《中長期徑流預報技術與方法》由魯帆、嚴登華、王勇、蔣雲鐘編著，本書面向流域水資源調度、跨流域調水、特大型梯級樞紐群聯合調度等的需求，較系統地介紹了目前生產實踐中常用中長期徑流預報技術的基本原理和方法，並從提高中長期徑流預報效果的穩定性和可靠性出發，研究了基於貝葉斯理論的中長期徑流機率預報方法。主要內容包括徑流的中長期時間序列特性分析、預報因子識別、確定性預報模型以及機率預報方法等。 《中長期徑流預報技術與方法》理論與實踐聯繫緊密，內容全面，技術實用。可供從事中長期徑流預報的工程技術人員、科研人員及高等院校相關專業的學生和教師閱讀、參考。
基本介紹
- 書名：中長期徑流預報技術與方法
- 出版社：中國水利水電出版社
- 頁數：147頁
- 開本：16
- 作者：魯帆[等]
- 出版日期：2012年11月1日
- 語種：簡體中文
- ISBN：9787517003465
內容簡介,圖書目錄,
內容簡介
《中長期徑流預報技術與方法》由魯帆、嚴登華、王勇、蔣雲鐘編著，共分5章，其主要內容包括以下四個方面。 中長期徑流時間序列的特性分析。在簡要介紹水循環過程及中長期徑流特點的基礎上，分析中長期徑流時間序列的概念，並從趨勢性、周期性、隨機性等方面介紹中長期徑流時間序列特性分析的若干主要技術。
中長期徑流的預報因子識別。首先介紹與中長期徑流過程緊密聯繫的中長期天氣過程的特點，然後介紹中長期徑流過程的影響因素及中長期徑流預報中常用的預報因子，最後介紹相關係數法、秩相關分析法、逐步回歸法等中長期徑流預報因子的識別方法。
中長期徑流的確定性預報模型。結合具體案例，詳細闡述線性回歸模型、人工神經網路模型、時間序列分解模型、秩相關秩相似模型、模糊模式識別模型、模糊模式識別。神經網路模型等常用確定性中長期徑流預報模型的原理。
中長期徑流的機率預報方法。利用貝葉斯理論，研究中長期徑流的機率預報方法。
中長期徑流的預報因子識別。首先介紹與中長期徑流過程緊密聯繫的中長期天氣過程的特點，然後介紹中長期徑流過程的影響因素及中長期徑流預報中常用的預報因子，最後介紹相關係數法、秩相關分析法、逐步回歸法等中長期徑流預報因子的識別方法。
中長期徑流的確定性預報模型。結合具體案例，詳細闡述線性回歸模型、人工神經網路模型、時間序列分解模型、秩相關秩相似模型、模糊模式識別模型、模糊模式識別。神經網路模型等常用確定性中長期徑流預報模型的原理。
中長期徑流的機率預報方法。利用貝葉斯理論，研究中長期徑流的機率預報方法。
圖書目錄
前言
第1章 緒論
1．1 中長期徑流預報的概念
1．2 中長期徑流預報的實踐需求
1．3 中長期徑流預報研究的技術路線
1．4 中長期徑流預報的研究進展
1．4．1 中長期徑流演變規律
1．4．2 中長期徑流預報因子識別
1．4．3 中長期徑流預報模型
1．4．4 中長期徑流預報軟體系統
1．5 中長期徑流預報面臨的主要問題
1．6 中長期徑流預報的發展趨勢
第2章 中長期徑流時間序列的特性分析
2．1 水循環過程及中長期徑流的特點
2．2 中長期徑流時間序列的概念
2．3 中長期徑流的趨勢性分析方法
2．3．1 線性回歸法
2．3．2 Kendall秩次相關檢驗法
2．3．3 Spearman秩次相關檢驗法
2．4 中長期徑流的周期性分析方法
2．4．1 方差分析法
2．4．2 功率譜方法
2．4．3 小波分析方法
2．5 中長期徑流的隨機性分析方法
2．5．1 隨機過程
2．5．2 線性平穩隨機模型
2．5．3 馬爾可夫過程
第3章 中長期徑流的預報因子識別
3．1 中長期天氣過程及其預報的特點
3．1．1 長期天氣過程的特點
3．1．2 中期天氣過程的特點
3．1．3 中長期天氣預報的特點
3．2 中長期徑流過程的影響因素
3．2．1 大氣環流
3．2．2 太陽活動
3．2．3 海氣相互作用
3．2．4 人類活動
3．3 中長期徑流預報中常用的預報因子
3．3．1 前期降水與徑流
3．3．2 環流特徵量
3．3．3 海表溫度
3．4 中長期徑流預報因子的識別方法
3．4．1 相關係數法
3．4．2 秩相關分析法
3．4．3 逐步回歸法
第4章 中長期徑流的確定性預報模型
