卞雪軍,冀鴻蘭,姜新華,高瑞忠

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院,內(nèi)蒙古呼和浩特 010018; 2.內(nèi)蒙古農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院,內(nèi)蒙古呼和浩特 010018)

黃河內(nèi)蒙古段冰情預(yù)報(bào)系統(tǒng)的開(kāi)發(fā)

卞雪軍,冀鴻蘭1,姜新華2,高瑞忠1

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院,內(nèi)蒙古呼和浩特 010018; 2.內(nèi)蒙古農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院,內(nèi)蒙古呼和浩特 010018)

為了預(yù)報(bào)黃河內(nèi)蒙古段的流凌和封開(kāi)河日期,以多元線性回歸理論與人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),設(shè)計(jì)開(kāi)發(fā)了黃河內(nèi)蒙古段冰情預(yù)報(bào)系統(tǒng)預(yù)報(bào)內(nèi)蒙古段各個(gè)站點(diǎn)的流凌和封開(kāi)河日期。選用黃河內(nèi)蒙古段水文、氣象和冰情信息建立數(shù)據(jù)庫(kù),應(yīng)用ADO OLEDB技術(shù)調(diào)用數(shù)據(jù)庫(kù),建立符合相關(guān)性要求的人工神經(jīng)網(wǎng)絡(luò)模型和多元線性回歸模型,從而實(shí)現(xiàn)預(yù)報(bào)識(shí)別檢驗(yàn)。使用2003—2004年度至2007—2008年度5年的資料進(jìn)行預(yù)報(bào)檢驗(yàn),并與實(shí)際開(kāi)河日期對(duì)比分析,預(yù)報(bào)結(jié)果合格率為80%和67.7%,分別達(dá)到甲等和丙等預(yù)報(bào)精度,表明系統(tǒng)可以應(yīng)用于黃河內(nèi)蒙古段的冰情預(yù)報(bào)。

冰情預(yù)報(bào)系統(tǒng);人工神經(jīng)網(wǎng)絡(luò);多元線性回歸;黃河內(nèi)蒙古段

凌汛災(zāi)害是高緯度地區(qū)河流普遍存在的一種自然現(xiàn)象。黃河凌汛主要發(fā)生在石嘴山至頭道拐的寧蒙河段以及下游的河南山東河段[1]。黃河內(nèi)蒙古段特殊的地理位置和冬季寒冷的氣候條件以及多彎道的地形條件,致使每年冬季黃河都會(huì)有不同程度的凌汛發(fā)生。黃河內(nèi)蒙古段的冰期每年持續(xù)4個(gè)月左右,進(jìn)入11月后,北方地區(qū)開(kāi)始逐步降溫到0℃以下,進(jìn)入11月中下旬,黃河即開(kāi)始流凌,進(jìn)入12月底黃河寧蒙段基本全線封河,在次年的1月底至2月初黃河冰厚達(dá)到最大值,3月中下旬黃河解凍開(kāi)河。

目前,國(guó)內(nèi)冰情預(yù)報(bào)的研究正處于一個(gè)不斷更新和完善的階段,各類(lèi)數(shù)學(xué)模型不斷應(yīng)用到黃河的冰情預(yù)報(bào)中,如沈洪道[2]依據(jù)熱交換原理和冰力學(xué)理論成功地模擬了冰蓋厚度和水溫;張傲妲等[3-4]利用人工神經(jīng)網(wǎng)絡(luò)和多元線性回歸兩個(gè)模型預(yù)報(bào)了黃河內(nèi)蒙古段的流凌、封河和開(kāi)河時(shí)間;冀鴻蘭等[5]運(yùn)用模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)BP模型進(jìn)行了開(kāi)河預(yù)報(bào)。在系統(tǒng)研發(fā)方面,郭永鑫等[6]嘗試探討了黃河寧蒙河段冰情預(yù)報(bào)決策系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā),但未在實(shí)踐中完善;王濤等[7]的自適應(yīng)模糊推理系統(tǒng)是通過(guò)一種建模的形式組建的,缺乏系統(tǒng)性。鑒于此,考慮到預(yù)報(bào)模型的多樣性與系統(tǒng)的實(shí)用性和通用性,本文設(shè)計(jì)開(kāi)發(fā)了一套適用于黃河內(nèi)蒙古段的冰情預(yù)報(bào)系統(tǒng),該系統(tǒng)針對(duì)影響黃河冰情的不同因素,采用了不同的預(yù)報(bào)方法,從而使該系統(tǒng)可以更好地應(yīng)用于黃河防凌防汛的實(shí)際工作中。

