融合数据同化与机器学习的流域径流模拟方法

环境变化影响下流域径流的精确模拟对洪涝灾害防治与区域水资源管理都具有重要意义。在径流模拟研究中，现有机器学习模型未能充分考虑水文中间状态变量对降雨-径流过程的影响，本研究基于集合卡尔曼滤波(EnKF)更新水文状态变量，结合主成分分析(PCA)提取预报因子的主要特征，采用长短时记忆神经网络(LSTM)构建考虑水文中间变量的机器学习水文模型EnKF-PCA-LSTM。以赣江流域为例，评估EnKF-PCA-LSTM模型的径流模拟效果，同时将模拟结果与LSTM模型、物理水文模型HYMOD做对比分析。结果表明，EnKF-PCA-LSTM模型模拟径流的纳什效率系数、Kling-Gupta效率系数和对数纳什效率系数分别为0.954、0.971和0.972,比LSTM模型和HYMOD模型具有更好的模拟性能，说明考虑水文状态变量可有效提高机器学习模型的径流模拟精度及稳定性。研究成果可为流域径流模拟提供技术参考。     

基于深度学习的雷达降雨临近预报及洪水预报

为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net、嵌入注意力门的Attention-Unet和添加转换器的多级注意力TransAtt-Unet开展雷达降雨临近预报,将预报降雨作为HEC-HMS水文模型的输入,对柳林实验流域进行洪水预报。结果表明：1 h预见期时,Attention-Unet对短时强降雨预报结果较好,TransAtt-Unet预报降雨模拟的洪峰流量和径流量相对误差小于20%,各深度学习模型对量级较大的降雨和洪水预报精度较高;2 h预见期的预报降雨强度、降雨总量、洪峰流量和径流量存在显著低估,U-Net能取得相对较好的降雨预报结果。基于深度学习的1 h预见期雷达降雨临近预报及洪水预报可为流域防洪减灾提供科学依据。     

开都河流域山区径流模拟及降雨输入的不确定性分析

选取塔里木河源区的开都河流域为研究区,将流域内气象水文站点数据与遥感数据相结合,利用气象、土壤类型、土地利用和地表覆盖、数字高程(DEM)和降雨等资料,模拟流域水文过程,并在出山口实测径流数据的基础上对模型进行率定和验证;对降雨输入所带来的径流模拟不确定性进行分析,探讨降雨输入的空间异质性对水文预报结果的影响机制.结果表明:MIKE-SHE模型能在水文、气象站点稀少,土壤及水文地质数据缺乏的条件下,模拟开都河流域的日径流过程,但精度上仍有待提高;降雨输入的空间分布程度对径流模拟有重要影响.FY-2C遥感估算降雨资料能够更好地表达降雨时间的空间异质性,相应地对径流模拟精度也有一定程度的提高.     

SMA-LSTM模型在径流预报中的适用性研究

径流预报对于防洪、发电和生态调度等具有重要意义。以大渡河丹巴以上流域为研究区域,采用黏菌优化算法（SMA）对长短期记忆神经网络（LSTM）的隐藏层输出维度进行优化,构建SMA-LSTM模型对未来10日径流过程进行预报,以探讨深度学习方法对流域径流预报的适用性。基于2012—2017年的日降雨量和日流量资料,构建了预见期为10天的逐日径流SMA-LSTM预报模型,以2018—2019年的资料进行模型验证;采用最大1日径流量相对误差和10日总径流量相对误差作为SMA-LSTM模型精度的评价指标,并与未优化的LSTM模型和新安江模型结果进行对比。结果表明：SMA-LSTM模型具有较高的模拟和预报精度,无论是在率定期还是验证期,两种指标均控制在±10%以内,且两种指标的绝对值平均都不超过7%;整体而言,SMA-LSTM模型精度更高,预报的径流过程与实测过程更为贴近。研究成果可供流域径流预报实际工作参考。     

