利用Excel添加趋势线方法预测枯季径流

文章根据孙水河流域内60 a降水、径流实测数据建立了中长期预报模型。预报模型完全采用了实测数据,没有任何假定,而且只用了降水量、径流深两个因子。方案精度可达85.10%,精度检验可达76.90%。依据该预报方法在10月初就可以预测出孙水河流域11月至次年4月径流深的总和,给防汛抗旱有关部门采取应对措施提供了较长的准备时间。     

关于提高鸭绿江流域洪水预报精度的探讨

本文介绍了在鸭绿江流域长期洪水预报作业中,采用了数理统计、洪水定性预报的方法;利用太阳黑子相对数与洪水的关系规律,预报大洪水的可能性.在短期洪水预报中采用降雨径流相关预报等方法,结合多年的洪水预报经验,提高预报精度,为洪水预报预测提供可靠的数据.     

尼尔基水库上游格点降水数据适用性评估

以尼尔基水库上游流域为研究对象,评估了国家气象信息中心空间分辨率为0. 5°×0. 5°格点的逐日降水产品数据在该流域的适用性。基于格点降水产品提供的逐日降水量资料和该流域17个雨量站的相应资料,应用相关系数R、相对误差RE和均方根误差RMSE 3个指标分别对应用格点降雨产品数据的流域面雨量值及旬径流预报值进行精度分析。结果表明:基于格点数据的面雨量值与实测面雨量间相关系数R为0. 70,相对误差RE为16. 64%,均方根误差RMSE为4. 09 mm,精度满足检验标准,可以用于描述该流域的面雨量值;基于格点面雨量值预报旬径流量时,预报径流值与实测径流值间高度相关;拟合期、检验期径流预报值略微偏大,而外推期存在低估的现象,误差相对较大,但与应用实测面雨量得到的预报径流值误差相差仅3%,该格点降水数据可以替代实测站点的雨量数据用于研究流域。     

基于BP网络的河道径流预报方法与应用

河道径流预报过程可以认为是一种复杂非线性函数关系的逼近过程。BP网络具有表达任意非线性映射的特性,因此建立了基于MATLAB神经网络工具箱的BP网络的径流预报模型。其中采用自相关函数确定网络输入层的神经元数,通过比较样本均方误差值来确定隐含层的神经元数。利用清江渔峡口以上流域1989~1995年的径流量资料对该模型进行了训练和检验,从而完成了该流域年径流量的预报,并且用多项精度评定指标对其进行了精度定量评价。结果表明:所建模型对所选流域的径流预报精度达到了乙等以上水平,具有一定的实用性。     

基于长短时记忆神经网络（LSTM）的降雨径流模拟及预报

长短时记忆神经网络(LSTM)具有很强的时间序列关系拟合能力,非常适用于模拟及预报流域产汇流这一复杂的时间序列过程。基于LSTM针对不同预见期的径流预报分别建立了流域降雨径流模型,以探讨LSTM在水文预报当中的应用。模型采用流域降雨、气象及水文数据作为输入,不同预见期后的径流过程作为输出,率定期为14a,验证期为2a。结果显示,在预见期为0～2d时LSTM预报精度很高,在预见期为3d时预报精度较差,但仍优于新安江模型。隐藏层神经元数量作为神经网络复杂程度的代表既会影响模型预报精度,也会影响模型训练速度。而输入数据长度则仅会在预见期为0的条件下影响模型预报效果。     

基于多模型集合方法的北江流域月径流预报研究

准确的月径流预报对于水资源优化配置、流域防汛抗旱、开展水量调度、水库群发电优化等具有十分重要的作用。当前工作中常用的月径流预报方法主要有水量平衡模型、数理统计模型、人工神经网络等。研究表明,任何单个模型在月径流预报问题上都无法始终具有最佳预报效果,多模型集合方法为消除模型不确定性、提高月径流预报精度提供了有效途径。以北江流域坪石站、犁市站、横石站和石角站为研究对象,分析对比了季节性自回归模型、两参数月水量平衡模型、人工神经网络的应用效果,并基于BMA(Bayesian Model Averaging)法获取上述站点的多模型集合方案,研究结果表明多模型集合月径流预报的精度相比单模型具有明显提升,不仅具有更高的确定性系数DC(Determination Coefficient),还能有效降低水量误差MAPE(Mean Absolute Percentage Error),能够为流域调度决策提供更好的支持。     

多元回归法在伊春河流域枯季径流预报中的应用

文中根据流域多年枯季径流特征数据,利用多元线性回归方程对流域枯季径流进行了实例拟合和预报检验分析,结果精度基本满足相关规范的要求,对特定流域水资源开发规划利用工作有一定的借鉴和参考价值。     

