特征加權FCM算法在洪水樣本分類中的應用

隨著數(shù)學統(tǒng)計分析方法在水文預報中的應用, 水文預報的計算方法也取得了一定的發(fā)展, 洪水預報中的產(chǎn)匯流機制與原理經(jīng)過幾十年的發(fā)展, 已經(jīng)基本成熟, 然而, 水文預報結果影響因子主要表現(xiàn)為水文、氣象、地理地質(zhì)等不確定性因素, 這些因素具有一定的隨機性和模糊性。本文針對流域洪水預報的不確定性因素, 采用模糊聚類算法對歷史洪水特征樣本進行模糊c均值聚類分析。利用模糊分析將不確定性和內(nèi)規(guī)律性聯(lián)系在一起,基于聚類分析和模糊數(shù)學的基本原理, 根據(jù)流域水文預報中的結果影響因子, 運用基于特征加權技術的模糊聚類分析新算法對曹娥江流域的歷史洪水資料樣本進行模糊分類, 然后在流域成熟的概念性降雨徑流模型基礎上, 對不同類別的歷史洪水分別進行產(chǎn)匯流參數(shù)率定, 利用樣本特征的模糊識別以提高實時水文預報的精度。