人工神经网络在水文水资源中的应用,水科学进展,1995,69(1):76-82.
[50] Hsu K, Gupta H V, Sorroshian S. Artificial neural network modeling of the rainfall-runoff process. Water Resource Research (USA), 1995,31(10): 2517-2530.
[51]蔡煜东、姚林声,径流长期预报的人工神经网络方法,水科学进展,1995(3):61-65.
[52]胡铁松、陈红坤,径流长期分级预报的模糊神经网络方法,模式识别与人工智能,1995(12):147-151.
[53]丁晶、黄伟军、邓育仁,水文水资源人工神经网络模型的研究[J],水资源研究,1996,17(1):22-24.
[54]丁晶、邓育仁、安雪松,人工神经前馈(BP)网络模型用作过渡期径流预报的探讨,水电站设计,1997,13(2):69-74.
[55]胡铁松、丁晶,径流长期分级预报的Kohonen网络方法,水电站设计,1997,13(2):24-29. 97
[56]冯国章、李佩成,人工神经网络结构对径流预报精度的影响分析,自然资源学报,1998,13(2):169-174.
[57]丘林、陈守煜、聂相田,模糊模式识别神经网络预测模型及其应用,水科学进展,1998,9(3):258-264.
[58]苑希民、刘树坤,基于人工神经网络的多泥沙洪水预报,水科学进展,1999(12):394-398.
[59] Lorrai M, Sechi G M.Neural nets for modeling rainfall-runoff transformations, Water Resources Management, 1995(9):299-313.
[60] Mason J C, Price P K, Tem A.A neural network model of rainfall-runoff using radial basis functions, Journal of Hydraulic Resserch, 1996,34(4):537-548.
[61]崔锦泰(程正兴译),小波分析导论,西安:西安交通大学出版社,1995.
[62]刘贵忠,邸双亮,小波分析及应用,西安:西安电子科技大学出版社,1995.
[63]杨福生,小波变换的工程分析与应用,北京:科学出版社,2003.
[64] Kumar P, Foufoula-Georgiou E,A multi-component decomposition of spatial rainfall fields1.segregution of Large and Small Scale features using Wavelet transforms, Water Resources Research,1993,29(8):2515-2532.
[65]赵永龙、丁晶、邓育仁,混沌小波网络模型及其在水文中长期预测中的应用,水科学进展,1998,993):252-257.
[66]李贤彬、丁晶、李后强,基于子波变换序列的人工神经网络组合预测,水利学报,1999(2):1-4.
[67]尤卫红、杞明辉、段旭,小波变换在短期气候预测模型研究中的应用,高原气象,2004(23):46-49.
[68]金龙、秦伟良、姚华栋,多步预测的小波神经网络预报模型,大气科学,2000,24(1):71-86.
[69]王文圣、向红莲、丁晶,最近邻抽样回归模型在水文水资源预报中的应用,水电能源科学,2001,19(2):8-10.
[70]王文圣、熊华康、丁晶,日流量预测的小波网络模型初步探讨,水科学进展,2004,15(4):382-386.
[71]王文圣、李跃清、向红莲,基于小波分析的组合随机模型及其在径流随机模拟中的应用,高原气象,2004(23):46-49.
[72]荣丰涛、曲小红,河流逐月输沙率时间序列的人工生成,泥沙研究,1987(2):60-67.
[73]荣丰涛、王景新,利用模糊相似方法解集人工生成的水沙月序列资料,泥沙研究,1988(2):9-16.
[74]胡荣轩、陈小红,黄河下游水、沙过程预报,泥沙研究,1989(2):25-34.
[75]姜乃森、傅玲燕,中国的水库泥沙淤积问题,湖泊科学,1997,9(1):1-8.
[76]钱宁、万兆惠,泥沙运动力学,北京:科学出版社,1983.
[77]武汉水利电力学院河流泥沙工程学教研室,河流泥沙工程学(下册),武汉:武汉水利电力出版社,1983.
[78] Harrison AS,Deposition at the heads of reservoirs,Proc. Fifth Hydraulic Conference,Bulletin 34,Iowa studies in Engineering,Iowa City,1953.
[79] Hansen W, Theorie Zui Errechnung des Wasserstandes und der Stromungen in Randmecren nebst Anwendungen,Tellus, 1956,8(3).
