融合相空间重构和深度学习的径流模拟预测

发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明：PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%～9.77%,均方根误差平均降低17.01%～19.72%,对训练数据量的依赖程度相比LSTM降低25%～33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。     

SWAT模型在东江流域的应用研究

以SWAT模型为研究工具,对该模型在东江流域的3个子流域的适用性进行研究,研究表明,SWAT模型在东江流域3个子流域的适用性较好,校准期（19701975年）日径流模拟和月径流模拟的相对误差Re均在10%以内,日径流模拟的决定系数R2均在70%以上,月径流模拟的决定系数R2均在80%以上,Nash-Suttcliffe效率系数基本达到70%;验证期（19761985年及19962005年）,月径流模拟的决定系数R2和Nash-Suttcliffe效率系数均在70%以上,相对误差Re基本在±20%以内,可以满足该流域的水资源评价与规划的要求。     

概念性水文模型与智能模型在中小河流洪水模拟中的比较研究

相较于大江大河的流域水文预报研究,中小流域的研究相对匮乏。以沅江河溪水文站以上流域为例,研究LSTM(Long Short-Term Memory)模型和新安江模型在场次洪水中的模拟效果。通过对比,新安江模型的整体模拟精度较高,洪量、洪峰、峰现时间的平均相对误差分别为9.39%、9.55%、1.6 h,确定性系数为0.73,综合合格率为100%,达到甲级精度标准;LSTM模型的模拟精度较低,洪量、洪峰、峰现时间的平均相对误差分别为11.76%、12.33%、2.3 h,确定性系数为0.60,综合合格率为75%,达到乙级精度标准。结果表明,新安江模型和LSTM模型是中小河流洪水预报的有效方法,均可用于河溪流域的正式预报,且对于河溪流域,新安江模型的模拟精度比LSTM模型更高。     

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.      

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。     

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LSTM的青藏高原冻土区典型小流域径流模拟及预测

冻土覆盖率高的小流域的径流形成受温度因素控制明显,普通水文模型不适用,而常规冻土水文模型因需要较多的气象观测要素而难以应用。考虑冻土流域产流机制,利用青藏高原腹地风火山小流域2017—2018年逐日降水、气温、径流观测数据,以降水、气温为输入,径流为输出,基于长短期记忆神经网络（LSTM）建立了适用于小流域尺度的冻土水文模型,并利用2019年观测数据进行验证。模型得益于LSTM特殊的细胞状态和门结构能够学习、反映活动层冻融过程和土壤含水量变化,具有一定的冻土水文学意义,能很好地模拟冻土区径流过程。模型训练期R²、NSE均为0.93,RMSE为0.63 m³·s^-1,验证期R²、NSE分别为0.81、0.77,RMSE为0.69 m³·s^-1。同时,为了验证模型可靠性,将模型应用于邻近的沱沱河流域,模型训练期（1990—2009年）R²、NSE均为0.73,验证期（2010—2019年）R²、NSE分别为0.66、0.64,模拟结果较好。考虑到未来气候变化,通过模型对风火山流域径流进行了预测：降水每增加10%,年径流增加约12%;气温每升高0.5 ℃,年径流增加约1%;春季融化期、秋季冻结期径流增幅明显,而由于蒸发加剧、活动层加深,径流在8月出现了减少。模型经训练后依靠降水、气温作为输入能较好地模拟、预测青藏高原冻土区小流域径流,为缺少土壤温度、水分等观测数据的冻土小流域径流研究提供了一种简单有效并具有一定物理意义的方法。     

平治河岩溶流域退水规律分析与降雨径流模拟

以平治河岩溶流域为研究对象,分析其地下退水规律,将其划分为9个子流域,在传统新安江模型基础上,将地下径流划分为慢速和快速地下径流,分别采用两个线性水库进行模拟,构建降雨-径流模拟方案,并选取2011-2015年期间的7场洪水作为率定期洪水,以确定性系数（DC）最大为优化目标,应用遗传算法率定模型参数,而以8场洪水作为验证期洪水进行验证分析,获得率定期合格率为85.71%,平均确定性系数为0.846,验证期合格率为75%,平均确定性系数为0.893,达到乙级精度。其结果表明所构建的模拟方案能够较好地模拟该流域的径流规律。      

环境变化对澜沧江出境水文过程变异的影响

变化环境改变河流水文节律,影响流域水资源的开发利用;澜沧江-湄公河是位于东南亚源于中国西南的跨境河流,科学厘清澜沧江径流变化原因是实现澜沧江-湄公河流域跨境水利益共享的重要基础工作。基于1961—2020年允景洪水文站的实测径流量资料,采用数理统计与水文模拟相结合的研究途径,诊断径流序列的变异特征,定量分析气候变化和人类活动对径流及其年内分配的影响。结果表明：(1) 1961—2020年允景洪站实测年径流量呈显著性减少趋势,其中,1—5月径流量呈增加趋势,6—12月径流量呈减少趋势;实测年径流量在2008年发生突变。(2) RCCC-WBM模型能够较好地模拟基准期(1961—2008年)的天然径流量过程,模拟相对误差小于1%;模拟的人类活动影响期间(2009—2020年)天然径流量约为371.8 mm,较基准期偏少6.8%,这是气候变化引起的。(3)水利工程建设运行是澜沧江最主要的人类活动,是水库蓄水运行期(2009—2013年)径流减少的主要原因;气候变化对水库稳定正常运行期(2014—2020年)径流减少贡献更大,约为61.7%。(4)水库运行调度使得2014—2020年汛期(6—...     

