基于WEP模型和TRMM_PR的唐家山堰塞湖入湖径流预报

为解决缺资料地区的堰塞湖入湖径流模拟预报问题,本文以2008年5月12汶川大地震形成的唐家山堰塞湖为研究对象;采用分布式水文模型与热带降雨测量卫星的降雨数据（TRMM_PR）相结合的方法,设置了3种降水输入模式,对堰塞湖形成期内（5月12日—6月9日）的日均入湖流量进行了模拟预报,并利用监测期内（5月29日—6月9日）入湖径流实测资料与模拟结果进行了对比。结果表明：根据气象站实测降水数据对TRMM_PR数据进行修正后输入模型（模式3）,比将气象站实测数据直接输入模型（模式1）和将TRMM_PR观测数据直接输入模型（模式2）的模拟结果要好。本文的模拟结果表明,分布式水文模型可以和星载雷达测雨数据相结合可有效弥补因气象站点过于稀疏、单站控制面积过大造成的资料缺乏问题,而利用气象站点观测数据对TRMM_PR数据进行修正可以有效改善模型的降水输入,从而可以提高入湖径流预报精度。     

寒冷地区月降雨径流预报模型研究

西沟水电站地处高寒地区，受冰雪和冻土影响，降雨径流关系有其独特的规律和特点。本文在编制月降雨径流预报方案中，考虑冻土的不透水作用和蓄水调节作用，分别确定相应的参数，用不同分层模型计算取得了满意结果，提示了寒区降雨径流规律，如果通过计算机优选拟合，准确度和精度会更高，值得进一步研究与推广。     

安徽省江淮山丘区次降雨径流关系特性分析

利用我省江淮山丘区观测系列较长且具有代表性的３１处水文测站（包括水库水文站）实测水文资料和测站以上流域同期降水量资料，对各单站次降雨径流关系特性及影响降雨径流关系的几个要素进行了分析，为便于应用，对单站分析成果作了地区综合，并据此提出了我省江淮山丘区汛期，非汛期次降雨径流关系。     

我国降雨径流关系的区域规律研究

从全国的湿润、半湿润和半干旱地区选出17个代表流域,分别求出各子流域的降雨径流各要素值,然后绘制其降雨径流相关图。通过对不同下垫面条件下的降雨径流关系线进行对比分析,发现只有在比较容易发生全流域全面产流的湿润地区,降雨径流关系线的上部才能成为坡度为45°的直线。另外,还发现嵌套流域的降雨径流关系线适用于嵌套流域内的任何子流域;当下垫面情况和降水等要素相似时,地理位置相距较远的流域嵌套在一起时也可以用同一条降雨径流相关线来分析其降雨径流关系。     

运用GIUH估算非施测流域洪水

传统的设计洪水估算技术都使用历史降雨一径流数据及由此推导的单位过程线，由于流域的气候及物理变化，这些估算程度应用到非施测地区的可靠性受到怀疑，为了克服这些难题，使用有物理基础的降雨－径流估算方法，如地貌瞬时单位过程线（GIUH）就应运而生，在本研究中，GIUH从流域地貌特性推导到得，并将其与纳希瞬时单位过程线（IHH）模型参数相关联，以期得到其完整的过程线形状，GIUH和纳希IUH的模型参数使用两种不同方法获得，在第一种方法（称为GIUH－1）中，第一时间间隔的降雨强度允许变化，而在第二种方法（称为GIUH－2）中，降雨强度在整个暴雨期间取均值，将该方法运用到印度东部的Jira河子流域，用以模拟12场暴雨事件的洪水，两种GIUH方法及纳希IUH模型得到的结果具有可比性。     

对平原地区降雨径流模型问题的探讨

本文根据目前国内外平原地区降雨径流关系的研究,结合我国东部平原地区的水文特点,推荐一种适用于地势平坦,地下水埋深较浅,在均质土层下有一个较浅的相对不透水层的平原地区降雨径流模型。模型从水量平衡的观点出发,通过实测水文资料的分析及必要的野外查勘和试验,求得研究流域的特征参数和土壤特性参数。根据模型可用降雨和蒸发能力作为总输入,分别推出降雨入渗量、地表径流量、土壤水分变量、地下水蓄变量、地下径流量和河川总径流及其相应的变化过程。模型较清楚地描述了平原地区由降雨转化为径流的过程中,水分运动的物理机制及其相应流程,为研究平原地区的“三水”(降水、地表水和地下水)之间的相互转化提供了一个良好的工具。本文还通过计算实例,说明模型是可行的。     

