元江流域梯级水电开发及气候变化对径流量和水生态环境的影响

元江作为我国西南地区水力发电重要开发流域,截至2030年将拟建11个梯级水坝,这可能会大幅改变元江的径流状况;该流域受全球变暖的影响较大,影响降雨量、温度和水流条件等,进而对水域中的生物群落造成影响,这将进一步扩大已存在的生态风险。采用基于CMIP5GCM预测方法的土壤-水评估模型(SWAT)模拟和预测了梯级水电开发、气候变化及二者同时出现等多种场景下河流径流的变化情况。采用PHABSIM模型对河流水文条件与鱼类栖息地生态质量之间的关系进行量化,并使用相对变化率评估了梯级水电开发、气候变化及二者耦合作用对水生态环境的影响。     

基于小波分析的两种神经网络耦合模型在月径流预测中的应用

为提高河川径流的中长期预报精度并延长其预见期,采用小波分析充分提取有用信息,基于BP神经网络和GRNN神经网络,构建了两种小波神经网络耦合模型,测试了Daubechies族中9种母波函数对模型模拟效果的影响,并采用合格率(Q_(QR))、平均相对误差(M_(MPRE))、均方根误差(R_(RMSE))和确定性系数(N_(NSE))等指标评价了模型精度。将该模型应用于金沙江流域向家坝水文站未来1~5个月的径流预报,结果显示,相比于传统BP和GRNN模型,耦合模型具有明显优势,且基于小波分析的BP模型预报结果更接近实测值,预报精度更高,其未来4个月的平均相对误差在±20%以内。表明小波分析方法能充分挖掘隐藏在原始数据中的有用信息,可有效提高耦合模型的预报精度延长预见期,在径流预测方面有明显的优越性。     

气候变化对于桥水库径流影响研究

为研究气候变化对于桥水库径流的影响,耦合BP神经网络构建的径流模型和国际模式比较计划第五阶段(CMIP5)中的气候模式,通过偏差校正和空间缩减(BCSD)降尺度方法预测了天津市水源地于桥水库流域的气温和降水量降尺度,选取RCP4.5和RCP8.5两种情景作为径流模型的输入,预测气候变化下于桥水库径流变化趋势。结果表明,BP神经网络径流模型收敛速度快,模拟精度高,均方误差为0.013 32,模拟的相对误差不到10%,可用于于桥水库的径流模拟;BCSD降尺度方法对该区域模拟效果较好,于桥水库未来气温和降水均呈增加趋势,径流相较基准期有7.10%、10.20%的增幅。研究成果有利于掌握不同气候情景下对于桥水库未来径流影响,亦为该地区水库环境管理提供科学依据。     

基于集合卡尔曼滤波的实时校正技术在流域洪水预报中的应用

为提高金华江流域实时洪水预报精度，建立了耦合MIKE 11 NAM与MIKE 11 HD的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型，实现了金华江流域洪水预报实时校正。流域洪水预报模型对流域内主要站点的模拟效果较好，洪水流量和洪水水位模拟精度较高；实时校正模型在预见期10 h以内，校正效果随预见期增加而降低，在预见期前期可有效降低预报误差。整体上，建立的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型能够满足金华江流域洪水预报应用要求。     

不同相似指标下最近邻抽样回归模型在径流中长期预测中的应用比较

根据水文相似性建立的最近邻抽样回归模型(NNBR)是一种较优的中长期预测模型,模型的关键在于相似指标选择。在介绍欧氏距离、余弦距离、耦合序位值等现有相似指标的基础上,构建了一种新的相似指标——欧氏—余弦耦合距离,并将基于欧氏距离、余弦距离、耦合序位值、欧氏—余弦耦合距离四种不同相似指标的NNBR模型应用于长江宜昌站、雅砻江小得石站、黄河唐乃亥站、珠江梧州站年径流预测中。实例分析表明,基于欧氏距离的NNBR模型预测准确性最佳,其次为基于欧氏—余弦耦合距离的NNBR模型,基于余弦距离和耦合序位值的NNBR模型预测准确性次于前两者。     

盱江流域径流模拟及其对气候变化的响应

为研究盱江流域径流对气候变化的响应,构建了基于SWAT的分布式水文模型。采用SUFI-2法对SWAT模型的参数进行率定和验证。率定期和验证期的决定性系数R2和纳什系数Ens均大于0.9,模型在该流域的适用性较好。在SWAT-CUP中引入参数标识符建立49种气候情景(温度升高或降低1～3℃,降水增加或减少10%～30%)并代入模型中模拟径流。结果表明,温度与径流呈弱负相关;降水与径流呈强正相关;温度对径流的影响远小于降水对径流的影响。为直观表达降水-温度-径流量的关系,模拟三者空间平面关系函数,其决定性系数R2约等于1、和方差为0.000 647 4、均方根误差为0.003 752,降水-温度-径流的关系可用平面函数表达。     