[80]水利水电科学研究院,水库淤积问题的研究,北京:水利电力出版社,1959.
[81]谢鉴衡、张植堂等,下荆江系统裁弯后的河床演变研究,武汉水利电力学院研究报告,1959.
[82]张瑞瑾等编,河流动力学,北京:中国工业出版社,1961.
[83]沙玉清,泥沙运动力学,北京:中国工业出版社,1965.
[84]张瑞瑾、谢鉴衡、王明甫、黄金堂编著,河流泥沙动力学,武汉:水利电力出版社.
[85]窦国仁,泥沙运动理论,南京:南京水利科学研究所,1963.
[86]侯晖昌,河流动力学基本问题,北京:水利出版社,1982.
[87]韩其为、何明民,泥沙运动统计理论,北京:科学出版社,1984.
[88]王光谦,中国泥沙研究述评,水科学进展,1999(9):337-344.
[89] Feldman AD, Hec models for water resources system simulation: theory and experience, The Hydraulic Engineering Center, Davis, California, 1981.
[90] Chen YH, Water and sediment routing in the rivers modeling, Modeling of Rivers edited by Shen HW, New York, John Wiley and Sons,1979.
[91] Karim MF and Kennedy JF, Alluvial: a computer-based flow-and-sediment-routing model for alluvial streams and its application to the Missouri River, Iowa Institute of Hydraulic Research, The University of Iowa, 1982.
[92] Chang HH, Mathematical model for erodible channels, Journal of the Hydraulics Division, 1982,108(5):678-689.
[93] Klaassen GJ, Klomp R and Van Der Zwaard JJ, Planning and Environment impact assessment of river engineering works via mathematical models, Delft Hydraulics Laboratory, Delft, Netherlands, Publication No.273, 1982.
[94] Challet JP and Cunge JA, Simulation of unsteady flow in alluvial streams, Proceedings of the International Symposium on River Sedimentation,北京:光华出版社,1980.
[95]许协庆、朱鹏程,河床变形问题的特征线解,水利学报,1964(5).
[96]韩其为,非均匀悬移质不平衡输沙的研究,科学通报,1979(17):804-808.
[97] Flokstra C and Koch FG, Numerical aspects of bed level prediction for alluvial bends, Delft Hydraulics Laboratory, Delft, Netherlands, Publication No.258, 1981.
[98]谢鉴衡、魏良琰,河流泥沙数学模型的回顾与展望,泥沙研究,1987(3):1-13.
[99]陈国祥、陈界仁、沙捞·巴里,三维泥沙数学模型的研究进展,水利水电科技进展,1998,18(1):13-19.
[100]范家骅,官厅水库异重流的初步研究,泥沙研究,1958,3(4):34-53.
[101]水利水电科学研究员河渠研究所,异重流的研究和应用,北京:水利电力出版社,1959.
[102]吴德一,关于水库异重流德计算方法,泥沙研究,1983(2):54-63.
[103]韩其为、向熙珑,异重流的输沙规律,人民长江,1981(4):76-81.
[104]王光谦、方红卫,异重流运动基本方程,科学通报,1996,41(18):1715-1720.
[105]王光谦、周建军、杨本均,二维泥沙异重流运动的数学模型,应用基础与工程科学学报,2000,8(1):52-60.
[106]张俊华、张红武、王严平和张柏山,多沙水库准二维泥沙数学模型,水动力学研究与进展A辑,1999,14(1):45-50.
[107]胡运全,运筹学,北京:清华大学出版社,1999.
[108]叶秉如,水资源系统优化规划和调度,北京:中国水利水电出版社,2001.
[109]冯尚友,水资源系统工程,武汉:湖北科学技术出版社,1991.
[110]周明、孙树栋,遗传算法原理及应用,北京:国防工业出版社,1999.
[111]谭维炎、黄守信等,利用随机动态规划进行水电站水库的优化调度,水利学报,1982(7):1-7.
[112]张勇传、熊斯毅等,拓溪水电站水库优化调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985,1-4.
[113]董子敖、闫建生、尚忠昌、孙宗义,改变约束法和国民经济效益最大准则在水电站水库优化调度中的应用,水力发电学报,1983(2):1-11.
[114]施熙灿、林翔岳等,考虑保证率约束的马氏决策规划在水库优化调度中的应用,水力发电学报,1982 (2):11-2l.