1 預(yù)報(bào)系統(tǒng)總體設(shè)計(jì)

黃河內(nèi)蒙古段冰情預(yù)報(bào)系統(tǒng)是基于VB語(yǔ)言設(shè)計(jì)和實(shí)現(xiàn)的。系統(tǒng)由3部分組成:第1部分是數(shù)據(jù)資料的獲取、存儲(chǔ)和管理的基礎(chǔ)數(shù)據(jù)庫(kù)系統(tǒng);第2部分是基于預(yù)報(bào)因子建立的模型及冰情預(yù)報(bào)系統(tǒng);第3部分是結(jié)果輸出模塊。黃河內(nèi)蒙古段冰情預(yù)報(bào)系統(tǒng)結(jié)構(gòu)見(jiàn)圖1。

圖1 黃河內(nèi)蒙古段冰情預(yù)報(bào)系統(tǒng)結(jié)構(gòu)

1.1 數(shù)據(jù)庫(kù)設(shè)計(jì)

參照中科軟科技股份有限公司《數(shù)據(jù)庫(kù)結(jié)構(gòu)設(shè)計(jì)規(guī)范(20040512)》,結(jié)合黃河內(nèi)蒙古段冰情監(jiān)測(cè)要素與預(yù)報(bào)特點(diǎn),采用關(guān)系型數(shù)據(jù)庫(kù)管理黃河內(nèi)蒙古段沿河各氣象站的逐日氣象資料和歷史冰情資料、水文站水文資料等數(shù)據(jù)資料以及預(yù)報(bào)模型需要的所有預(yù)報(bào)因子。通過(guò)VB編程實(shí)現(xiàn)由用戶(hù)選擇神經(jīng)網(wǎng)絡(luò)模型輸入因子和輸出因子、多元回歸模型自變量因子和因變量因子,運(yùn)用ADO通過(guò)OLEDB獲取數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù),為神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型和多元回歸預(yù)報(bào)模型提供數(shù)據(jù)支持。

1.2 冰情預(yù)報(bào)模型

冰情預(yù)報(bào)模型選用目前發(fā)展比較成熟和使用比較廣泛的人工神經(jīng)網(wǎng)絡(luò)模型和多元線性回歸模型。

神經(jīng)網(wǎng)絡(luò)模型的優(yōu)點(diǎn)[8-9]為:①由許多處理單元聯(lián)結(jié)而成,預(yù)算速度更快;②采用的是分布式存儲(chǔ)方法,使存儲(chǔ)區(qū)和運(yùn)算區(qū)合為一體,從而具有很強(qiáng)的容錯(cuò)性;③能夠通過(guò)自學(xué)習(xí)不斷適應(yīng)環(huán)境,具有很強(qiáng)的自適應(yīng)性;④由大量非線性處理單元構(gòu)成,每個(gè)單元有多個(gè)輸入通道和多個(gè)輸出通道。

多元線性回歸模型的優(yōu)點(diǎn)[10-11]為:①是一果多因的預(yù)報(bào)模型,可以用來(lái)研究多種不同因素對(duì)因變量的影響;②通過(guò)相關(guān)分析和顯著性分析能夠選擇出影響較大的因子,從而增加了模型的適用性;③增加了一些有助于解釋因變量的因素,自變量的變化就可以得到更好的解釋,有助于模型的預(yù)報(bào);④應(yīng)用靈活,在分析過(guò)程中有利于對(duì)總體回歸模型做出正確判斷。

系統(tǒng)采用多元線性回歸模型和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)報(bào),綜合考慮了2種模型在預(yù)報(bào)過(guò)程中的優(yōu)勢(shì),可以對(duì)它們的預(yù)報(bào)結(jié)果進(jìn)行對(duì)比,達(dá)到相互驗(yàn)證的目的。

1.3 系統(tǒng)操作界面

系統(tǒng)選用VB編程技術(shù)開(kāi)發(fā)設(shè)計(jì),操作界面簡(jiǎn)潔友好,功能實(shí)用,易于操作維護(hù),有較高的可靠性。冰情預(yù)報(bào)系統(tǒng)操作界面見(jiàn)圖2。

