声明
1 绪论
1.1 研究背景及意义
1.1.1 选题背景
1.1.2 关键问题
1.2 国内外研究现状
1.3 研究内容及框架
2 工程背景
2.1 澜沧江干流流域概况
2.2 乌弄龙水电站基本情况
2.3 径流过程特性分析
2.4 本章小结
3 基于灰色关联分析的气象因素筛选方法
3.1 气象集合预报
3.2 气象预报系统(CFS)
3.2.1 CFS集合预报概况
3.2.2 解析气象预测数据
3.2.3 基于反距离权重法的空间降尺度研究
3.2.4 数据归一化处理
3.3 基于灰色关联分析法筛选气象因素
3.3.1 灰色关联分析法
3.3.2 关联系数计算
3.3.3 关联度计算
3.3.3 关联分析法计算流程
3.4 实例计算
3.4.1 计算步骤
3.4.2 关联度计算结果
3.4.3 气象因素筛选结果
3.5 本章小结
4 基于深度学习的中长期径流预测方法
4.1 深度学习概况
4.2 基于长短期记忆网络的径流预测
4.2.1 长短期记忆网络(LSTM)
4.2.2 基于LSTM的月度径流预测
4.3 基于序列到序列网络的径流预测
4.3.1 序列到序列网络(seq2seq)
4.3.2 基于seq2seq的月度径流预测
4.4 应用实例分析
4.4.1 计算步骤和参数设置
4.4.3 seq2seq模型径流预测结果
4.4.4 预测结果对比分析
4.5 本章小结
5 耦合CFS集合预报的中长期径流预测方法
5.1 耦合气象数据进行径流预测的问题分析
5.2 耦合CFS集合预报和深度学习的月径流预测方法
5.2.1 总体思路
5.2.2 基于岭回归方法解决多重共线性问题
5.2.3 计算岭回归模型参数
5.2.3 基于反距离权重法计算气象数据
5.3 计算实例分析
5.3.1 计算步骤和参数设置
5.3.3 预见期为九个月的预测结果分析
5.4 本章小结
6 结论与展望
6.1 总结
6.2 未来研究展望
参考文献
致谢
大连理工大学学位论文版权使用授权