[115]张勇传、傅昭阳,水库优化调度中的几个理论问题,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:28-40.
[116]鲁子林等,电子计算机在洪水预报水库调度中的应用,北京:水利电力出版社,1983.
[117]李寿声、彭世彰,多种水源联合运用非线性规划灌溉模型,水利学报,1986(6):11-19.
[118]王厥谋,丹江口水库防洪优化调度模型简介,水利水电技术,1985 (8):54-58.
[119]张玉新、冯尚友,多维决策的多目标动态规划及其应用,水利学报,1986(7):1-10.
[120]张玉新、冯尚友,多目标动态规划逐次这代算法,武汉水利电力学院学报,1988(6):73-81.
[121]谭维炎、刘健民等,四川水电站群水库优化调度图及其计算,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985.
[122]张勇传、李福生、熊斯毅、黄益芬,水电站水库群优化调度方法的研究,水力发电,1989(11):48-52.
[123]熊斯毅、邴凤山,湖南杨、马、双、风水库群联合优化调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:58-64.
[124]叶秉如等,水电站库群的年员优调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:65-73.
[125]黄守信、方淑秀等,两个无水力联系水库的优化调度,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:85-89.
[126]鲁子林,水库群调度网络分析法,华东水利学院学报.1983(4):35-48.
[127]董子敖、阎建生,计入径流时间空间相关关系的梯级水库群优化调度的多层次法,水电能源科学,1987,5(1):29-40.
[128]叶秉如等,红水河梯级优化调度的多次动态组划和空间分解算法,红水河水电最优开发数学模型研究论文集,南京:河南大学,1998.
[129]胡振鹏,大系统多目标决策分析的分解-聚合方法、原理与应用,武汉:武汉水利电力学院,1987 .
[130]解建仓、田峰巍、黄强、沈晋,大系统分解协调算法在黄河干流水库联合调度中的应用,西安理工大学学报,1998,14(1):1-5.
[131]吴保生、陈惠源,多库防洪系统优化调度的一种解算方法,水利学报,1991(11):35-40.
[132]都金康、周广安,水库群防洪调度的逐次优化方法,水科学进展,1994,5(2):134-141.
[133]邵东国,多目标水资源系统自优化实时调度模型研究,系统工程,1998(9):19-24.
[134]张勇传、邴凤山等,水库优化调度的模糊数学方法,优化理论在水库调度中的应用,长沙:湖南科学技术出版社,1985:130-140.
[135]陈守煜,多阶段多目标决策系统模糊优选理论及其应用,水利学报,1990(1):1-10.
[136]陈守煜、赵瑛琪,系统层次分析模糊优选模型,水利学报,1988(10):1-10.
[137]王本德、周惠成、程春田,梯级水库群防洪系统的多目标洪水调度决策的模糊优选,水利学报,1994(4):33-39.
[138]农卫红,多目标模糊优选理论在水资源系统中的应用,广西水利水电,2001(3):1-4.
[139]韦柳涛,神经网络与基因遗传理论及其在水电能源系统中的应用研究,华中理工大学博士学位论文,1994.
[140]王黎、马光文,基于遗传算法的水电站调度新方法,系统工程理论与实践,1997(7):65-82.
[141]伍永刚,双链态遗传算法及其在电力系统和梯级水电站优化调度中的应用,博士学位论文,华中理工大学,1997.
[142]金菊良,遗传算法在水资源工程中的应用研究,博士后学位论文,四川大学,2000.
[143]畅建霞、黄强、王义民,基于改进遗传算法的水电站水库优化调度,水力发电学报,2001(3):85-90.
[144]王大刚、程春田、李敏,基于遗传算法的水电站优化调度研究,华北水利水电学院学报,2001(3):5-10.
[145]林焰、郝聚民、纪卓尚,基于模糊优选的多目标优化遗传算法,系统工程理论与实践,1999(12):31-37.
[146]沈军、刘勇建,水资源优化配置模型参数识别的遗传算法,武汉大学学报,2002(6):13-16.
[147]徐琦,遗传算法的改进及其应用研究,博士学位论文,华中科技大学,2001.
[148]王小安、李承军,遗传算法在短期发电优化调度中的研究与应用,长江科学院院报,2003(4):13-15.
