基于多水文模型预报能力分析的洪水预报

为了解决概念性和黑箱模型在小时尺度模拟效果对比中预见期选择的问题，提出利用滞后演算法求解概念性模型预报能力. 在两模型共同预报能力条件下，引入集对分析理论对比新安江模型、土壤水核算与演算（SMAR）模型、倒传递（BP）和Elman神经网络模型模拟效果. 概念性模型预报能力与流域面积成正相关且特定流域的预报能力相对固定，其中金华江和龙泉溪流域的预见期可以分别取第7、3 h；在相同预见期条件下，龙泉溪流域表现最好的是BP模型而最差的是Elman模型，金华江流域表现最好的是新安江模型而最差的是SMAR模型；引入集对分析方法可以从单指标转向更多指标进行综合评价，具有较好的适用性和高效性.     

不同水文模型在金溪流域的模拟与适应性研究

应用概念性新安江模型、水箱模型以及半分布式的TOPMODEL模拟了金溪流域的水文过程,并比较了3种模型对日径流过程和场次洪水过程的模拟结果与精度。结果表明:各模型模拟1992—1993年日径流过程的Nash效率系数都大于0.7,净雨深相对误差都小于15%,说明各模型都能较好地模拟该流域的日径流过程,新安江模型和水箱模型的模拟精度较TOPMODEL的略好。选择两场洪水,比较3种流域水文模型模拟场次洪水过程的精度,发现3种流域水文模型模拟的洪水过程与实测过程总体上相贴近,且单峰洪水模拟结果相对多峰较好,洪量和洪峰的相对误差都小于20%,满足洪水预报精度要求。3种模型在金溪流域日径流过程和场次洪水过程模拟中的结果表明,水箱模型和新安江模型的表现略优于TOPMODEL的。     

干旱半干旱地区流域水文模型的适用性

以干旱半干旱地区的辽宁省东白城子和叶柏寿流域为研究实例,通过建立新安江模型、辽宁西部非饱和产流模型和时变增益模型,利用场次洪水观测资料进行模型的率定与验证,比较分析场次洪水在率定期与验证期的模拟预报效果,最后讨论分析了3种水文模型在干旱半干旱地区洪水预报的适用性.结果表明,以蓄满产流为核心的新安江模型不适用于干旱半干旱地区,适用性最差;辽宁西部非饱和产流模型较新安江模型模拟效果有所提高,但仍无法满足洪水预报的精度要求;考虑降雨强度的时变增益模型模拟效果最优,在干旱半干旱地区的适用性最强,具有良好的发展潜力.     

基于LSTM误差校正蓄满-超渗兼容模型的山洪预报研究

为达到提高不同类型山区小流域洪水预报的适用性和运行效率的目的,以长江中游寿溪流域和黄河中游青阳岔流域为研究对象,建立了蓄满-超渗兼容洪水预报模型,并将预报结果与新安江模型的结果进行对比,此外建立自回归(auto-regressive, AR)和长短时记忆(long short-term memory, LSTM)误差校正模型,对洪水预报模型预报流量进行误差校正。结果表明：经LSTM校正后的蓄满-超渗兼容模型针对18场洪水验证集预报结果中的平均纳什效率系数为0.88,高出其他单一模型和集合模型0.11～0.26;平均洪峰误差绝对值为6.01%,低于其他单一模型和集合模型3.90%～18.50%,且各单场洪峰误差绝对值均在10%以内。该模型对峰现时差的校正效果不明显。整体来看,蓄满-超渗兼容模型预报性能高于新安江模型,LSTM模型校正效果优于AR模型,经过LSTM模型校正过的蓄满-超渗兼容模型预报结果最优,可有效提高洪水预报精度。     

基于栅格式SCS模型的分布式水文模型研究

利用基于栅格分布的土地利用类型和土壤类型,通过将SCS模型改进为栅格式的SCS模型,并结合栅格式Clark单位线汇流方法,构建了一个具有松散耦合型分布式水文模型.该模型结构简单,模型参数较少,所需流域特性资料容易获取,对流域具有较强的适应性,并可以获得流域栅格分布式的产流结果.本研究将该模型应用到欧阳海流域上,构建洪水预报模型进行场次洪水过程模拟,并与新安江模型模拟结果进行对比.模拟结果表明,所构建的松散结构分布式水文模型具有较高的模拟精度,能够应用到实际的洪水预报中.     

