基于洪水分级的两江电站洪水预报方案研究

本文以两江电站为研究对象,针对传统洪水预报方案中没有考虑洪水分级的问题,将洪水分为大、中、小3个等级,编制了基于洪水分级的洪水预报方案。方案中,以泰森多边形对流域进行分块,预报模型采用三水源新安江模型和实时校证算法;采用人工经验与粒子群算法结合的方法,利用2000—2015年的资料,率定了不同类型洪水的模型参数。采用2016年洪水资料对预报模型和实时校正算法进行了验证。结果表明,本文洪水预报方案优于洪水不分级方案,率定出的模型参数适合不同等级的洪水,采用的实时校正算法可以提高预报精度。     

西辽河实时洪水统计预报模型

应用相应流量法建立西辽河主要断面的洪峰预报方案，并采用线性动态系统模型理论方法建立洪水过程的实时预报方程，形成了完整的河系预报系统模型．在洪峰预报方案中，考虑引入不同预报因子以反映不同的洪水特性；在洪水过程预报方程中，联合采用AIC准则和逐步回归算法确定模型结构，结合衰减记忆最小二乘递推算法的实时校正技术进行洪水过程预报．应用结果表明，开发的预报模型适用于西辽河的实时洪水预报问题，可供防洪决策参考。     

猫街水文站洪水预报模型研究

针对猫街水文站采用物理模型进行洪水预报时过程复杂、适用性和快捷性较差等问题，笔者选取BP神经网络模型作为预报模型进行洪水预报研究，选取2013—2018年猫街水文站共计6年主汛期逐日水文观测资料作为训练样本，2019—2021年共3年主汛期资料作为测试样本。研究结果表明，在现有数据条件下，除部分特殊年份外，采用BP神经网络模型进行洪水预报的精度较高，整体预报精度较好，对实际预报作业有一定的指导意义。同时，BP神经网络预报模型具有误差修正功能，随着模型学习训练期的延长、预报次数增加，预报精度还会相应提高，未来可运用到实际预报作业当中。     

清河水库洪水分类预报方法研究

采用当前先进的洪水分类预报方法，在流域长系列资料中将非标准洪水提出来，根据其成因不同对其采用人工神经网络分类，利用遗传算法进行参数优选，然后根据洪水特征，选择不同的模型参数和规则进行洪水调度，从而提高水库预报调度精度。     

渭南市尤河水库洪水预报研究

用水箱模型进行了尤河水库洪水预报，并探讨了模型参数的确定方法，优选得到模型参数，研究表明，水箱模型具有所需资料少，预报结果可靠，可用于该水库的洪水预报。     

实时洪水预报系统应用中的两个问题及解决方法

对于越来越多流域建立的实时洪水预报系统和防洪决策支持系统，洪水预报的精度是非常重要的．但在实际运用中，有些流域雨量站类型和雨量站报汛方式与洪水预报系统对降雨信息的要求并不完全一致，从而使系统在投入实际应用时感到困难．另外，在干旱半干旱地区，大洪水的资料较少，建立准确的洪水预报数学模型不太容易，再由于某些地域人类活动对下垫面的影响较大，根据历史资料建立起来的洪水预报模型很可能会带来较大的误差．本文以汾河中游段洪水预报系统为例，针对系统在应用中存在的这些问题进行分析研究，并探讨通过改进雨量站网的设备和管理，用数学方法对雨量信息及洪水预报进行实时校正来提高洪水预报的精度．     

基于信息融合与识别的洪水时段分类预报

为解决流域历史洪水资料有限引起的洪水预报模型模拟精度不高的问题。以A水库为研究对象，利用K均值聚类方法对典型洪水进行聚类，分析降雨雨强、降雨中心和天气系统等水文影响因子，通过遗传优化算法计算汇流模型的各类参数，利用粗糙集方法挖掘影响因子与时段汇流模式间的关系，建立了基于信息融合与识别的洪水时段分类预报。结果表明：(1)选取的4场典型洪水通过分类预报方法计算得到的洪峰流量绝对误差与相对误差的绝对值分别为第一场9.01 m³/s、2.95%,第二场116.46 m³/s、6.78%,第三场30.92 m³/s、17.55%,第四场6.12 m³/s、1.86%;(2)洪水分类预报模型的模拟精度较传统预报方法更高，不同典型洪水的确定系数均在0.8以上。研究结果可为洪水资料较少的华北等地区的洪水时段分类预报提供参考和借鉴。     

基于参数实时优化的洪水预报系统研究——以黑河干流洪水为例

及时准确的洪水预报系统可为防洪减灾提供重要的依据,针对目前洪水预报系统主要侧重于单模型研究、模型参数固定不变、长历时预报误差累积等问题,建立了具有多模型选择及参数优化功能的洪水实时预报系统,通过实时改进模型参数来改善预报效果。应用于黑河干流两场次洪水预报的结果表明,各预报模型在每场次洪水中的预报精度不同,且在参数优化后精度都相应地提高。由精度可知,TOPMODEL模型更适合该流域洪水预报,其精度由0.920 9、0.910 3提高到0.987 9、0.958 9。实验证明该系统在干旱半干旱区洪水预报中具有应用前景。     

基于ν-SVR的雅鲁藏布江羊村站洪水预报模型

为了建立雅鲁藏布江羊村站的洪水预报方案,对ν-支持向量机洪水过程预报模型(ν-SVR)进行了深入研究。针对羊村站以上流域洪水特征和站网分布特点,采用ν-SVR模型方法建立了该站洪水过程预报模型。选取了1998~2004年及2005~2007年汛期洪水和相应降水资料进行了模型率定和检验。结果表明,ν-SVR洪水过程预报模型能很好地控制支持向量个数,在降低模型的复杂程度的同时,能保持良好的预报精度,可用于洪水作业预报。     

贴近度在常规预报方法联机作业中的应用

水文资料的采集正朝着自动遥测、遥感、卫星观测的方向发展：水文情报已经纳入了自动接收和处理的轨道．极大地提高水文情报信息的质量和时效；流域水文模型在部分流域开始应用，逐步实现联机洪水预报、而常规预报方法作为一种较适用的预报方法．如何实现常规预报方法的计算机智能化，达到联机洪水预报是目前的当务之急。文中采用模糊数学贴近度．实现产、汇流计算的自动化处理．不仅克服了入为因素，可大大提高洪水预报精度和时效．取得了很好的效果。