[149]杜丹、朱仲元,基于遗传算法的多目标串联水库系统优化调度方法,内蒙古农业大学学报,2004,25(2):86-90.
[150]胡明罡、练继建,基于改进遗传算法的水电站日优化调度方法研究,水力发电学报,2004,23(4):17-21.
[151]罗云霞、周慕逊、江振东、陈永宝,基于改进遗传算法的串联小水电群优化调度,水电自动化与大坝监测,2004,28(3):66-69.
[152]董纯、康玲、候国祥,基于遗传模拟退火法的马斯京根方程参数估计,华中科技大学学报(自然科学版),2002,30(10):20-22.
[153]范家骅、王承数、李昌华译,河道水流动力学,电力工业出版社,1956.1.
[154]吴持恭,水力学(上),北京:高等教育出版社,1982.11.
[155]王燕生,工程水文学,北京:水利电力出版社,1992.
[156]丁晶,刘权授.随机水文学[M].北京:中国水利电力出版社,1997.
[157]龚传利,康玲,姜铁兵.基于遗传BP算法的日径流预测[J].西北水电,2003(4):1-3.
[158]丁涛,周惠成,黄健辉.混沌水文时间序列区间预测研究[J].水利学报,2004(12):15-20.
[159]夏军.灰色系统水文学:理论、方法及应用[M].武汉:华中理工大学出版社,2000.
[160]陈守煜.工程模糊集理论及应用[M].北京:国防工业出版社,1998.
[161]王文圣,丁晶,衡彤.长江宜昌年最大洪峰周期分析和长期预报研究[J].四川大学学报(工程科学版),2003.34(1):20-23.
[162]丁晶.不确定性分析新途径[J].中国水利学会水文学术论文集,1998.
[163] Morlet J, Arens G, Fourgeau E, Giard D.Wave propagation and sampling theory-Part I: Complex signal and scattering in multilayered media[J].Geophysics,1982.47(2):203-221.
[164] Morlet J, Arens G, Fourgeau E, Giard D.Wave propagation and sampling theory-Part II: Sampling theory and complex waves[J].Geophysics,1982.47(2):222-236.
[165]王文圣,丁晶,李跃清.水文小波分析[M].北京:化学工业出版社,2005.
[166]王秀杰,练继建,费守明,张卓.基于小波消噪的混沌多元回归日径流预测模型[J].系统仿真学报,2007.19(15):3605-3608.
[167]中国科学院数学研究所数理统计组.回归分析方法[M].北京:科学出版社,1974.
[168]王汉成,水土保持原理,北京:水利电力出版社,1992.
[169]包为民,概念性汇沙模型初探,河海大学学报,1990,18 (6):24-29.
[170]包为民,黄土地区小流域产沙概念性模拟研究,水科学进展,1993,4 (1):44-50.
[171]包为民、陈耀庭,中大流域水沙耦合模拟物理概念模型,水科学进展,1994,5(4):287-292.
[172]包为民,小流域水沙耦合模拟概念模型,地理研究,1995,14(2):27-34.
[173]邓新民、李祚泳,流域年均含沙量的BP网络预测模型及其效果检验,成都气象学院学报,1997,12(2):119-123.
[174]陈集中,应用人工神经网络BP模型预测乌江流域年平均含沙量,水文,2005,25(4):6-9.
[175]许全喜,人工神经网络模型在流域水沙预报中的应用,人民长江,2000,31(5):30-32.
[176]魏良琰、黄继忠,冰盖流阻力与综合Manning糙率,武汉大学学报(工学版),2002,35(4):1-8.
[177]茅泽育、马吉明、余云童、吴剑疆,封冻河道的阻力研究,水利学报,2002(5):59-64.
[178]李长兴,论悬移质河道输沙及水沙关系,西北水资源与水工程,1995,6(2):21-26.
[179] Beschta, RL, Conceptual models of sediment transport in streams, RL Beschta Sediment Transfer in Gravel-Bed Rivers, John Wiley and Sons New York, 1987:387-408.
[180] Charles, GC, Estimation of suspended sediment rating curves and mean suspended sediment loads, Journal of Hydrology,1991(129):331-348.
[181] Karen, AL, An evaluation of transfer-function/noise models of suspended sediment concentration, Professional Geographer, 1990,42(3):324-336.