基于LSTM实时校正的WRF/WRF-Hydro耦合径流预报

为改进WRF/WRF-Hydro陆气耦合系统的径流预报效果,减小耦合系统在峰现时间、洪峰流量预报上的误差,本文在使用变分数据同化技术充分降低预报降雨误差水平的基础上,采用长短期记忆人工神经网络LSTM对WRF/WRF-Hydro耦合系统的径流预报过程开展了实时校正研究,并与自回归滑动平均模型ARMA实时校正结果进行对比。研究结果表明,通过数据同化技术可有效提升WRF模式降雨预报精度,降低WRF-Hydro模式的输入误差,但径流预报准确性仍有待提升。对比LSTM和ARMA两种实时校正模型对耦合径流预报结果的实时校正：在前3 h预见期,两种模型在中国北方半湿润、半干旱地区山区小流域6场典型洪水预报中的表现基本接近,除场次4外,LSTM和ARMA两种模型在3 h预见期的衰减速率分别为2.04~23.08和9.18~36.47,随着预见期的延长,LSTM径流预报精度的衰减速度在整体上慢于ARMA模型,预报效果优于ARMA模型。     

杨房沟电站大江截流期径流预报

以杨房沟电站坝址下游6 km处麦地龙水文站2000~2015年16 a日径流资料作为典型流量系列历史数据库,采用基于退水系数随时间变化的退水曲线法及前后期径流相关法,对该电站2016年大江截流期间坝址径流情况进行预报,通过对比分析两种方法的预报精度可以看出,两种方法预报均为枯期径流预报的有效方法,但基于退水系数随时间变化的退水曲线法的预报精度、拟合度均好于前后期径流相关法。     

线性动态系统预报模型在云峰水库的应用

云峰水库入库洪水预报方案为1993年编制的上下游流量相关和降雨径流相关方案,方案精度大多为乙级,且没有包含1993年以后的大洪水信息,难以满足实际防汛工作要求,急需完善。本文针对鸭绿江流域洪水特点及下垫面条件,采用线性动态系统预报方法建立云峰水库入库洪水预报系统,进一步完善鸭绿江流域洪水预报体系。     

伊春河流域枯水径流预报方法探讨

在分析研究流域气候特征及枯季径流来水规律的基础上,利用实测水文序列资料建立了流域枯季径流预报方程模型,通过实测资料检验,预报精度较高。     

洪水预报理论的新进展及现行方法的适用性

洪水预报是防洪减灾的重要非工程措施之一 ,其精度的提高主要依赖于科技进步 .根据国内外文献资料 ,对近 30年来流域产流理论、河道洪水波运动理论和流域汇流理论的新进展作了扼要介绍 .根据我国近半个世纪以来开展洪水预报工作的经验 ,对现行河段洪水预报方法、水库洪水预报方法、流域降雨径流预报方法和实时洪水预报误差校正方法的适用性作了初步分析 .     

基于物理成因识别的第二松花江汛期径流预报

针对第二松花江流域中长期径流预测精度较低问题,为了分析物理预报因子的作用过程以提高汛期洪水预报精度,选取太阳黑子相对数为物理影响因素,进而识别其影响时滞,以影响时滞期内的太阳黑子相对数作为径流预报因子,以汛期(6—9月份)月平均径流为预报项目,采用BP神经网络识别映射关系,采用历史资料作为训练样本,完成网络训练和检验。以第二松花江干流控制性水利工程丰满水库为例,对2017年汛期月平均径流进行预报。结果表明:丰满水库汛期月平均入库流量为1 400 m~3/s,来水频率为11%,定性预报第二松花江流域2017年为丰水年;2017年丰满水库实际来水141.00亿m~3,为多年均值的112%,为偏丰来水年份,来水定性预报正确。该方法的创新点在于:采用全局敏感性分析方法识别太阳活动的影响时滞,以确定预报因子;采用BP网络模拟预报因子与预报项目的复杂非线性相关关系,以构建预报网络。研究成果为2017年吉林省水文预报和防汛决策提供了重要支撑。     

流域中长期径流分类预报方法

以水文循环基本原理为基础,从流域径流水汽来源影响因素角度明确了中长期径流预报基本概念及分类,即以气象(中期)、气候(长期)和天文因素(超长期)为预报因子,针对流域出口断面(或典型断面)的旬、月、季(汛期)或年径流,以及流域旱涝趋势进行预报。通过比较不同时间尺度下的水汽系统物理运动机理,论证了"短期气候预测"作为中长期径流预报理论基础的合理性,并将流域径流来源影响因素及其表现概括为三大规律:天文因素表现出的周期性是主要规律,反映了水文气候过程的基本状态;大气环流表现出的随机性对水文气候基本状态存在干扰,导致了波动;流域特征性规律反映了各种因素综合作用结果,具有流域的特殊性。最终,将流域中长期径流预报分为正常年份的径流过程预报和异常灾变年份的大旱大涝预测,其中前者的预报因子为水文气象与气候要素,后者为天文因素;在服务对象上,前者为水利工程常规运行调度服务,后者为防洪抗旱部门防灾减灾提供灾情预测;在结果发布上,前者提供定量的径流过程预报,后者提供丰、平、枯等3级(或5级)定性预测,并给出相似年份;在预报方法上,前者采用数理统计方法或物理成因相关分析法,后者采用周期性、随机性和流域特殊性识别等综合预报方法。     