气候变化对大凌河流域径流影响研究

利用区域气候模型PRECIS RCM模拟结果分析了研究流域未来温室气体在A2排放模式下规划水平年气候变化情况。将PRECIS模型模拟降水、蒸散发数据输入水文降雨径流NAM模型中,分析未来气候变化对研究流域径流影响。分析结果表明,未来气候变化条件下,受降水、蒸发变化影响,大凌河流域径流量会显著增加。     

基于通用计算的涪江中段径流模拟研究

为了提高传统径流汇流模拟的时效性,提出了一种基于通用计算的径流汇流模型。模型采用纳维-斯托克斯作为基础方程。首先,文章探讨了利用通用计算进行径流汇流模拟的实现方法并设计了模拟计算流程。然后,以涪江流域中段为研究区域,将流域内25个常规站和区域站的实况降水数据为数据源,分别利用本文径流汇流模型和FloodArea模型对流域进行径流模拟,并将两种模型模拟结果与水文站实测数据进行对比分析。结果发现,基于通用计算的径流汇流模型不仅在模拟效率上相对于FloodArea模型有很大程度的提高,而且模拟结果具有更小的水位变化误差,与水文站实测水文数据具有更好拟合效果。模拟时效性和结果准确性的同时提升表明本文的径流汇流模型对暴雨洪涝预警预报具有重要的意义。     

喀斯特流域降雨-径流人工神经网络模型结构分析及模拟

喀斯特流域降雨-径流响应是一个非线性过程,分析确定地下河流量过程的主要影响因子对喀斯特流域水文过程模拟具有重要意义。本文利用普定后寨河流域实测降雨、径流系列资料,采用神经网络权重分析法确定该流域的人工神经网络模型结构为两个隐含层、三个输入变量,该人工神经网络模型结构可以保持降雨-径流模拟的稳定性。模型经交叉训练与验证,训练期效率系数（NSC）达0.9以上,验证期NSC达0.88以上。说明神经网络权重分析法能够较好地确立预报因子与预报对象的关系,为喀斯特流域降雨-径流模拟提供一种有效的分析手段。      

基于DEM的流域降雨径流模拟——以蒲石河流域山区为例

DEM是目前用于流域地形分析的主要数据,基于DEM的水文模拟技术,在流域地形分析及水系构建等方面已形成了比较成熟的算法,给传统的水文模拟技术带来了根本性的变化。以蒲石河流域山区为例,借助流域水文软件WMS,结合ARCVIEW和SURFER软件,计算了流域的面积、周长、坡度与形状因子等参数。在生成山区数字高程模型的基础上,采用WMS嵌入的HEC-1模型对一场降雨进行了降雨径流模拟研究。     

融合气象要素时空特征的深度学习水文模型

针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题, 本文基于主成分分析(PCA)方法提取气象要素空间特征, 利用长短时记忆神经网络(LSTM)学习长时序过程规律, 构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域, 利用LSTM模型和物理水文模型THREW作为比对模型, 基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示: PCA-LSTM模型径流模拟纳什效率系数为0.92, 高于比对模型LSTM和THREW, 表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。     

TOPMODEL模型在新疆伊犁河流域水文计算中的应用研究

水文模型对于分析水文活动具有重要的参考意义。TOPMODEL模型是水文模型中应用最广泛的模型之一,本文对TOPMODEL模型的基本理论、基本方程、模型参数以及应用步骤进行阐述,并基于TOPMODEL模型对伊犁河流域进行径流模拟、洪水预报及水文计算模拟研究,模拟结果显示:TOPMODEL模型能够很好的再现伊犁河流域的洪水径流过程,有8个场的测定系数达到丙级以上精度,洪峰相对误差小于20%,合格率为88.9%,研究结果能够为伊犁河流域及相似流域水文活动的预报预警提供一定的理论和技术参考。     

