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。     

HSPF模型在渌水流域洪水预报中的应用

近年来,流域暴雨洪水灾害事件频发,准确、可靠的洪水预报是有效预防和抵御山洪灾害的重要措施。以渌水流域为研究区域,构建HSPF半分布式模型,选取流域2013～2020年洪水资料中代表性较好的场次洪水完成模型参数的率定和验证,并采用确定性系数、相对误差等指标进行洪水模拟精度评价。结果表明,该模型在渌水流域场次洪水模拟中表现良好,15场洪水模拟的峰现时间、洪峰流量合格率分别为100.0%、80.0%,洪量及径流深的模拟合格率均为93.3%,确定性系数均值为0.80,总体预报精度达到乙级,说明构建的HSPF洪水预报模型在渌水流域具有较好的适用性,可为该地区的洪水预报提供依据。     

基于参数分解法的无资料流域洪水预报研究

针对目前无资料流域洪水预报方法存在的不足,提出了参数分解法,即利用武江流域控制站犁市水文站1980~1996年43场降雨径流资料作为模型参数率定资料,分别率定武江流域大、中洪水的新安江洪水预报模型参数,并以1997~2004年16场降雨径流资料进行检验,在模拟和检验达到较好的结果后,再利用参数分解法推求武江流域内田头水子流域大、中洪水的新安江洪水预报模型参数,并利用田头水59场降雨洪水实测资料对模型进行验证。结果表明,利用该方法建立的田头水子流域洪水预报模型预报大、中洪水的验证精度均达到乙级以上标准。     

HEC-HMS模型和TOPMODEL模型在东庄流域山洪预报的应用研究

水文模型是山洪预报的理论依据,不同模型间的结构、适用性、精度均不同。为探究HEC-HMS模型和TOPMODEL模型的特性及其模拟效果的差异,选取东庄流域10场代表性洪水,以峰现时间误差、径流深误差、时间误差和确定性系数为检验指标,进行场次洪水模拟。结果表明,两模型的预报方案在东庄流域模拟中各评定指标均达标,率定期均为甲等精度,验证期均为丙等精度。HEC-HMS模型和TOPMODEL模型对蒸散发的差异性参考,使得在半干旱区HEC-HMS模型的适用性更好。研究成果对于HEC-HMS模型和TOPMODEL模型在该区域的应用及防灾减灾有重要意义。     

塘坝洼地蓄水对河川径流的影响研究

受流域平原洼地塘坝滞蓄影响,我国北方长期干旱后出现初期降雨不产流现象,在三水源新安江模型的基础上需增加一个线性水库以反映塘、坝洼地的蓄水影响,并应用于北方半湿润地区的蓟运河流域.结果表明,改进后的三水源新安江模型在率定期与验证期均取得较好的模拟效果,确定性系数达80%以上,并能定量分析塘坝洼地调蓄对初期降雨径流的影响.     

组合预报方法在洪水预报模型中的应用

针对流域水文模型预报中的不确定性问题,采用简单平均、最优线性组合、最优非线性组合三类4种组合方法构建了新安江模型、垂向混合产流模型和Tank模型相结合而组成的组合预报模型,以日照水库和东张水库入库洪水的各种实测特征值作为评价各种组合预报模型计算结果精度的指标,进而优选出相对稳定且精度较高的2种组合预报方法。与新安江模型相比,该组合预报方法在降低水文预报不确定的同时,有效提高了洪水预报精度。     

双超模型在吕梁市圪洞流域山洪模拟中的应用

为分析双超模型在圪洞流域洪水模拟中的适用性,利用流域内1966~2012年14场代表性降雨对模型参数进行率定和验证,并利用洪峰流量相对误差、径流深相对误差、确定性系数及峰现时差四个指标评价了双超模型的模拟精度,之后探讨了不同土地利用下模型主要敏感参数的取值。结果表明,双超模型在圪洞流域的适用性良好,山洪预报结果基本能够满足实际应用的要求;不同土地利用类型下,土壤水分最大吸力、土壤饱和时的渗透力等模型主要参数排序由小到大均为建设用地、草地、林地、耕地。研究结果为双超模型在黄土丘陵沟壑区的应用提供了借鉴。     