基于ＬＳＴＭ模型的北威克试验站小流域实时径流预报

为探讨深度学习方法在小流域实时精细化径流预报中的适用性，建立了基于长短时记忆网络（ＬＳＴＭ）的英格兰北威克试验站小流域实时径流预报模型。借助深度学习框架Ｔｅｎｓｏｒｆｌｏｗ，采用ＬＳＴＭ识别输入特征及输入输出间的复杂非线性关系，将逐时段流域径流、前期降雨及气温三要素作为输入，分析了多种输入组合和多个时间步长的实时径流预报效果。结果表明:基于ＬＳＴＭ的模型在各子流域的径流预报效果较好，训练期和验证期的纳什系数均高于0．90，该模型可用于研究区的实时径流预报，可为流域防洪调度提供技术支撑。     

敦化市防洪洪水预防方案的编制

敦化市人水情自动测报系统洪水预防方案配置的特点是：数量多（８）个、种类全（降雨径流方案和模型方案）、复杂（有无控断面和水库调节０，为了保证方案的精度而又减少工作量，采取了方案组合、方案移用、参数地区综合等方法，作出了有关地点的洪水预防方案，并对部分方案进行了校验。     

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%。     

中小流域通用型产汇流洪水预报软件

用流域水文模型来模拟降雨径流关系，在计算机上作洪水预报，是处理中小流域产汇流洪水预报最理想的途径。文中对所编制的通用型产汇流洪水预报软件系统的特点、流程、主要输入功能、资料处理功能、参数率定功能、图表输出功能等方面的功能做了介绍。     

HEC-HMS模型在城市化流域洪水模拟中的应用

流域城市化过程影响了城市洪水形成的产汇流条件,显著增大了流域洪水模拟预报难度。采用HECHMS水文模型,选取秦淮河流域城市化前1980~1988年间共8场降雨-径流过程、城市化后2007~2013年间共7场降雨-径流过程开展洪水模拟研究,率定城市化前后不同土地利用情景下的产汇流参数,并设计城市化影响洪水模拟方案,对比分析城市化影响下的流域水文响应。结果表明:HEC-HMS模型在秦淮河流域城市化前后均具有很好适用性,且单峰洪水过程模拟精度高;城市化后流域内其他用地向城市建设用地转移,流域内不透水面积增加明显,使得产流量增加,洪峰流量增大,峰现时间提前约2 h。     

基于支持向量机(SVM)的祁连山典型小流域日降水-径流模拟研究

及时准确的日径流预测在流域水资源的合理规划、利用及管理中具有十分重要的作用。本文以支持向量机(SVM)模型为基础,以祁连山典型小流域-排露沟流域为研究区域,建立了流域日降水-径流模型,对流域未来1~7 d的日径流量进行了模拟预测。为检验SVM模型的有效性,模拟结果与人工神经网络(ANN)模型预测结果进行了对比。结果表明:SVM和ANN均表现出了很高的精度;但相比于传统的ANN模型,SVM模型的预测精度显著提高。表明SVM模型在半干旱山区小流域径流预测中有更好的适用性,可以用于流域中长期日径流预测,是资料有限的条件下中长期日径流预测的有效工具。     

连续API水文模型的研究及应用

连续API模型是传统的以前期影响雨量(Pa)为参数的降雨径流相关图法、单位线(或等时线)法与计算机技术相结合的产物,能预报连续的过程线.本文根据连续API模型原理,对模型参数进行改进,建立洪水预报模型应用于紧水滩流域,效果良好.     