信江流域土地利用变化的径流响应研究

针对信江流域土地利用变化的径流响应,基于分布式水文模型（SWAT）及SUFI 2算法,利用流域DEM、土地利用、土壤、气象等时空数据并结合GIS和RS技术,对流域土地利用变化的径流响应进行定量研究。结果表明,率定期和验证期的模拟值与实测流量过程拟合程度较优,相关系数（R2）和纳西效率系数ENS均高于0.90、相对误差|Re|均小于2%,表明SWAT模型应用于该流域径流模拟的精度较高;在相同气候条件下,径流年内分配规律为2000年土地利用情景较1990年土地利用条件下月径流增加,年际分配规律为两期土地利用情景下的年际径流量变化趋势较为一致,2000年略大于1990年。     

基于SDSM-SWAT模型的汉江上游径流变化模拟

为分析汉江上游流域径流对气候变化的水文响应过程,耦合了SWAT水文模型和SDSM降尺度模型,选用石泉和黄家港水文站1990～2005年历史月径流资料,对水文模型进行率定和验证,并将2011～2100年CanESM2模式下低等排放情景(RCP2.6)和高等排放情景(RCP8.5)两种情景输出因子降尺度到汉江上游流域各站点,生成未来气候情景数据,模拟流域未来气候变化下的径流响应过程。结果表明,SWAT模型在该流域径流模拟中具有很好的适用性;未来流域径流会呈现增加态势,RCP8.5情景较RCP2.6情景变化剧烈,且未来各月径流相对基准期变化更加剧烈,这为流域水资源管理与保护提供了参考与支持。     

基于CMIP5变化条件下的清江流域径流响应研究

为预测气候变化和土地利用变化条件下清江渔峡口站以上清江流域未来径流变化情况,首先建立SWAT模型,采用CMIP5三种模式下2016~2100年月降水情景数据,经降尺度后预测月径流。结果表明,未来年内最大月降水和月径流出现时间提前1~2个月,经Mann-Kendall(M-K)检验,降水和径流在2016~2100年间均呈整体增强趋势,但在2016~2035年内的降水和径流量均较历史时期(1990~1999年)低。在空间优化配置土地利用情景下的平均年径流量相对基准期年径流的变幅较现有土地利用情况下有所减小。研究成果对长江防洪、梯级电站调度工作有积极意义。     

基于EEMD-ANN的水库年径流预测

以三峡水库为例,基于集合经验模态分解(EEMD)及人工神经网络方法对水库年径流进行预测。首先利用Mann-Kendall和Pettitt法对水库年径流序列进行突变检测,获得平稳径流序列,然后采取EEMD方法分解径流序列,得到固有模态函数(IMF)和残差,最后对不同IMFs和残差分别建立人工神经网络预测模型,叠加所有模型预测结果得到年径流预测值。结果表明,基于EEMD-ANN的年径流预测模型优于自回归模型和人工神经网络模型,其预测结果与实测值的相关性更强,预测误差分别减少了11.4%、8.7%。同时,构建EEMD-ANN预测模型时需考虑径流序列的突变特征,采取平稳径流序列的预测效果更优。     

新安江模型在董铺水库洪水预报中的应用研究

针对大中型水库的水位观测资料较丰富,库区存在着难以观测的直接入库径流及主要入库河道径流观测资料缺乏的现状,以安徽省合肥市董铺水库流域为例,将水库流域划分为陆面和水面两部分,水面按直接产流计算,通过水库水位和水库泄水、用水资料反推入库径流过程,采用实码加速遗传算法对日模型和次洪模型的参数进行率定,构建了基于三水源新安江模型的董铺水库洪水预报模型。对董铺水库坝址以上所控制流域进行了模拟计算,日模型率定期14年中,径流深合格率为92.9%,确定性系数为0.94;日模型验证期18年中,径流深合格率为100%,确定性系数为0.93;次洪模型率定期34场洪水中,径流深合格率为88.2%;次洪模型验证期26场洪水中,径流深合格率为92.3%;60场洪水时水库水位推算合格率90%;方案整体预报精度达到甲级。研究结果表明考虑大中型水库流域产汇流特点和水文观测资料的现状,将水库流域的产流分为陆面和水库水面两部分,反推入库径流过程,基于三水源新安江模型进行大中型水库的洪水预报是可行的,其预报精度达到水库洪水调度的要求。     

基于相似洪水动态展延的水库防洪调度决策方法及其应用

鉴于实时洪水预报预见期难以满足水库实时防洪调度决策的时间尺度需求,相似洪水动态识别及展延是提升洪水情势预见性的有效途径。因此,将相似洪水动态展延相关理论与水库防洪优化调度模型相结合,提出了基于相似洪水动态展延的防洪调度决策方法,并以池潭水库为例,分别从展延水量效益、防洪决策效益分析相似洪水动态展延决策方法的适用性。结果表明,提出的水库防洪调度决策方法可有效降低决策风险、保障了上下游防洪安全。     