CMORPH卫星反演降水数据质量评估及水文过程模拟

卫星降水对展现降雨空间分布特征、提供防洪决策依据起着重要作用。以綦江流域五岔水文站以上控制面积为例,采用网格大小为0.25°×0.25°的CMORPH卫星反演降水数据,利用TS评分、空报率、漏报率三种指标评估日尺度卫星晴雨预报精度,利用平均绝对误差、显著性检验和相关性分析评估日尺度和月尺度卫星降水数值精度;将该降水数据和站网数据分别作为新安江模型的日模型输入,以2009～2012年为率定期,2013～2014年为验证期。设置最优参数不变和最优参数对比两组试验,利用纳什效率系数、径流深相对误差、均方根误差评估水文过程模拟精度。结果表明,对于中小流域,基于CMORPH卫星降水的新安江模型模拟结果对大洪水洪峰模拟偏低,小洪水洪峰模拟偏高,退水段模拟结果较好,总体模拟精度较高。参数率定时应更侧重于SM、CS两个敏感参数,且KC的初值可定得适量大一些,以期得到令人满意的结果。     

基于主成分分析和BP神经网络的赣江流域中长期径流预报

针对赣江流域开展水量调度对中长期径流预报的迫切需求,在分析赣江流域径流特性的基础上,以降雨、径流等常规因子和130项大气环流指数等相关因子为预报因子,分别构建基于相关系数法、逐步回归方法、主成分分析法三种因子筛选方法的BP神经网络中长期径流预报模型。研究结果表明,主成分分析方法筛选的预报因子可较好描述未来径流的变化趋势,所构建的基于主成分分析的BP神经网络中长期径流预报模型在率定期和检验期的合格率均满足规范对作业预报模型的精度要求,可作为赣江流域中长期径流预报的支撑模型。研究成果为赣江流域开展水资源优化配置和水量调度提供了依据。     

白马关流域洪水模拟及参数优化研究

为提高山区洪水的模拟精度,以北京市密云区白马关流域为例,采用分布式水文水动力模型(HH模型)模拟2017～2022年降雨—径流过程,选取6场典型场次洪水,利用ε-NSGAⅡ多目标优化算法对HH模型的关键参数进行优化。结果表明,率定场次洪水的纳什系数介于0.89～0.96之间,洪峰流量误差达20%以内,洪量误差达15%以内,峰现时差在1 h以内;验证场次洪水的纳什系数介于0.81～0.92之间,洪峰流量误差达20%以内,洪量误差达10%以内,峰现时差在1 h以内,HH模型参数优化后对白马关流域场次洪水的模拟效果较好。最后提出了适用于白马关流域洪水模拟的关键参数阈值范围,为当地山区水文模拟参数优化提供了科学的理论依据。     

受水利水电工程影响流域产流预报方法的探论

本文从研究流域上大中型水库及小水库群(包括据堰)在防洪、灌溉、发电中的调蓄作用及运用基本规律出发。在天然流域产汇流预报原理基础上。提出了一套考虑上游水利水电工程影响的产流预报方法。该法应用于广东枫树坝流域,使产流预报方案的合格率从85.1％提高到91.7％,并克服了原方案在汛初及久旱后预报洪水的产流量远远偏大的问题。     

K均值聚类分析方法在洪水预报中的应用

针对在洪水预报中历史信息未得到充分利用的问题,采用K均值聚类分析方法对历史洪水进行聚类,并分类进行新安江模型的参数率定,通过计算洪水指标到各聚类中心的距离来判别即将发生洪水的归属类别,根据判别结果采用对应类的参数进行预报。结果表明,该方法扩大了信息的利用量,提高了洪水预报的精度。     

ENSO事件影响下长江大通站汛期径流预测建模分析

从环流指数和ENSO事件指数出发,考虑到大尺度环流系统和海温影响的长期性,使用滑动平均方法对预报因子做前期处理,计算了预报因子在2、3、6月尺度的滑动平均值。在此基础上采用BP神经网络建立了长江大通站汛期径流预测模型（BP-Pre）,重点对ENSO事件影响下的径流极值进行预测。为验证模型可行性,采用均生函数模型和利用传统因子建立的BP模型（BP-Ori）作对照分析并进行精度评价。结果表明,部分因子在滑动平均处理下Spearman秩相关系数得到提高;历史平均上,大通站汛期径流与前年发生的ENSO事件关系密切;事件类别不同,对应径流也相对偏大或偏小;BP-Pre模型在率定期拟合效果不及均生函数模型和BP-Ori模型,但从多方法综合评价分析来看其检验期的预测精度更高,对径流极值预测更为精准。     