[182]刘媛媛、练继建,遗传算法改进的BP神经网络对汛期三门峡水库泥沙冲淤量的计算,水力发电学报,2005,24(4):110-113.
[183] Fan J and Morris G.L, Reservoir sedimentation II: reservoir desiltation and long-term storage capacity, Journal of Hydraulic Engineering, 1992,118(3):370-384.
[184]李涛、谈广鸣、张俊华、王以生,水库异重流的研究进展,中国农村水利水电,2006(9):21-24.
[185] Fausett L, Fundamentals of neural networks, Prentice Hall, Englewood Cliffs, N.J. 1994.
[186] Fan J, Experimental studies on density currents, Scientia Sinica, 1960,9(2):275-303.
[187]韩其为、何明民,泥沙数学模型中冲淤计算的几个问题,水利学报,1988(5):16-25.
[188]范家骅,异重流泥沙淤积的分析,中国科学,1980(1):82-89.
[189]李义天、尚全民,一维不恒定流泥沙数学模型研究,泥沙研究,1998(1):81-87.
[190]黄永健、范家骅,非恒定异重流计算,水利水电科学研究院科学研究论文集第26集(水力学、泥沙、冷却水),北京:水利电力出版社,1987.7.
[191]韩其为,水库淤积,北京:科学出版社,2003.8.
[192]马喜祥、路新川、任红俊,黄河万家寨水库的泥沙设计与运行,泥沙研究,2005(4):59-63.
[193]练继建、刘媛媛、胡明罡、张金良,应用改进BP网络对潼关高程的预测,水利学报,2003(8):96-100.
[194]练继建、刘媛媛、胡明罡、张金良,基于改进BP网络对三门峡水库泥沙冲淤量的计算,天津大学学报,2004,37(10):882-885.
[195]邵东国、夏军、孙志强,多目标综合利用水库实时优化调度模型研究,水电能源科学,1998,16(4):7-11.
[196]鲍卫锋、黄介生、杨芳、谢华、赵微,基于多目标动态规划模型的水库优化调度研究,西安理工大学学报,2005,21(4):421-424.
[197]林翔岳、许丹萍、潘敏贞,综合利用水库群多目标优化调度,水科学进展,1992,3(2):112-119.
[198] Fonseca C M and Fleming P J, Genetic algorithms for multiobjective optimization: formulation, discussion and generalization, Proceedings of the 5th International Conference on Genetic Algorithms, Morgan Kaufmann, San Mateo, CA, 1993:141-153.
[199] Srinivas N and Deb K, Multiobjective optimization using nondominated sorting in genetic algorithms, IEEE Transactions on Evolutionary Computation ,1994,2(3):221-248.
[200] Horn J and Nafpliotis N, Multiobjective optimization using the niched Pareto genetic algorithm, University of Illinois at Urbana-Champaign,Urbana,Illinois,USA: Technical Report, 1993.
[201] Kennedy J and Eberhart R, Particle swarm optimization, Proc IEEE Int Conf on Neural Networks, Perth, 1995:1942-1948.
[202] Millonas M M,Swadrms Phase Transition and Collective Intelligence,MA: Addison Wesley, 1994.
[203] Lin J. Multiple-objective problems: Pareto-optimal solutions by method of proper equality constraints, IEEE Transactions on Automatic Control, 1976,21(5):641-650.
[204] Shi Yuhui and Eberhart R, A modified particle swarm optimizer, Proc IEEE Int Conf on Evolutionary Computation, Anchorage, 1998:69-73.
[205] Kennedy J and Eberhart R,Particle swarm optimization,Proc IEEE Int Conf on Neural Networks, Perth, 1995, 1942-1948.
[206] Shi Yuhui and Eberhart R,A modified particle swarm optimizer,Proc IEEE Int Conf on Evolutionary Computation, Anchorage, 1998:69-73.
[207] Zitzler E, Laumanns M and Bleuler S, A tutorial on evolutionary multi-objective optimization, Metaheuristics for Multiobjective Optimization,2004,2(1):3-37.
[208] Deb K, Pratap A, Agarwal S and Meyarivan T, A fast and elitist multiobjective genetic algorithm: NSGA-II, IEEE Transactions on Evolutionary Computation, 2002,6(2):182-197.