基于水文響應(yīng)特征的淮河典型流域分類.docx


約51頁(yè)DOCX格式手機(jī)打開(kāi)展開(kāi)
基于水文響應(yīng)特征的淮河典型流域分類,2萬(wàn)字51頁(yè)原創(chuàng)作品,已通過(guò)查重系統(tǒng) 摘要雖然現(xiàn)在有許多關(guān)于流域分類的研究,但是在流域相似性上并沒(méi)有一致的相關(guān)測(cè)量手段。本文中采用不同的流域特性作為相似性指標(biāo)并對(duì)流域進(jìn)行分類。采用了一種聚類算法, k均值聚類分析算法,選取淮河流域36個(gè)中小流域作為研究對(duì)象,主要運(yùn)用iha softwa...


內(nèi)容介紹
此文檔由會(huì)員 changxiaoniu 發(fā)布
基于水文響應(yīng)特征的淮河典型流域分類
2萬(wàn)字 51頁(yè) 原創(chuàng)作品,已通過(guò)查重系統(tǒng)
摘 要
雖然現(xiàn)在有許多關(guān)于流域分類的研究,但是在流域相似性上并沒(méi)有一致的相關(guān)測(cè)量手段。本文中采用不同的流域特性作為相似性指標(biāo)并對(duì)流域進(jìn)行分類。采用了一種聚類算法, K均值聚類分析算法,選取淮河流域36個(gè)中小流域作為研究對(duì)象,主要運(yùn)用IHA software(計(jì)算各水文指標(biāo)的軟件)自動(dòng)估算年平均流量,各流域月平均流量,以及基流指數(shù)等27種重要水文特征值,利用已遴選出的27個(gè)水文特征值將代表性流域劃分為5個(gè)水文大區(qū)。該項(xiàng)研究將推動(dòng)水文相似性研究的發(fā)展,為未來(lái)遴選水文相似因子提供前期工作基礎(chǔ),同時(shí)該項(xiàng)研究的結(jié)果有利于水文資料向無(wú)資料地區(qū)的移用。
關(guān)鍵詞:中小流域;水文變化指標(biāo);水文相似;流域分類
2萬(wàn)字 51頁(yè) 原創(chuàng)作品,已通過(guò)查重系統(tǒng)
摘 要
雖然現(xiàn)在有許多關(guān)于流域分類的研究,但是在流域相似性上并沒(méi)有一致的相關(guān)測(cè)量手段。本文中采用不同的流域特性作為相似性指標(biāo)并對(duì)流域進(jìn)行分類。采用了一種聚類算法, K均值聚類分析算法,選取淮河流域36個(gè)中小流域作為研究對(duì)象,主要運(yùn)用IHA software(計(jì)算各水文指標(biāo)的軟件)自動(dòng)估算年平均流量,各流域月平均流量,以及基流指數(shù)等27種重要水文特征值,利用已遴選出的27個(gè)水文特征值將代表性流域劃分為5個(gè)水文大區(qū)。該項(xiàng)研究將推動(dòng)水文相似性研究的發(fā)展,為未來(lái)遴選水文相似因子提供前期工作基礎(chǔ),同時(shí)該項(xiàng)研究的結(jié)果有利于水文資料向無(wú)資料地區(qū)的移用。
關(guān)鍵詞:中小流域;水文變化指標(biāo);水文相似;流域分類