集合神经网络的洪水预报

针对防洪减灾的问题,通过将集合预报概念应用于人工神经网络,综合考虑样本和参数等因素的影响,构建集合神经网络模型,以降低单一神经网络模型的不确定性.针对初始值扰动和样本重采样两方面分别产生集合成员,由简单平均和贝叶斯模型加权平均整合预报输出,构建龙泉溪流域预见期为1~3h的集合洪水预报.结果表明,相对于单一神经网络,集合神经网络模型有效地提高预测的精度.从均方根误差上看,集合神经网络模型性能比单一神经网络模型提升了15%~35%.在众多集合策略中,以初始值扰动和简单平均操作最简单,模型预报输出有16%~32%的提升,重采样和贝叶斯模型加权平均的组合效果使预报精度改进了22%~35%.     

改进的人工神经网络水文预报模型及应用

在人工神经网络水文模型的研究中,往往加入前期径流以提高模型的预报精度.针对由此带来的问题,通过耦合总径流线性响应模型,建立一种基于人工神经网络的实时预报模型.通过引入总径流线性响应模型的模拟径流作为模型输入,模型的模拟模式能够提供较长的预见期,同时加入误差校正模型的实时预报模式也能够取得较高的模型精度.采用3个不同流域的流量资料对模型进行率定与校核.结果表明,模型能够取得较高的预报精度,显示了良好的适用性.     

分布式流域水文物理模型的应用和检验

应用BBMW流域资料来检验分布式流域水文物理模型 ,分析探讨径流形成原理及地表径流的空间分布规律 ,并与新安江模型的模拟结果进行比较 .5场洪水过程模拟的模型效率系数为 85 .2 % ,水量守恒指数为 0 .98,模拟效果较好 ,略高于新安江三水源模型     

西津河胡乐司水文站以上流域产汇流计算

以洪水预报作为研究课题 ,探讨了三水源新安江模型在皖南山区西津河胡乐司水文站以上流域的应用 .分析了模型参数值的确定、调试、验证及模型精度 ,供皖南山区及下游港口湾水库应用实时洪水预报模型参考     

大渡河流域径流预报不确定性溯源及降低控制方法

根据流域水文、气象、下垫面等资料及现有模型特点,从模型输入、模型结构及参数、人类活动影响等方面,开展大渡河流域径流预报不确定性溯源分析,识别影响径流预报不确定性的主要因素,并提出了预报不确定性降低控制方法。在模型输入方面,引入气象降雨数据,并结合协-克里金插值处理以提高降雨输入质量;在模型结构及参数方面,针对流域上游存在的融雪径流,构建了新安江-融雪径流预报耦合模型,并依据季节不同采用不同的模型参数;在预报误差校正方面,采用动态系统响应曲线修正方法进行终端预报误差校正。应用结果表明:无论是上游的丹巴流域还是中下游的毛头码流域,通过采用不确定性降低控制措施后,径流深预报合格率达100%,整体预报精度显著提高。     

DHSVM模型在南小河沟的适用性研究

以位于黄土高原沟壑区的南小河沟流域作为研究对象,基于实测资料,构建了南小河沟的DHSVM模型,在南小河沟建立了一套合理的参数选值方案,给出了5个影响径流的敏感参数的参考值,为该流域的水文模拟提供了参考。探讨了DHSVM模型在该流域的适用性,结果显示模型能够较准确地模拟该流域的径流过程,率定期(2003—2005年)的纳什系数ENS为0.75,相对误差Er为12.74%;验证期(2006—2007年)的纳什系数ENS为0.68,相对误差Er为9.42%。率定期和验证期的纳什系数均大于0.65,相对误差均小于15%,模拟的结果较好,模拟精度也满足要求。因此DHSVM模型在南小河沟流域具有一定的适用性。     

基于粒子群算法的天气滚动预报集成技术

针对集成预报的权重分布法,采用具有全局寻优特点的粒子群算法优化其权重系数,以更好地集中各种预报模式的优势．以天津地区天气预报为实例,建立基于粒子群算法的集成预报模型,实现多种预报模式的集成处理,结果表明该方法对于短时天气预报具有较好的准确度．     

BTOPMC在山区流域暴雨洪水预警预报中的应用

为验证分布式水文物理模型BTOPMC在山区流域暴雨洪水预警预报中的适用性,利用BTOPMC模型对四川省2个山洪易发流域的暴雨洪水过程进行模拟。结果表明：BTOPMC模型能够较准确地模拟洪峰流量以及洪峰出现时间,达到暴雨洪水预警预报对模型的要求,该模型适用于山区流域的暴雨洪水预警预报。     

降雨径流模拟神经网络模型及应用

针对水文系统的非线性,构建了基于遗传算法和人工神经网络的降雨径流模拟神经网络模型(GA-BP模型).采用附加动量法和自适应学习速率对BP神经网络进行改进,遗传算法用于优化神经网络的初始权重.以大别山及皖南山区月潭流域为例,将GA-BP模型、BP模型以及新安江模型应用于水文日径流过程模拟,进行应用比较以及分析GA-BP模型在水文径流模拟过程中的难点及其可行性.结果表明,GA-BP模型优化了网络结构,加快了算法收敛速率;可以用于降雨径流过程模拟,也为今后类似研究提供一种模拟技术.在实际应用中可以根据流域资料情况选择合适的模型进行水文模拟作业.     