概念性水文模型在出山径流预报中的应用

根据HBV水文模型的基本原理，建立了西北干旱区内陆河出山径流概念性水文模型。该模型反映了我国西部山区流域的径流形成特征，将山区流域划分为高山冰雪冻土带和山区植被带两个基本海拔景观带来对山区径流的形成和汇流过程进行模拟计算，以常规气象站的月气温和降水量为模型的初始输入，模拟计算月出山径流量。应用该模型对河西走廊黑河祁连山北坡的山区流域水量平衡进行了模拟计算，并对年径流和逐月分配进行了预报。结果表明，从枯水年到丰水年，降水量、蒸发量、径流量和径流系数均增加，而冰川融水和积雪融水对出山径流的补给比重则减少，这表明了冰雪融水对径流的具有调节作用。黑河山区流域径流系数远比干旱内流区的平均值大，但要小于全国的平均径流系数。所提出的内陆河山区流域出山径流的模拟和预报模型对年径流量和月分配的预报具有较好的精度，可用于黑河以及其他西北干旱区内陆河出山径流的预报，为内陆河流域中下游的水资源分配和开发利用提供依据。     

全过程联合校正方法在饶河流域洪水预报中的应用研究

为提高饶河流域洪水预报精度,将全过程联合校正(EPJC)方法与三水源新安江(XAJ)模型结合,按一定比例划分洪水预报总误差为各过程误差,基于系统响应理论反演得到面雨量计算误差和模型参数误差,重新输入流域水文模型正演得出校正后的洪水过程。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评价指标,量化XAJ预报与EPJC校正结果,并与传统的动态系统响应曲线(DSRC)方法进行对比。结果表明,EPJC能够考虑全过程误差,与实际误差分布情况更相符,可提升饶河流域的洪水作业预报精度,值得进一步研究与推广。     

RCCC-WBM 模型区域适用性及参数敏感性分析

天然径流量的模拟计算是区域水资源评价的关键,以中国不同气候区的6个典型流域为例,评估RCCC-WBM月尺度水文模型对天然径流过程的模拟能力,并分析其参数的敏感性。结果表明:RCCC-WBM模型对不同气候区典型流域的天然径流过程都具有较好的模拟效果,Nash-Sutcliffe效率系数均在0.80以上,径流量相对误差较小,满足径流模拟的精度要求,区域适用性较好。南方流域冬季气温较高,降雪积雪较少,导致融雪径流汇流系数对模拟结果的影响微乎其微;在6个典型流域中地表径流汇流系数对模型精度具有显著的影响;土壤蓄水容量通过决定土壤含水的上限值间接地影响着水源的划分与计算,对模型径流模拟至关重要。     

基于分布式水文模型的雅鲁藏布江径流水源组成解析

为开展河川径流的水源解析，构建过程描述和本构参数两方面均有较强物理性的分布式水文模型。以雅鲁藏布江为对象，利用水文分区曲线对降雨、融雪和融冰等不同水源主导的流量过程进行划分，以划分的流量过程线子集对相应水文过程参数进行分步率定，提高了水文模型参数的物理性，以此构建了雅鲁藏布江流域分布式水文模型及参数集，内部多个水文站点和流域雪水当量的验证表明模型具有良好的性能。基于模型解析了2001—2015年间雅鲁藏布江的径流水源组成，降雨、融雪、融冰水源对总径流量贡献的比例分别为66%、20%和14%。本文方法对高山寒区径流的水源解析有普遍意义，结果对理解气候变化下雅鲁藏布江径流变化趋势有参考价值。     

无资料地区水文模型参数移植不确定性分析

无资料地区降水径流模拟是水文学研究的国际前沿和热点问题。水文模型参数移植是无资料地区降水径流模拟的重要方法,对径流模拟精度具有重要的影响。利用核密度估计和蒙特卡罗随机模拟等方法,构建了一种水文模型参数移植误差驱动的无资料地区径流模拟不确定性定量评估框架。以广西壮族自治区42个有水文监测站点的典型中小河流为研究对象,率定新安江模型参数并模拟日径流和洪水过程,将42个典型流域依次假定为无资料流域,利用基于回归分析、相似流域和机器学习的参数移植方法,模拟无资料地区的洪水过程并识别最优的参数移植方法,分析移植法估算的模型参数值和直接率定值相比误差的概率分布特征,定量评估模型参数移植误差带来的径流模拟不确定性。研究结果表明：(1)基于回归分析的参数移植法模拟无资料地区洪水过程的精度优于相似流域法,优选的机器学习算法比传统回归分析法和相似流域法的计算精度提高了7%～15%;(2)与模型参数率定值相比,移植方法计算的模型参数具有一定的误差,对洪水模拟敏感参数的误差小于不敏感参数;(3)受模型参数移植误差的影响,利用蒙特卡罗法随机模拟的洪水过程具有一定的不确定性,洪量和洪峰相对误差的主要区间分别为10...     