圖2 黃河內(nèi)蒙古段冰情預(yù)報(bào)系統(tǒng)界面

2 系統(tǒng)功能及關(guān)鍵技術(shù)

2.1 系統(tǒng)功能

a.批量數(shù)據(jù)導(dǎo)入?？蓪ⅫS河內(nèi)蒙古段各個(gè)水文站和氣象站的歷史實(shí)測(cè)值批量導(dǎo)入到系統(tǒng)數(shù)據(jù)庫(kù)中。主要的數(shù)據(jù)資料有黃河內(nèi)蒙古段沿河氣象站日氣象數(shù)據(jù)資料,各個(gè)水文站的流量、水位、泥沙和歷年流凌與封開(kāi)河資料,系統(tǒng)預(yù)報(bào)運(yùn)行需要的預(yù)報(bào)因子等。

b.趨勢(shì)分析。按照不同監(jiān)測(cè)點(diǎn)、不同時(shí)段選擇數(shù)據(jù)庫(kù)中的水文、氣象和冰情資料,并進(jìn)行統(tǒng)計(jì)分析和圖表輸出,可了解多年來(lái)各河段冰情變化情況。

c.預(yù)報(bào)功能。根據(jù)選擇的預(yù)報(bào)因子,由系統(tǒng)提供的預(yù)報(bào)模型實(shí)現(xiàn)對(duì)流凌、封開(kāi)河歷時(shí)的預(yù)報(bào)。通過(guò)選擇模型生成因子與數(shù)據(jù)時(shí)段,提取數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù),生成神經(jīng)網(wǎng)絡(luò)和多元回歸預(yù)報(bào)模型,同時(shí)輸出顯示神經(jīng)網(wǎng)絡(luò)模型生成過(guò)程中的訓(xùn)練樣本與檢驗(yàn)樣本,以及實(shí)際開(kāi)河日期與檢驗(yàn)值的對(duì)比誤差,方便操作者觀察預(yù)報(bào)模型的有效性。按照選擇的因子,輸入實(shí)測(cè)數(shù)據(jù),預(yù)報(bào)流凌與封開(kāi)河歷時(shí)。可將生成多元回歸模型過(guò)程中的相關(guān)性分析結(jié)果以圖表的方式顯示,使預(yù)報(bào)模型之間有了對(duì)比和選擇。

d.數(shù)據(jù)維護(hù)。統(tǒng)一管理整個(gè)數(shù)據(jù)庫(kù)中每一年的數(shù)據(jù)資料,主要包括保存、修改、刪除等操作功能,是數(shù)據(jù)庫(kù)管理的核心組成部分。

e.結(jié)果輸出。程序運(yùn)行獲得分析與預(yù)報(bào)結(jié)果后,可以通過(guò)導(dǎo)出圖表、導(dǎo)出數(shù)據(jù)等方式輸出分析與預(yù)報(bào)結(jié)果。

2.2 關(guān)鍵技術(shù)

a.VB與Excel的無(wú)縫連接。黃河內(nèi)蒙古段氣象、水文歷史數(shù)據(jù)資料多以Excel形式保存,為了實(shí)現(xiàn)這些歷史數(shù)據(jù)的批量導(dǎo)入,采用VB控制Excel文件自動(dòng)打開(kāi)與關(guān)閉操作,并將Excel數(shù)據(jù)轉(zhuǎn)換成二維關(guān)系數(shù)據(jù)批量存儲(chǔ)到數(shù)據(jù)庫(kù)中。由于VB的圖表處理功能有限,而且一旦數(shù)據(jù)量增大時(shí),圖表很難完整體現(xiàn)數(shù)據(jù)變化趨勢(shì),并會(huì)給應(yīng)用軟件的維護(hù)工作帶來(lái)極大的不便,因此系統(tǒng)采用VB語(yǔ)句操作數(shù)據(jù)庫(kù),提取歷史數(shù)據(jù),然后將數(shù)據(jù)轉(zhuǎn)換為 Excel格式,利用Excel的強(qiáng)大圖表處理功能來(lái)實(shí)現(xiàn)氣象、水文歷史數(shù)據(jù)變化趨勢(shì)分析。