分项调查与水文模型相结合的九龙江流域 天然径流量计算

由于人类活动影响,水文站的实测径流过程普遍发生显著变化,而大量水资源分析计算工作必须以天然径流量为基础。以九龙江流域为例,提出将分项调查法与水文模型法相结合的流域天然径流量综合还原法,即采用分项调查法对主要水文站控制集水区的实测径流数据做还原计算,利用还原后的径流数据构建以子流域为单元的SWAT降雨径流模型,进而通过参数移用,利用该模型模拟得到全研究区不同子流域的天然径流数据。利用该方法得到的主要控制站及无径流观测子流域的天然径流数据均具有较高准确性。该方法既可以充分利用有资料流域的详实观测数据,又可以解决无资料区对天然径流数据的需求,可以为水资源评价、水量分配等工作提供依据。     

不同分布式水文模型在大凌河中游对比运用研究

不同水文模型在不同流域都具有一定的适用性,为对比分布式水文模型SWAT模型和VIC模型在大凌河中游的适用性及模拟精度,以大凌河中游大城子水文站以上流域为研究区域,基于大城子水文站2000-2010年水文数据,对比分析两种分布式水文模型在大凌河中游的适用性及模拟精度。研究成果表明:SWAT模型更适合于大凌河中游的水量模拟,SWAT模型模拟相对误差均值为5.21%,低于VIC模型模拟的相对误差(相对误差均值为8.01%),且SWAT模型模拟的确定性系数均值为0.74,优于VIC模型模拟的确定系数(确定系数均值为0.68)。研究成果对于大凌河中游水文模拟及流域水文预报预警提供参考价值。     

降雨输入不确定性对分布式流域水文模拟的影响研究——以武烈河流域为例

降雨输入对分布式流域水文模拟具有重要影响。针对流域降雨资料不完整的情况,以武烈河流域为例,基于反距离加权平均法对雨量站降雨资料进行插补延长,并结合SWAT模型研究了降雨输入不确定性对分布式流域水文模拟的影响。结果表明:不同降雨输入对流域平均降雨量的影响较小,但基于气象站资料的降雨数据在降雨空间差异显著的年份会明显低估面雨量,且在夏季汛期表现更为显著;不同降雨输入对分布式流域水文模拟的影响较大;在雨量站降雨资料不完整的情况下,通过对雨量站降雨数据进行插补延长,相对于直接利用气象站降雨资料,在一定程度上可以提高径流模拟精度,满足降雨资料欠缺流域分布式水文模拟的实际需求。     

BP神经网络在贵州喀斯特山区径流预报中的应用

以贵州六冲河、倒天河流域为例建立喀斯特山区径流预报BP神经网络模型。六冲河流域以七星关站丰水期流量过程为输出数据,以丰水期降雨过程、出口断面前期流量过程、蒸发量作为输入数据,倒天河流域以徐家屯站丰水期流量过程为输出因子,丰水期降雨过程、前期流量过程作为输入因子。预报结果确定性系数DC值分别为0.538、0.420。结果表明将蒸发量作为输入数据、流域面积比较大模型预报精度较大。     

高寒山区冻土对水文过程的影响研究——以黑河上游八宝河为例

冻土对寒区水文过程具有重要的调节作用,是寒区水循环研究的核心内容之一.在分布式水文模型中对土壤冻融过程进行显式表达,对探索寒区水循环的机理、定量研究寒区流域径流的时空变化十分重要.先在黑河上游八宝河流域对考虑了土壤冻融过程的分布式水文模型进行简单验证,然后分析土壤冻融对流域水文过程的影响.对考虑和不考虑土壤冻融的模型模拟结果进行对比,发现冻土对流域的产流方式和速度有很大的影响,主要表现为：1）考虑冻土时,流域产流以壤中流为主,径流对降雨或融雪的响应速度较快,径流过程线变化较为剧烈,径流系数较高.冻土有效地阻碍了入渗过程,促进地表径流和壤中流的形成.壤中流发生的平均土壤深度冬季深,春季浅,年平均深度约为1.1 m;2）在不考虑冻土时,土壤下渗能力强,地下水补给是考虑冻土时的3倍,流域产流方式以基流为主,径流对降雨或融雪的响应速度减缓,径流过程线较为平滑,夏季洪峰在时间上存在明显的延迟.即便在降水强度较大的夏天,流域内都不会产生地表产流,而且壤中流产流的平均土壤深度平稳地处于2.4 m左右.研究对从机理上认识土壤冻融对水文过程的影响有一定的帮助.     