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。      

分布式水文模型DHSVM在西北高寒山区流域的适用性研究

分布式水文-土壤-植被模型（Distributed Hydrology Soil Vegetation Model,DHSVM）是基于栅格离散的分布式水文模型,对地表水热循环的各个过程能进行很精细地刻画,被广泛应用于世界各地很多类型的流域的高时空分辨率的水文模拟,然而它在高寒山区的适用性并不清楚。基于300 m数字高程模型,应用DHSVM模型对典型的高寒山区流域八宝河流域2001-2009年的水文过程展开模拟,并采用流域出口祁连站的水文实测数据对模型进行了精度评价。参数敏感性分析表明,土壤横向导水率、田间持水量和植被反照率等是该区域主要的敏感性参数。模型默认参数会高估高寒山区流域的潜在蒸散发量,导致夏季径流量远小于观测值。通过参数率定,模型校准期（2001-2004）的模拟日径流和月径流Nash效率系数分别达到0.72和0.87;而模型验证期（2005-2009）分别为0.60和0.74。结果表明,DHSVM模型基本具备了模拟高寒山区流域降水-径流过程的能力。然而,由于DHSVM模型缺少对高寒山区流域土壤的冻融过程的刻画,春季径流的模拟精度明显受到影响,需要在将来重点改进。     

基于格尔木河流域的SWAT模型水文特征情景模拟研究

以2008—2016年格尔木河流域实测径流量数据为基础,构建SWAT分布式水文模型,采用SUFI-2算法进行参数率定、验证及不确定性分析,并设置不同的气候情景(RCP2.6、RCP4.5和RCP6.0),预测流域2022—2050年的径流变化趋势,分析了研究区未来降水、气温的变化趋势并探究了这些气候要素对格尔木河流域径流的影响。结果表明：(1)SWAT模型在格尔木河流域径流过程的模拟中具有较好的适用性,率定期R²和E_NS分别为0.84和0.73,验证期R²和E_NS分别为0.74和0.70;(2)径流预测不确定性较小;(3)未来流域降水呈现增加趋势而气温降低;(4)未来时段流域径流增加显著,且降水是控制流域径流的主要因素。     

考虑径流成分的雅鲁藏布江月径流模拟

通过构建雅鲁藏布江流域分布式水文模型SWAT,并以1989~1998年为率定期,1999~2005年为验证期对3个水文站(奴各沙、羊村、奴下)的月径流进行了模拟。从模型参数组里选取径流成分模拟不同的2组参数,以Nash-Sutcliffe效率系数(NS)、相关系数(R~2)及相对误差(PBIAS)为评价指标,来分析模型的模拟结果好坏。结果表明:率定期内,在径流成分1下奴各沙、羊村站和奴下站的R~2值高达0.9以上,NS系数分别为0.9、0.92和0.72,PBIAS的值为7.1%、18.5%及34.2%,但径流成分与实际情况出入较大。而径流成分2下,模拟得到的评价指标虽然不是很高,但径流成分比较合理。验证期总体结论一致。因此,建议在模型率定验证中要充分考虑径流成分的作用,从而提高模型模拟的精度。     

基于多因子的中高纬度干旱区长期径流预报研究

以额尔齐斯河（以下简称“额河”）流域为例,开展了基于多气候因子的中高纬度地区径流预报的研究。额河流域深居内陆,准确筛选出主要影响因子是开展该流域中长期径流预报的关键。根据额河流域地理位置特点,确定北半球500 hPa高度场、ENSO、结冰期北极海冰面积三类气候因子作为影响流域降水的主要因素。通过典型相关分析（Canonical Correlation Analysis）方法对影响因子与额河年径流量总体相关性进行分析,并在此基础上建立了年径流量预报的典型回归方程。研究结果表明,基于多因子情景下的额河年径流量与气候因子整体相关性高,径流预报结果在满足同号率要求的同时,也符合精度要求,可作为该河流中长期径流预报模型。研究结果对额河流域开展生态调度实践提供支撑,也对中高纬度干旱区域径流预报具有参考意义。     

GR4J模型在赣江流域日径流模拟中的应用

GR4J是一个简单实用的概念性水文模型,在模型原理和结构上具有鲜明特色,目前在国内应用还较少。本文将该模型应用于赣江流域19个集水区域2003~2009年日径流模拟中。结果显示,在各集水区域,GR4J在检验期和率定期的确定性系数均达到0.85以上,径流总量相对误差在10%以内。因此,GR4J模型在赣江流域的日径流模拟中具有较高精度,具有较好的推广应用前景。