大流域洪水预报与洪水调度管理方法研究

采用水文学与水力学、确定与随机相结合的方法，研究大流域洪水预报与洪水调度管理。确定性模型采用降雨～径流模型的新安江模型和经验预报方案进行流域流量过程预报，一维非恒定流水力学方法进行河道流量与水位以及蓄滞洪预报。随机模型采用线性动态模型进行下断面水位实时预报，最小二乘递推模型进行误差实时校正。以长江支流修水流域为例，采用新安江模型、经验方案进行万家埠与柘林水库入库洪水预报作为水力学计算的上边界条件，采用一维非恒定流水力学方法进行河道洪水流量、水位计算以及分洪计算。该方法为流域的防洪减灾提供了科学的途径。     

Real-time flood forecasting of Huai River with flood diversion and retarding areas

A combination of the rainfall-runoff module of the Xin’anjiang model, the Muskingum routing method, the water stage simulating hydrologic method, the diffusion wave nonlinear water stage method, and the real-time error correction method is applied to the real-time flood forecasting and regulation of the Huai River with flood diversion and retarding areas. The Xin’anjiang model is used to forecast the flood discharge hydrograph of the upstream and tributary. The flood routing of the main channel and flood diversion areas is based on the Muskingum method. The water stage of the downstream boundary condition is calculated with the water stage simulating hydrologic method and the water stages of each cross section are calculated from downstream to upstream with the diffusion wave nonlinear water stage method. The input flood discharge hydrograph from the main channel to the flood diversion area is estimated with the fixed split ratio of the main channel discharge. The flood flow inside the flood retarding area is calculated as a reservoir with the water balance method. The faded-memory forgetting factor least square of error series is used as the real-time error correction method for forecasting discharge and water stage. As an example, the combined models were applied to flood forecasting and regulation of the upper reaches of the Huai River above Lutaizi during the 2007 flood season. The forecast achieves a high accuracy and the results show that the combined models provide a scientific way of flood forecasting and regulation for a complex watershed with flood diversion and retarding areas.     

基于人工神经网络的日径流预测

给出了用人工神经网络(ANN)对 三峡宜昌站的日径流预测模型建模的过程，对ANN输入变量的选择和个数的确定以及隐藏层 、输出层单元数的确定等关键技术问题进行了探讨。所建立的基于ANN的预测模型可以进行 提前7 d的日径流预测，预测结果令人满意。     

人工神经网络在城市用水量预测中的应用进展

人工神经网络是一门新兴的交叉学科,用人工神经网络能解决很多传统方法无法解决的问题。从20世纪90年代开始把神经网络模型引入到用水量预测中,已对其进行了大量的研究。对人工神经网络在城市用水量预测中的应用现状进行了介绍,并指出目前应用中存在的主要问题及今后的研究方向。     

Investigation of Empirical Mode Decomposition in Forecasting of Hydrological Time Series

In this study, a nonparametric technique to set up a river stage forecasting model based on empirical mode decomposition (EMD) is presented. The approach is based on the use of the EMD and artificial neural networks (ANN) to forecast next month’s monthly streamflows. The proposed approach is applied to a real case study. The data from station on the Kizilirmak River in Turkey was used. The mean square errors (MSE), mean absolute errors (MAE) and correlation coefficient (R) statistics were used for evaluating the accuracy of the EMD-ANN model. The accuracy of the EMD-ANN model was then compared to the artificial neural networks (ANN) model. The results showed that EMD-ANN approach performed better than the ANN in predicting stream flows. The most accurate EMD-ANN model had MSE?=?0.0132, MAE?=?0.0883 and R?=?0.8012 statistics, respectively.     

基于Matlab神经网络的流域年径流量预测

阐述了运用人工神经网络模型对流域年径流量径流序列做出预报,表明人工神经网络模型在水文预报中具有一定的优势。通过BP神经网络算法得到了适合该神经网络模型的训练算法。以渔峡口站年径流量实测序列为研究对象,在数值试验的基础上建立了年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

汤河水库实时洪水预报技术研究

汤河水库洪水预报对汤河水库及其下游的防洪安全极其重要,需要研究实时洪水预报技术,以提高洪水预报精度.根据汤河水库自然地理和水文特性,汤河水库实时洪水预报采用汤河水库洪水预报,考虑到各场次洪水预报误差之间存在一定的相依性,故采用人工神经网络方法构建实时校正系统,模型用实际洪水资料进行校准,并用2场较大洪水予以检验.2个场次的校验表明,实时校正能明显地提高洪水预报的精度