基于SWAT模型的洮儿河流域气候变化的水文响应

鉴于未来气候变化趋势对洮儿河流域水资源的影响,将直接关系到下游地区湿地保护、区域社会经济发展、白城市各河流与嫩江的河库连通工程等,以SWAT模型为研究手段,选取1988~1996年的流域实测数据,对SWAT模型进行率定和验证,基于率定好的模型分析气候变化情景下洮儿河的径流变化趋势。结果表明,SWAT模型具有较高的模拟精度,可用于洮儿河流域的径流模拟;在未来气候变化情景下,洮儿河流域的径流量（2020、2030、2040年代）比基准期（1990~1996年）稍有增加,其阶段径流量呈现先增后减的趋势。     

金沙江下游—三峡梯级水库群调度运行补偿电量分配

为探究金沙江下游—三峡梯级水库群联合发电调度补偿电量及补偿规律,以溪洛渡、向家坝、三峡、葛洲坝水库为例,分别建立了单库优化调度和梯级水库联合调度模型,并以长系列历史径流为输入进行调度模拟,在此基础上,考虑各水库参与联合调度的贡献值,提出基于补偿电量贡献值的贡献系数计算方法,进行了水库间和梯级间联合调度补偿电量分配,获得了不同水库间的补偿电量,为金沙江下游—三峡梯级水库群管理决策提供理论支撑与技术支持。     

金沙江下游及三峡梯级空间径流均匀度变化

针对金沙江下游及三峡梯级流域开发可能对空间径流均匀度产生的影响,基于屏山、寸滩和宜昌水文站1954~2007年径流资料,利用Lorenz曲线和Gini系数计算了径流时空分布均匀度变化。结果表明,屏山、寸滩、宜昌3站年径流Gini系数整体呈下降趋势,流量时间分布趋于均匀,流域洪枯变化和干支流建坝蓄水调节均对径流均匀度产生较大的干扰。表明上游水库对下游径流量的影响程度取决于上游水库的调节性能及来流量,对于调节性能不高的水库,流域天然径流的丰枯变化大于水库的调蓄影响。     

基于EMD分解的AR模型在年径流预测中的应用

为提高年径流中长期预测的精度,提出了一种新的时间序列预测方法——基于EMD分解的AR模型,以汾河上游上静游、汾河水库、寨上和兰村四座水文站1956~2000年的年径流序列为例,首先利用经验模态分解(EMD)方法将四座水文站的年径流序列分解为若干个固有模态函数(IMF)分量和一个残余项分量,然后运用自回归(AR)模型分别对各阶IMF进行预测,最后将各阶预测值重构得到年径流量预测值与单独运用AR模型的预测结果进行比较。结果表明,运用基于EMD分解的AR模型对汾河上游年径流进行预测,其预测精度比单独运用AR模型的预测精度有明显提高,表明该方法可行、有效。     

基于相空间重构和GA-BP网络的径流预测

将相空间重构理论与神经网络以及遗传算法相结合提出了径流时间序列预测模型,通过相空间重构将一维径流时间序列拓展为多维序列,挖掘了更为丰富的信息,反映出系统的非线性特征,有利于神经网络建模和训练。研究表明,基于相空间重构理论的遗传算法和BP神经网络组合模型可较好地解决径流预测。以深圳宝安铁岗水库月径流为例,采用小波消噪对数据预处理,利用遗传算法训练BP神经网络,计算结果表明模型具有较高的预测精度。     

基于EMD和LS-SVM的中长期径流预报

提出将EMD与LS-SVM模型相耦合的新的径流中长期预测方法,采用EMD分解年径流序列,应用LS-SVM模型预测和重构IMF分量.基于岷江紫坪铺水文站年径流资料预测和检验该模型,并与单独的LS-SVM模型及BP神经网络模型比较.实例结果表明,该方法预报精度高,预测径流行之有效.     

降雨时空变化对泾河流域水沙的影响

降雨时空分布是影响流域径流和泥沙输送的主要因素,阐明流域内径流、泥沙随降雨时空分布的变化规律,对流域洪水预报和水土流失防治具有重要的指导意义.为此,通过设置6种降雨时空分布情景,基于SWAT构建泾河流域日尺度的水文模型,分析了降雨对径流泥沙过程的影响.结果 表明,改变降雨中心对径流到达峰值的时间影响最大,仅在上游降雨可...     

一种基于物理核函数高斯过程回归的月径流预报模型及其应用

鉴于传统的单一径流预报模型很难描述径流未来变化规律，将自适应变分模态分解(AVMD)与基于组合物理核函数的高斯过程回归(GPR-CK)相结合，构建了AVMD-GPR-CK预报模型，该模型采用AVMD将实测径流分解为多个子序列，对子序列依据其自身特点分别建模，子序列预报结果叠加重构即为最终预报结果。模型应用于金沙江流域向家坝站未来1～12个月的径流预报的结果表明，所有预见期AVMD-GPR-CK模型的确定性系数均大于0.94,平均绝对百分比误差(M_MAPE)在±17%以内，预见期在10个月以内时，M_MAPE在±10%以内；预报精度明显优于常见的BP、GRNN、RBF、RELM模型。