b.ADO OLEDB數(shù)據(jù)庫(kù)訪問(wèn)。在VB開(kāi)發(fā)環(huán)境中,常用的數(shù)據(jù)庫(kù)訪問(wèn)接口有ODBC、DAO、RDO和ADO,為了實(shí)現(xiàn)系統(tǒng)的可移植性,采用ADO OLEDB數(shù)據(jù)庫(kù)訪問(wèn)技術(shù)[12-13],底層數(shù)據(jù)訪問(wèn)接口采用OLEDB。ADO對(duì)OLEDB進(jìn)行封裝,避免了在VB應(yīng)用程序中直接使用 OLEDB接口,而且利用了OLEDB技術(shù)的統(tǒng)一、通用訪問(wèn)數(shù)據(jù)源的特性,可不考慮數(shù)據(jù)的格式與存儲(chǔ)方法,能降低編程量,減少編程細(xì)節(jié)。系統(tǒng)采用ADO對(duì)象模型編程方式訪問(wèn)數(shù)據(jù)庫(kù)(圖3),能提高數(shù)據(jù)庫(kù)訪問(wèn)速度和減少內(nèi)存占用。

圖3 ADO訪問(wèn)數(shù)據(jù)庫(kù)體系結(jié)構(gòu)

3 系統(tǒng)的驗(yàn)證

選用1970—1971年度至2007—2008年度共計(jì)38年的系列資料,其中前33年的資料用于模型訓(xùn)練,后5年的資料用于預(yù)報(bào)檢驗(yàn)。在開(kāi)河日期預(yù)報(bào)過(guò)程中,以2月1日作為起始時(shí)間計(jì)算開(kāi)河日期。

在運(yùn)用多元線性回歸模型進(jìn)行開(kāi)河日期預(yù)報(bào)過(guò)程中,系統(tǒng)自動(dòng)進(jìn)行回歸方程顯著性檢驗(yàn)和回歸系數(shù)顯著性檢驗(yàn),其中,巴彥高勒、三湖河口和頭道拐3個(gè)水文站的F檢驗(yàn)值分別為13.175、13.698和8.983,顯著性較好。圖4(a)為實(shí)際開(kāi)河日期與多元線性回歸模擬值擬合曲線,可以看出擬合效果不是很理想,說(shuō)明該模型應(yīng)用于開(kāi)河日期的預(yù)報(bào)精度相對(duì)較低,但仍然在GB/T 22483—2008《水文情報(bào)預(yù)報(bào)規(guī)范》[14]規(guī)定的范圍內(nèi),可以用于開(kāi)河日期的預(yù)報(bào)。

圖4 實(shí)際開(kāi)河日期與預(yù)報(bào)系統(tǒng)模擬值的對(duì)比

在進(jìn)行人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行開(kāi)河日期預(yù)報(bào)過(guò)程中,首先要對(duì)神經(jīng)網(wǎng)絡(luò)模型中各個(gè)參數(shù)進(jìn)行設(shè)定,初始學(xué)習(xí)速率為0.9,初始動(dòng)量因子為零,允許最大訓(xùn)練次數(shù)為 10 000次,收斂誤差和學(xué)習(xí)速率為0.001,除此之外,3個(gè)水文站預(yù)報(bào)過(guò)程中隱含層神經(jīng)元個(gè)數(shù)分別為13、16和40,自適應(yīng)步長(zhǎng)分別為0.001、0.00001和0.00001。圖4(b)為實(shí)際開(kāi)河日期與神經(jīng)網(wǎng)絡(luò)模擬值擬合曲線,可以看出擬合效果較好,可以用于開(kāi)河日期的預(yù)報(bào)。

利用2003—2004年度至2007—2008年度這5年的資料對(duì)黃河內(nèi)蒙古段開(kāi)河日期進(jìn)行預(yù)報(bào)檢驗(yàn)。選取2月16—25日石嘴山站流量均值、1月9—26日逐日累計(jì)氣溫、1月9—26日流量均值、1月9—26日水位均值、2月1日—?dú)鉁胤€(wěn)定轉(zhuǎn)正日期天數(shù)、2月16—25日逐日累計(jì)氣溫、2月16—25日流量均值、封凍期最大冰厚8個(gè)變量作為預(yù)報(bào)因子。黃河內(nèi)蒙古段各站預(yù)報(bào)結(jié)果見(jiàn)圖5(左側(cè)輸入的為預(yù)報(bào)因子)和表1。