训练数据量对 LSTM 网络学习性能影响分析

以雅砻江、岷江和嘉陵江为研究流域,采用K-最近邻（KNN）算法模拟生成130年的气象数据,并采用SWAT模型计算各流域出口水文站的径流过程;然后分别以前5年、10年、20年、40年和80年的降雨和径流数据对网络进行训练,以最后50年数据作为验证。主要结果表明：LSTM网络的学习能力随着神经元数量增加不断提高,但对水文序列数据的学习则存在过拟合严重的问题;增加训练数据量,可以有效地降低LSTM网络过拟合现象。     

贵州典型岩溶流域日降雨径流过程模拟研究

以蓄满产流方式描述岩溶地区的产流过程,采用稳定入渗法划分径流,将非线性水箱模型用于模拟单元流域的调蓄过程,以遗传算法为基础率定模型参数,建立了基于遗传算法率定参数的概念性岩溶水文模型,并以贵州普定后寨河流域为例,采用流域内老黑潭、六谷、后寨测站的水文资料对所建模型进行检验,以相对误差、互相关系数和确定性系数来评定模型.结果表明,本模型预报结果的相对误差均小于士10%,互相关系数均大于0.80,确定性系数均大于或等于0.70,说明所构建的模型能够模拟及预报岩溶地区的降雨径流过程.      

SWAT模型在密赛流域的应用与比较研究

为对比分布式水文模型SWAT与典型集总式水文模型新安江模型的径流模拟能力,以钱塘江支流密赛流域为实验流域,以CRU气象数据集为气象输入资料,分别进行SWAT日、月径流模拟与验证,并与新安江模型模拟成果进行对比。结果显示SWAT模型在实验流域的月尺度径流模拟中更具优势,也表明SWAT模型在我国径流模拟中具有良好的适用性。     

基于CA的小流域分布式降雨径流模拟

构建基于元胞自动机(CA)模型的分布式水文模型,模拟小流域内降雨径流过程。从元胞状态、转换规则与时间步长3个方面扩展普通CA模型,包括5个子状态、5个元胞系数及两条转换规则,并实现模型与GIS的集成。以黄土高原岔巴沟流域的降雨径流观测数据对模型进行了验证分析。试验结果表明,确定性系数、峰现时差与洪峰误差3个评价指数都达到一定精度,实现了流域内径流过程的可视化。结合CA模型与GIS技术可以较为有效地模拟流域次降雨径流过程,模型在该试验区是基本适用的。     

考虑植被和人类活动影响的水文模型参数时变特征分析

变化环境下流域水文物理特性常呈现"非稳态"特征,代表流域特性的模型参数也会随之发生变化,因此,开展水文模型参数时变研究有助于提高水文模拟精度。考虑植被条件和人类活动对水文过程的影响,基于植被归一化指数、人口、地区生产总值、粮食产量和有效灌溉面积5个指标建立两参数月水量平衡模型参数的时变函数表达式,并考虑4种参数时变情形。选取直门达、张家山、咸阳、横江、丹江口和峡江站6个水文站分析对比4种情形下模型的径流模拟结果及其不确定性。结果表明:所有站点在1982—2006年内水文物理特性呈现"非稳态"特征;且较常参数而言,时变参数模型模拟效果更好,并获得更优的确定性预报结果,其中直门达站径流模拟精度提高最为显著,率定期和检验期内的纳西效率系数（N_S）分别提高了10.3%和8.8%。该研究可以为变化环境下流域水库调度、水资源规划与管理等提供理论依据和技术支撑。