第1章 绪论 1
1.1 概述 1
1.1.1 黄河流域概况 1
1.1.2 黄河冰凌洪水 5
1.1.3 黄河宁蒙河段冰情 6
1.2 国内外相关研究进展 8
1.2.1 国外冰凌研究进展 8
1.2.2 国内冰凌研究进展 11
1.3 本书内容结构安排 13
第2章 冰凌观测 16
2.1 观测站网 16
2.2 观测项目及观测工具 16
2.2.1 观测项目 16
2.2.2 观测工具 17
2.3 专项冰凌观测 17
2.3.1 冰塞观测 18
2.3.2 水内冰观测研究 22
2.4 关于冰凌的几个概念 24
2.4.1 流凌与流凌日期 24
2.4.2 封河与封河日期 25
2.4.3 开河与开河日期 25
2.4.4 冰盖 25
2.4.5 冰塞与冰坝 26
第3章 冰凌生消演变过程及其影响因素 27
3.1 冰凌的生消演变过程 27
3.1.1 结冰期 27
3.1.2 封冻期 30
3.1.3 解冻期 31
3.2 冰塞和冰坝形成机理 32
3.2.1 冰塞的形成及演变 33
3.2.2 冰坝的形成及演变 36
3.2.3 冰塞和冰坝的危害 37
3.3 影响冰情变化的因素 37
3.3.1 动力因素 37
3.3.2 热力因素 38
3.3.3 河道条件 38
3.3.4 人类活动 39
第4章 黄河宁蒙河段凌情特征分析 40
4.1 黄河宁蒙河段概况 40
4.1.1 区域位置 40
4.1.2 地质地貌特征 40
4.1.3 气候及水文特征 42
4.1.4 社会经济概况 43
4.1.5 主要水文站点位置说明 43
4.2 河道及水利工程情况 45
4.2.1 河道概况 45
4.2.2 枢纽工程 46
4.2.3 引水工程 47
4.2.4 堤防工程 47
4.3 黄河宁蒙河段凌情特征分析 48
4.3.1 历史凌灾统计 48
4.3.2 历史凌情特征分析 49
4.3.3 近10年宁蒙河段凌情特征变化 51
第5章 基于小波变换的宁蒙河段凌情多时间尺度分析 55
5.1 概述 55
5.2 小波分析方法及其在水文学上的应用 55
5.2.1 小波分析方法 55
5.2.2 小波分析在水文学上的应用 57
5.3 基于小波变换的宁蒙段冰情多时间尺度分析 58
5.3.1 宁蒙河段凌汛三期变化特征 59
5.3.2 宁蒙河段凌汛期气温变化特征 63
5.3.3 宁蒙段冰期径流量变化特征 64
5.4 本章小结 65
第6章 黄河宁蒙河段凌汛成因分析 66
6.1 黄河宁蒙河段凌汛成因 66
6.1.1 河道因素 66
6.1.2 水文条件 67
6.1.3 气象条件 70
6.2 水库运用对凌情的影响 71
6.2.1 水库运用前后宁蒙河段冰凌灾害对比分析 71
6.2.2 刘家峡、龙羊峡水库运用对宁蒙段冰情的影响 71
6.2.3 万家寨水库运用对宁蒙河段冰情的影响 72
6.3 冰情预报因子筛选方法 73
6.3.1 单相关系数法 73
6.3.2 预报因子选择 74
第7章 传统冰情预报方法 76
7.1 概述 76
7.2 指标法 77
7.2.1 流凌条件 77
7.2.2 封河条件 77
7.2.3 开河日期预报 78
7.2.4 开河凌峰流量预报 78
7.3 经验相关法 79
7.3.1 流凌日期预报 79
7.3.2 封河日期预报 80
7.3.3 开河日期预报 81
7.3.4 开河最高水位预报 81
7.3.5 最大流量预报 82
7.3.6 经验相关法评价 82
7.4 多元线性回归冰凌预报方法 83
7.4.1 相关分析方法及相关系数计算 83
7.4.2 回归分析的概念及分类 84
7.4.3 一元线性回归分析方法 85
7.4.4 多元线性回归分析方法 85
7.4.5 逐步回归分析方法 86
7.4.6 非线性回归分析方法 86
7.4.7 回归系数的确定和检验方法 87
7.4.8 多元线性回归冰凌预报模型应用 89
第8章 基于粒子群算法优化的支持向量回归凌情预报模型 94
8.1 支持向量机概述 94
8.1.1 支持向量机基本原理 95
8.1.2 统计学习理论 97
8.2 SVM与核函数的选择 99
8.2.1 SVM的选择 99
8.2.2 核函数的选择 101
8.2.3 SVR的主要参数 101
8.2.4 SVM算法实现 102
8.3 基于粒子群算法优化的支持向量回归预报模型 102
8.3.1 粒子群算法 102
8.3.2 适应度函数设计 103
8.3.3 PSO-SVR凌情预报模型的构建 104
8.4 模型应用 105
8.4.1 封河日期预报 105
8.4.2 开河日期预报 109
8.4.3 模型效果评价 113
第9章 基于改进神经网络的凌情预报模型 116
9.1 人工神经网络模型概述 116
9.1.1 基本原理 116
9.1.2 BP神经网络 117
9.1.3 BP神经网络模型的局限性 120
9.1.4 几种常见的BP模型改进方法 121
9.2 粒子群优化算法改进的神经网络冰凌预报模型 122
9.2.1 粒子群优化算法 122
9.2.2 优化神经网络的PSO算法设计 125
9.2.3 PSO-BP冰凌预报模型的建立 127
9.3 协同遗传算法优化神经网络 127
9.3.1 协同进化遗传算法 127
9.3.2 基于协同进化遗传算法的神经网络设计 128
9.3.3 CCGA-BP模型的建立 132
9.4 模型应用 132
9.4.1 流凌日期预报 133
9.4.2 封河日期预报 141
9.4.3 开河日期预报 147
9.5 本章小结 154
第10章 基于人工鱼群算法的神经网络冰情预报模型 155
10.1 概述 155
10.2 模型构建及求解 155
10.2.1 人工鱼群算法模型的构建 155
10.2.2 人工鱼群神经网络模型的求解 156
10.3 实例应用 158
10.3.1 选择预报因子 158
10.3.2 三湖河口站封河历时预报 158
10.4 模型效果评价 159
10.5 本章小结 160
第11章 冰凌预报模型的Matlab GUI实现 162
11.1 Matlab GUI概述 162
11.2 GUI界面设计 163
11.2.1 控件设计 163
11.2.2 控件属性设置 163
11.2.3 回调函数 163
11.2.4 菜单设计 165
11.2.5 设计成果 165
第12章 黄河凌汛灾害及防凌减灾措施 168
12.1 黄河凌汛灾害 169
12.1.1 历史上黄河的凌汛决溢灾害 169
12.1.2 新中国成立后四次较大的凌汛灾害 169
12.2 黄河凌灾防御措施 171
12.2.1 工程措施 172
12.2.2 非工程措施 176
参考文献 178
附录1 防凌辞典 185
附录2 近10年黄河宁蒙河段凌汛情况 199