基于聚類分析的洪水預(yù)報(bào)研究.pdf

1、水文學(xué)是一門研究自然規(guī)律的學(xué)科，十分依賴于其觀測樣本。從這些觀測樣本中尋找規(guī)律是解決水文問題的基本途徑。水文預(yù)報(bào)是人們對水文現(xiàn)象認(rèn)識深入的直接產(chǎn)物。人們迫切需要在實(shí)踐中得到洪峰及其出現(xiàn)的時(shí)間來減少洪水帶來的生命財(cái)產(chǎn)損失。為了提高洪水預(yù)報(bào)精度，引入了數(shù)據(jù)挖掘中的特征選擇法和聚類分析。
　　 分類率定是提高洪水預(yù)報(bào)精度的重要手段，洪水樣本對洪水預(yù)報(bào)模型參數(shù)率定具有決定性影響。而降雨是洪水產(chǎn)生的直接原因，因此有必要對每場洪水降雨提取代

2、表性特征進(jìn)行聚類分析以提高分類率定精度。所選的特征中，不可避免的存在冗余特征，干擾聚類效果。為此，提出基于非監(jiān)督性特征選擇的洪水聚類分析方法?；贛itra算法進(jìn)行特征選擇，以k—means和FCM為聚類方法對洪水進(jìn)行聚類分析。研究表明，Mitra算法可有效去除冗余特征，k—means與FCM聚類結(jié)果吻合較好，各類洪水特點(diǎn)鮮明。
　　 本文中以沙溪口洪水預(yù)報(bào)系統(tǒng)為例，采用新安江水文模型和馬斯京根流量演算法預(yù)報(bào)水庫入流量。采用分類