海河南拒马河流域水文特性及HBV模型的应用

HBV模型是瑞典气象水文研究所(SMHI)研发的流域水文模型,在寒区和湿润地区有较为广泛的运用,是重要的水文预报方法之一。半干旱地区水文预报是水文工作者目前面临的重要挑战。以位于半干旱地区的南拒马河流域作为研究对象,分析了该流域降水、径流特性,初步研究了HBV模型在我国半干旱地区的应用效果。结果表明:2000年之前,降水-径流相关关系总体较好,2000年之后流量一直偏低,降水-径流相关关系散乱;HBV模型对于南拒马河流域天然时期的模拟效果比较好,率定期和验证期的Nash-Sutcliffe效率系数分别为0.63和0.81,总体能够模拟径流对降水的响应过程,表明HBV水文模型在半干旱地区的天然时期具有相对较好的适用性。     

基于Power Builder的流域洪水实时预报系统研究

应用面向对象的可视化开发工具PowerBuilder和二水源新安江模型 ,开发研制了流域洪水实时预报系统 .经唐河流域 1975年洪水资料进行检验表明该系统是有效的 ,其预报成果为流域洪水预报调度提供了重要的决策依据     

河道洪水演进的分类多模型组合预报方法

为了提高河道洪水演进预报精度,同时发挥各类预报模型的优点,提出一种组合预报方法,根据实际流域情况和资料情况选择多种洪水演进预报模型,针对不同的流量级别,利用多目标模糊优选方法选出特定条件下预报较准的模型进行分类组合预报,然后根据流量级别隶属度对各类预报结果加以组合.并以嫩江流域为实例,对组合预报方法的精度进行了验证.     

基于TIGGE资料的降雨预报评估 ——以洪安涧河流域为例

为评价集合降雨预报信息的可利用性,以洪安涧河流域为例,利用TS评分、BS评分、Brier评分以及Talagrand分布图对ECMWF和UKMO两个预报中心2007年5月—2013年4月预见期1～10 d的控制预报及集合平均预报降雨信息进行评估。结果显示:随着预见期的延长、降雨等级的提升,降雨预报的效果逐渐变差;降雨的集合平均预报比控制预报的效果好。进一步对两个预报中心降雨信息的集合平均预报进行精度分析,结果表明,ECMWF和UKMO的降雨预报信息在研究流域有较高的精度,且ECMWF的降雨预报效果优于UKMO。该研究成果表明了TIGGE的降雨预报信息可运用于洪安涧河流域,并可为探索流域内的径流预报及洪水调度等提供科学支持。     

一种基于多层设计空间缩减策略的近似高维优化方法

针对高维昂贵黑箱问题(high-dimensional expensive black-box, HEB)处理过程中工程模型复杂、计算量大的难题,提出一种基于多层设计空间缩减策略的近似高维优化方法(hierarchical design space reduction strategy based approximate high-dimensional optimization method, HSRAHO)。利用3种经典代理模型:多项式响应面模型、径向基函数模型和克里金模型,使用基于预测均方根误差权重因子优化方法计算获得各代理模型权系数,通过加权叠加构建组合代理模型,替代实际高维黑箱模型。使用多层设计空间缩减策略根据已知信息确定设计子空间,并在其内部确定有效样本点,逐步提高组合代理模型在感兴趣区域的预测精度,直至优化收敛。将提出的近似高维优化方法HSRAHO应用于标准优化函数和翼型设计优化问题,测试结果验证了该方法在高维优化效率和全局收敛性方面的优势。     

基于代理模型的水文模型参数多目标优化

针对传统多目标优化算法存在计算复杂且效率偏低的问题,提出了一种基于代理模型的多目标优化方案。以淮河大坡岭水文站以上流域为例,采用多元自适应回归样条方法构建新安江模型参数与不同目标的响应曲面关系,进而估计参数的近似Pareto解集。采用4种目标函数（总水量误差系数,均方根误差,高水流量误差系数和低水流量误差系数）和4种模型精度评价指标（Nash-Sutcliffe效率系数,洪峰流量相对误差,径流深相对误差和峰现时间误差）评定模型优化结果,选择10场洪水过程和4种不确定性评价指标估计Pareto解集的模型预测区间特征。结果表明代理模型可有效降低模型评估与优化过程中的计算消耗,为实现多目标优化的高效性奠定了基础。此外,不确定性分析结果也进一步验证了方法的有效性和结果的可靠性,为复杂模型参数优化与不确定性评估提供了参考。