4．1 線性回歸模型
4．1．1 一元線性回歸
4．1．2 多元線性回歸
4．2 人工神經網路模型
4．2．1 人工神經網路概述
4．2．2 BP神經網路
4．3 時間序列分解模型
4．4 秩相關秩相似模型
4．5 模糊模式識別模型
4．6 模糊模式識別神經網路模型
4．6．1 模糊集理論與人工神經網路理論的關係
4．6．2 模型結構
4．6．3 模糊模式識別模型和模糊模式識別神經網路模型的等價性分析
4．6．4 模糊模式識別神經網路模型權重調整BP模型
4．6．5 遺傳算法
4．6．6 模糊模式識別神經網路模型的遺傳學習和權重調整BP混合算法
4．7 組合預報模型
4．8 預報實例
4．8．1 實例一
4．8．2 實例二
4．8．3 實例三
4．8．4 實例四
第5章 中長期徑流的機率預報方法
5．1 貝葉斯機率分析簡介
5．2 貝葉斯機率水文預報方法研究進展
5．3 中長期徑流機率預報的基本思路
5．4 基於線性正態假設的貝葉斯機率枯季徑流預報模型
5．4．1 傳統枯季徑流預報模型的選擇
5．4．2 模型構建原理
5．4．3 實例分析
5．5 基於貝葉斯定理離散變數形式的徑流機率預報模型
5．5．1 模型構建步驟
5．5．2 實例分析
參考文獻
第1章 緒論
1．1 中長期徑流預報的概念
1．2 中長期徑流預報的實踐需求
1．3 中長期徑流預報研究的技術路線
1．4 中長期徑流預報的研究進展
1．4．1 中長期徑流演變規律
1．4．2 中長期徑流預報因子識別
1．4．3 中長期徑流預報模型
1．4．4 中長期徑流預報軟體系統
1．5 中長期徑流預報面臨的主要問題
1．6 中長期徑流預報的發展趨勢
第2章 中長期徑流時間序列的特性分析
2．1 水循環過程及中長期徑流的特點
2．2 中長期徑流時間序列的概念
2．3 中長期徑流的趨勢性分析方法
2．3．1 線性回歸法
2．3．2 Kendall秩次相關檢驗法
2．3．3 Spearman秩次相關檢驗法
2．4 中長期徑流的周期性分析方法
2．4．1 方差分析法
2．4．2 功率譜方法
2．4．3 小波分析方法
2．5 中長期徑流的隨機性分析方法
2．5．1 隨機過程
2．5．2 線性平穩隨機模型
2．5．3 馬爾可夫過程
第3章 中長期徑流的預報因子識別
3．1 中長期天氣過程及其預報的特點
3．1．1 長期天氣過程的特點
3．1．2 中期天氣過程的特點
3．1．3 中長期天氣預報的特點
3．2 中長期徑流過程的影響因素
3．2．1 大氣環流
3．2．2 太陽活動
3．2．3 海氣相互作用
3．2．4 人類活動
3．3 中長期徑流預報中常用的預報因子
3．3．1 前期降水與徑流
3．3．2 環流特徵量
3．3．3 海表溫度
3．4 中長期徑流預報因子的識別方法
3．4．1 相關係數法
3．4．2 秩相關分析法
3．4．3 逐步回歸法
第4章 中長期徑流的確定性預報模型
4．1 線性回歸模型
4．1．1 一元線性回歸
4．1．2 多元線性回歸
4．2 人工神經網路模型
4．2．1 人工神經網路概述
4．2．2 BP神經網路
4．3 時間序列分解模型
4．4 秩相關秩相似模型
4．5 模糊模式識別模型
4．6 模糊模式識別神經網路模型
4．6．1 模糊集理論與人工神經網路理論的關係
4．6．2 模型結構
4．6．3 模糊模式識別模型和模糊模式識別神經網路模型的等價性分析
4．6．4 模糊模式識別神經網路模型權重調整BP模型
4．6．5 遺傳算法
4．6．6 模糊模式識別神經網路模型的遺傳學習和權重調整BP混合算法
4．7 組合預報模型
4．8 預報實例
4．8．1 實例一
4．8．2 實例二
4．8．3 實例三
4．8．4 實例四
第5章 中長期徑流的機率預報方法
5．1 貝葉斯機率分析簡介
5．2 貝葉斯機率水文預報方法研究進展
5．3 中長期徑流機率預報的基本思路
5．4 基於線性正態假設的貝葉斯機率枯季徑流預報模型
5．4．1 傳統枯季徑流預報模型的選擇
5．4．2 模型構建原理
5．4．3 實例分析
5．5 基於貝葉斯定理離散變數形式的徑流機率預報模型
5．5．1 模型構建步驟
5．5．2 實例分析
參考文獻