无调控小水库群对寿昌江流域洪水预报的影响

为研究小型水库群对流域洪水过程的影响程度,在三水源新安江模型的基础上,引入自溢式虚拟水库对产汇流环节进行改进,构建了受无调控小水库群影响的流域洪水预报模型。将改进的新安江模型应用于流域模拟中,对比分析改进、无改进新安江模型模拟结果表明,改进的新安江模型对于寿昌江流域具有良好的适应性,并能显著提高洪水模拟精度。研究成果可为无调控小水库群影响的流域洪水预报提供参考。     

基于HEC-HMS的西南山区中小河流洪水预报研究

针对目前中小河流洪水预报难度较大、预报精度偏低的问题,以西南山区荥经河流域为例,基于HECHMS构建了荥经河流域分布式水文模型,以2009~2018年23场洪水进行参数率定,4场洪水进行模型验证。通过参数敏感性分析和有效率定,模拟的洪水过程与实测洪水过程吻合较好,其中模拟洪峰流量平均误差为6.81%,平均纳什效率系数为0.84。可见构建的HEC-HMS洪水预报模型对荥经河流域有很好的模拟效果,可为西南山区其他中小河流的洪水预报提供借鉴和参考。     

小花间洪水预报模型和经验方法在陆浑水库入库径流过程中的应用对比

为准确预测即将发生的洪水过程,最大限度地减少灾害损失,采用小花间洪水预报模型和经验方法分别对伊河流域的陆浑水库入库径流过程进行了模拟,并将模拟结果与实测流量过程进行了对比分析。结果表明,两种方法模拟结果精度相差不大,均能满足预报精度要求,但小花间洪水预报模型模拟结果整体效果较好,尤其是洪水过程与实测过程比较吻合;经验方法模拟结果稍差,但误差在可接受范围内。两种方法均具有一定实用性,建议两种方法联合运用,将小花间洪水预报模型的洪水预报结果作为指导水库防洪调度的主要依据,经验方法的预报结果作为参考。     

基于数据挖掘的黄河中游典型流域次洪最大含沙量预报

黄河中游黄土高原地区经常发生区域性暴雨，容易形成涨落迅猛、峰型尖瘦的高含沙洪水过程，次洪沙峰量级预报的准确度对汛期调水调沙工程调度，特别是对高含沙量洪水事件十分重要。针对黄河中游水沙预报难度大、精度偏低的现状，采用随机森林和支持向量机两种数据挖掘方法，开展秃尾河和湫水河两个流域的次洪最大含沙量的预报预警研究。结果表明，随机森林模型和支持向量机模型的最大含沙量量级模拟预报平均合格率分别在85%、90%以上，模型精度较高。     

基于CFS的汉江上游梯级水库系统月入库径流预测

将天气预报产品引入水文模型是提高长期径流预测精度的有效途径,但引入方法仍存在难度。为此,以汉江上游梯级水库系统为例,引入智能算法及相似典型放缩,构建基于分预见期校正的CFS与SWAT耦合径流预测模型,首先甄选智能算法校正CFS降雨,然后基于相似典型放缩对其进行时空展布,最终将其输入分区率定的梯级水库SWAT模型,从而实现月径流预测。结果表明,随机森林和人工神经网络更适合于CFS预测校正且不受预见期影响,基于相似典型时空分布的耦合模型预测效果较好,能为梯级水库系统提供更为可靠的径流预测。     

神经网络在洪水实时预报中的应用研究

建立了一种基于神经网络的洪水实时预报模型。运用向后演算法，该模型的权重系数可以在每一时间步长上进行自动更新，较好地反映了实际水文过程和参数的时变性；由于该模型不再需要单独的误差序列实时校正模型，因而更加简洁。最后利用淮河鲇鱼山水库1975－1999年的小时降雨和入库洪水资料对模型参数进行了率定和校核。结果表明，洪水实时预报的效率系数超过96％，洪峰值合格率为92．5％，峰现时间误差都在1h以内。