根據(jù) GB/T 22483—2008《水文情報(bào)預(yù)報(bào)規(guī)范》[14]預(yù)見(jiàn)期為10 d的許可誤差不超過(guò)3 d的標(biāo)準(zhǔn),由表1可以看出,多元線性回歸模型預(yù)報(bào)合格率為67.7%,神經(jīng)網(wǎng)絡(luò)模型預(yù)報(bào)合格率為80%,分別達(dá)到該規(guī)范丙等和甲等合格率標(biāo)準(zhǔn),可見(jiàn)該系統(tǒng)預(yù)報(bào)效果較好,可以用于黃河內(nèi)蒙古段冰情預(yù)報(bào)。

圖5 2007—2008年度開(kāi)河日期預(yù)報(bào)結(jié)果

表1 2003—2004年度至2007—2008年度開(kāi)河日期預(yù)報(bào)結(jié)果與實(shí)際開(kāi)河日期

4 結(jié) 語(yǔ)

冰情預(yù)報(bào)是各級(jí)領(lǐng)導(dǎo)防汛指揮、調(diào)度、決策的重要依據(jù),及時(shí)準(zhǔn)確的冰情信息是減少凌汛災(zāi)害的有效措施。本文以黃河內(nèi)蒙古段的冰情預(yù)報(bào)作為研究對(duì)象,集數(shù)據(jù)庫(kù)、神經(jīng)網(wǎng)絡(luò)、多元線性回歸、預(yù)報(bào)系統(tǒng)于一體設(shè)計(jì)開(kāi)發(fā)了黃河內(nèi)蒙古段冰情預(yù)報(bào)系統(tǒng),并對(duì)巴彥高勒、三湖河口和頭道拐3個(gè)水文站的開(kāi)河時(shí)間進(jìn)行了預(yù)報(bào)分析驗(yàn)證,結(jié)果表明,該系統(tǒng)可以應(yīng)用于黃河內(nèi)蒙古段的流凌和封開(kāi)河日期的預(yù)報(bào),開(kāi)河預(yù)報(bào)結(jié)果可以作為黃河內(nèi)蒙古段冰情預(yù)報(bào)的參考。

[1]冀鴻蘭,卞雪軍,徐晶.黃河內(nèi)蒙古段流凌預(yù)報(bào)可變模糊聚類(lèi)循環(huán)迭代模型[J].水利水電科技進(jìn)展,2013,33 (4):14-17.(JI Honglan,BIAN Xuejun,XU Jing.Variable fuzzy clustering loop iteration model for ice-run forecast in Inner Mongolia reach of Yellow River[J].Advances in Science and Technology of Water Resources,2013,33 (4):14-17.(in Chinese))

[2]沈洪道.河冰研究[M].鄭州:黃河水利出版社,2010.

[3]張傲妲.黃河內(nèi)蒙段冰情特點(diǎn)及預(yù)報(bào)模型研究[D].呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué),2011.

[4]冀鴻蘭,張傲妲,高瑞忠,等.黃河內(nèi)蒙古段開(kāi)河日期預(yù)報(bào)模型及應(yīng)用[J].水利水電科技進(jìn)展,2012,32(2): 42-45.(JI Honglan,ZHANG Aoda,GAO Ruizhong,et al. Application of the break-up date prediction model in the Inner Mongolia reach of the Yellow River[J].Advances in Science and Technology of Water Resources,2012,32 (2):42-45.(in Chinese))

[5]冀鴻蘭,朝倫巴根,陳守煜.模糊優(yōu)選神經(jīng)網(wǎng)絡(luò)BP模型在黃河內(nèi)蒙段封開(kāi)河預(yù)報(bào)中的應(yīng)用[J].水利水電科技進(jìn)展,2008,28(3):70-72.(JI Honglan,CHAOLUN Bagen,CHEN Shouyu.Application of fuzzy optimization neural network BP approach in forecasting freeze-up and break-up date in the Inner Mongolia reach of the Yellow River[J].Advances in Science and Technology of Water Resources,2008,28(3):70-72.(in Chinese))

[6]郭永鑫,王濤,楊開(kāi)林,等.黃河寧蒙河段冰情預(yù)報(bào)決策支持系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)[J].水利水電技術(shù),2005,36 (10):67-69.(GUO Yongxin,WANG Tao,YANG Kailin, et al.Design and development ofdecision support system for ice regine forecast of Ningxia-Inner Mongolia reach of Yellow River[J].Water Resources and Hydropower Engineering,2005,36(10):67-69.(in Chinese))

[7]王濤,楊開(kāi)林,郭新蕾,等.基于網(wǎng)絡(luò)的自適應(yīng)模糊推理系統(tǒng)在冰情預(yù)報(bào)中的應(yīng)用[J].水利學(xué)報(bào),2012,43 (1):112-117.(WANG Tao,YANG Kailin,GUO Xinlei, etal.Appication ofAdaptive-Network-Based Fuzzy Inference System to ice condition forecast[J].Journal of Hydraulic Engineering,2012,43(1):112-117.(in Chinese))

[8]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京:高等教育出版社,2001.