大渡河流域径流预报实时校正方法应用研究

为降低大渡河流域的径流预报误差,提高径流预报的可靠度和精度,以大渡河上游绰斯甲流域为研究对象,采用误差自回归校正模型(AR)和全过程联合校正方法(EPJC)2种实时校正技术,对新安江模型的径流预报结果进行了应用研究。选取洪峰流量相对误差、峰现时间绝对误差、径流深相对误差和确定性系数作为模型的评价指标,对比分析了2种校正模型的修正效果。结果表明:实时校正技术能有效提升水文模型的实际预报能力,且EPJC方法的提升效果优于AR模型,对大渡河流域具有更好的适用性。     

基于多元回归分析的大伙房水库径流中长期预报

以大伙房水库1956年~2000年10项年径流影响指标的统计数据为资料,基于主成分分析和Logistic方程多元回归方法,建立了大伙房水库径流中长期预报模型,并以2001年~2005年实测径流资料进行外推预报检验。研究结果表明,模型具有较高的拟合精度,预报效果较好,可以用来初步预测大伙房水库2000年之后的径流量,从而为水资源规划与管理部门指导实际生产提供参考依据。     

SCS-CN模型在济南市南部山区径流估算中的优化应用

济南市南部山区崮山流域地处我国北方土石山地丘陵区,以水力侵蚀为主的土壤侵蚀现象严重且生态环境脆弱,径流预测是水土保持监测和预报的重要基础,精度较高的的径流计算模型可以为济南市南部山区更好地开展水土保持工作提供技术支撑与数据基础。根据径流曲线模型（SCS-CN）原理和崮山流域内5个雨量站、1个水文站近10年的实测降雨、径流资料,借助ArcGIS平台利用优度拟合统计分析法及Nash-Sutcliffe效率系数验证法对模型参数初损率（λ）和径流曲线数（CN）进行了优化检验,结果表明：参数优化后的模型精确度较高（实测值与计算值分析结果为回归直线斜率K=0.905 8、确定系数R2=0.812 7、纳什效率系数ENS=0.796 9）可以更好地适用于崮山流域径流测算;对2019年崮山流域29次侵蚀性降雨进行降雨产流估算,并累加计算得流域年径流量为0.53亿 m3,年径流深处于34.15~371.52 mm,年均径流深为134.52 mm,汛期降雨产生的径流量占年径流量的90.27%。     

石羊河流域中长期径流预报模型应用

以石羊河流域西营水库为研究对象,采用时间序列模型(逐步回归自回归组合模型、ARMA模型)和改进的人工神经网络模型(逐步回归BP神经网络模型、逐步回归RBF神经网络模型)进行中长期径流预报并对比分析,为石羊河流域水量调度系统设计提供参考。结果表明:4种预报方法都达到预报精度要求,其中RBF神经网络方法合格率最高,但耗时长,逐步回归自回归预报精度和模型耗时都比较合理,可为石羊河流域水资源调度提供参考。     

多源降水信息在秦淮河流域洪水模拟中的应用

目前天气雷达测雨与卫星遥感降水具有高时空分辨率与大面积的覆盖范围等特点,为洪水模拟预报提供了新的数据支持,但此类降水产品的预报能力差别较大,因此需对其进行精度评估。结合地面雨量站观测数据,在中纬度秦淮河下游流域定量评估S波段雷达测雨和全球高分辨率卫星CMORPH,Era-Interim,GPM和TRMM(3B42V7)降水数据的精度,并采用三水源新安江模型对选定的3场洪水过程进行了模拟。结果表明:在洪水过程径流模拟中,S波段雷达测雨数据与4种卫星降水产品均具有较好的径流模拟适用性;除雨量站外,精确度最高为S波段雷达和GPM,是当前评估中最好的降水产品,径流模拟精度达到0.92以上,且两种降水产品的趋势一致,其次是TRMM(3B42V7),Era-Interim,CMORPH卫星降水数据。研究成果可为天气雷达与常用卫星遥感降水数据在流域洪水模拟的水文预报应用提供参考与借鉴。     

变化环境下气象水文预报研究进展

随着全球气候变化、下垫面改变及高强度人类活动的不断加剧,流域降水、蒸发、径流等气象水文要素都受到直接性的影响,水文序列的一致性假设不复存在。在变化环境下,传统径流预报方法适用性逐步变差,从而对气象水文的精准预报带来挑战。本文分别从气象水文预报的各个环节——多源降水数据融合、数值天气预报、流域水文模型、参数率定、数据同化、集合预报等方面综述了变化环境下的气象水文预报的研究进展。可以看到,国内外学者围绕上述技术都开展了大量研究,并取得了大量成果。未来针对变化环境下气象水文预报研究,将主要围绕以下方向开展:(1)落地和预报降水精度及时空分辨率的进一步提高;(2)水文模型结构的改进及不确定性分析;(3)水文预报误差的描述方法及其可靠性。