[9]李曉峰,徐玖平,王蔭清,等.BP人工神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)算法的建立及其應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐, 2004(5):1-8(LI Xiaofeng,XU Jiuping,WANG Yinqing, et al.The establishment of self-adapting algorithm of BP neuralnetwork and its application[J].Systems Engineering-Theory& Practice,2004(5):1-8.(in Chinese))[10]梅長(zhǎng)林,王寧.近代回歸分析方法[M].北京:科學(xué)出版社,2012.

[11]白秀琴,李瑞閣.多元回歸分析方法應(yīng)用實(shí)證分析與比較[J].河南科學(xué),2010,28(9):1083-1088.(BAI Xiuqin,LI Ruige.Applied comparison ofmultiple regression analysis in the practical[J].Henan Science, 2010,28(9):1083-1088.(in Chinese))

[12]張宗飛.VB中基于ADO的數(shù)據(jù)庫(kù)訪問(wèn)技術(shù)分析及應(yīng)用[J].計(jì)算機(jī)與數(shù)字工程,2008(6):53-56.(ZHANG Zongfei.Analysis and application about database access technology based on ADO in VB[J].Computer&Digital Engineering,2008(6):53-56.(in Chinese))

[13]李淑紅,張巧榮.利用OLE技術(shù)和Excel制作復(fù)雜報(bào)表[J].武漢理工大學(xué)學(xué)報(bào):信息與管理工程版,2004,26 (5):74-76.(LI Shuhong,ZHANG Qiaorong.Complicated report generation using OLE and Excel[J].Journal of Wuhan University of Technolgy:Information&Management Engineering,2004,26(5):74-76.(in Chinese))

[14]GB/T22483—2008 水文情報(bào)預(yù)報(bào)規(guī)范[S].

Development and application analyze of forecasting system of ice conditions in Inner Mongolia reach of Yellow River//

BIAN Xuejun1,JI Honglan1,JIANG Xinhua2,GAO Ruizhong1
(1.School of Hydraulic&Civil Engineering,Inner Mongolia Agricultural University,Hohhot 010018,China;2.School of Computer&Information Engineering,Inner Mongolia Agricultural University,Hohhot 010018,China)

In order to forecast the date of ice-run,freeze-up and break-up,the forecasting system of ice conditions in Inner Mongolia section of the Yellow River has been designed and developed at every station based on the theory of multiple linear regression and artificial neural network theory.After selecting hydrological,meteorological and ice information the system has established a database,which can be called by applying ADO OLEDB technology.Additionally,the models of artificial neural network and multiple linear regression are used to realize the prediction,identification,and inspection.The overall results based on the data of 5 years from 2003-2004 to 2007-2008 employed in the prediction test,the qualified rate of the forecast results is respectively 80%and 67.7%.These,respectively reaches the first and third class forecasting scheme, indicating that the system can be applied to forecast the date of ice-run,freeze-up and break-up in Inner Mongolia section of the Yellow River.

forecasting system of ice condition;artificial neural network;multiple linear regression;Inner Mongolia reach of Yellow River

TV882.1;P338+.4

:A

:1006-7647(2014)04-0062-04

10.3880/j.issn.1006-7647.2014.04.013

2013-1010 編輯:熊水斌)

國(guó)家自然科學(xué)基金(51369017,51369021);內(nèi)蒙古水利廳科技計(jì)劃(201007)

卞雪軍(1987—),男,內(nèi)蒙古赤峰人,碩士研究生,主要從事水文學(xué)及水資源研究。E-mail:bianxuejun999@163.com

冀鴻蘭(1970—),女,內(nèi)蒙古呼和浩特人,教授,博士,主要從事水文學(xué)及水資源研究。E-mail:honglanji@sina.com