TIGGE降雨信息在柴河流域洪水预报中可利用性评估

基于全球多模式集合预报(TIGGE)资料,以柴河流域为研究区域,采用TS评分、Brier评分和Talagrand分布等方法对欧洲中期天气预报中心(ECMWF)、美国国家环境中心(NCEP)和英国气象局(UKMO)三个中心集合预报的6h、12h、24h短期降雨量进行定量评估和对比,并分别以实测降雨和NCEP预报降雨驱动新安江模型模拟洪水过程,据此探讨了集合降雨预报的可利用性。得到两个重要结论:ECMWF、NCEP和UKMO对低雨量级降雨的预报效果较好,各雨量级的预报效果有随预见期增长而增加的趋势,且普遍存在空报率较高、漏报率偏低的情况;集合降雨预报信息可应用于新安江模型进行洪水预报,并能够有效的延长洪水预报的预见期。研究成果可在适当条件下推广应用至其它流域的洪水预报作业中。     

2008年三峡水库入库洪水特点与预报效果评价

对2008年三峡水库入库洪水特点进行分析,并针对场次洪水和连续自动预报两种方式进行预报误差统计,两种方式预报结果都表明2008年实时联机水文预报精度达到水文情报预报规范的甲级标准,同时发现未来降雨对三峡水库入库预报精度影响较大,部分场次洪水结合(不结合)未来降雨的预报精度差别很大,且随着预见期增长,预报误差也加大。     

利用涨落洪规律建立洪水预报模型

为了提高大江河洪水预报精度,结合本地大江河洪水特性,提出利用涨落洪规律建立洪水预报模型。该模型可以解决以下两个问题：一是大江河预报河段上游站不能通过降雨径流关系推求入流过程,而需要作下游站洪水过程预报问题;二是按马斯京根法进行河道流演算的没有预见期的问题。     

基于分布式水文模拟的三峡区间洪水预报(Ⅱ)——雷达测雨应用

降雨时空分布信息缺失是影响洪水预报精度的一个重要因素,尤其是雨量站点稀疏的山区,站点观测的降雨信息难以充分地表征山区降雨的空间差异.本文针对长江三峡区间,利用雨量站点观测值来校准雷达测雨数据,并作为分布式水文模型的降雨输入,借助水文模拟结果综合评价雷达测雨数据的适用性.两个示例小流域的研究结果表明:相对于雨量站而言,雷达估测的降雨信息更能体现降雨的空间变化,它与分布式水文模型相结合,是提高洪水预报精度的有效途径.     

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。     

实时洪水抗差预报系统研究

把抗差估计理论引入实时洪水预报系统,提出适合于实时洪水预报系统的抗差特征函数,建立降雨误差的动态监控模式,研究实时修正模型参数的动态抗差估计,结合洪水预报模型,形成具有水文学特点、抗差性强的实时洪水抗差预报系统.将此系统和传统实时洪水预报系统运用于闽江七里街流域,比较当降雨和流量资料存在异常误差时两系统的预报效果.结果表明,实时洪水抗差预报系统能抵御异常值的影响,获得比较稳定且高精度的预报结果.     

BP神经网络洪水预报模型在洪水预报系统中的应用

采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。     

人工神经网络模型与新安江模型的应用比较

新安江模型是我国研制的经典的概念性流域水文模型,其参数往往通过人工试错法进行率定,在洪水的实时预报中需建立误差自回归模型来修正预报值.人工神经网络模型是一种数据驱动模型,它可以通过算法调节权值和偏王值来模拟信息,实现了模型参数的自动率定.在实时预报的应用中,人工神经网络模型可以根据计算误差调节权值和偏置值,反映水文过程的时变性,模型结构显得更加简洁.本文将两种模型应用于潢川流域并作比较.它们的预报结果都达到了作业预报要求.在实际应用中可以根据资料情况选择模型进行洪水预报.     

基于分布式水文模拟的三峡区间洪水预报(Ⅰ)——模型构建及验证

长江三峡区间因暴雨形成的洪水峰高量大,对三峡水库的防洪安全和运行调度的影响很大.本论文依据三峡地区的地形地貌特征,采用基于GIS的机理性分布式水文模型,来模拟三峡区间入库洪水,以尽量减少洪水预报中的不确定性.利用近期建成的78个自动雨量站网监测的小时降雨信息作为模型的输入,对模型参数进行了率定和验证,结果表明:大多数洪水过程的模拟精度较好,但也有的模拟结果较差,其中降雨信息缺失是洪水预报不确定性的主要来源.     

水库汛期限制水位控制理论与观念的更新探讨

传统的水库汛限水位的控制,只利用了洪水的统计信息,使水库在汛期要时刻预防设计与校核洪水事件的发生,致使一些水库在汛期不敢蓄水而汛后又无水可蓄,造成洪水资源的浪费。提出水库汛限水位动态控制的新理念及其综合推理模式,适应当前预报技术的发展水平,考虑降雨径流洪水预报与一定时间内的短期降雨预报,排除不可能发生的洪水事件,预报可能发生的洪水,实施水库汛限水位的动态控制。但预报不可避免地存在误差,当小概率预报误差事件发生时,仍可采取弥补措施以确保大坝的防洪安全。     

概化的Tank模型及其在龙羊峡水库汛期旬平均入库流量预报中的应用

Tank模型（又称为水箱模型），是一种用于流域径流预报的确定性水文模型，根据龙羊峡水库入库主要产流区－－黄河上游唐乃亥水文站以上流域下垫面条件下产汇流特性，将其概化为以降雨量为输入，径流量为输出的单孔出流的线性水箱，工用于该水库汛期旬平均入库流量的预报，经对历史资料进行拟合和试验预报的 结果表明，该模型具有较高的预报精度，现已应用于黄河上游龙羊峡水库汛期旬平均入库来水量的中期预报中，取得了十分显著的经济效益。     

基于水文模型的雷达监测降雨量误差传递研究

基于多普勒雷达和相应的雨量计资料,利用卡尔曼滤波校准法对分组Z~I关系估算的雷达降雨进行同化,结合新安江模型,提出采用增长模繁殖法对雷达监测降雨量资料进行扰动,定量分析了模型输入误差对径流模拟的影响。经过湖北省白莲河流域的实际应用研究表明,卡尔曼滤波校准法估算降水量的精度比Z~I关系法有了明显的提高,其相应的洪水预报效果也都优于Z~I关系;提出的增长模繁殖法对雷达监测降雨量资料产生的扰动输入误差在经过模型的传递后有增大的趋势。     

考虑变形机制的边坡稳定预测模型

选择开挖卸荷、爆破振动、岩体流变以及降雨作为影响边坡施工期变形的4个主要因素,深入分析不同影响因素对边坡变形的作用机制,结合边坡位移实测资料,建立了考虑变形机制的边坡稳定预测模型。在弹性理论的简化下推导边坡回弹变形公式计算开挖卸荷分量,基于Burger模型的蠕变本构方程计算流变分量,采用已有的经验公式计算爆破分量和降雨分量;综合4个变形分量形成考虑变形机制的边坡稳定预测模型,该模型可体现各影响因素对边坡变形的作用和相关程度,更加科学合理地解释边坡变形产生的力学机制。通过对锦屏一级水电站左岸边坡外观测点TP5变形监测资料的统计回归分析表明：相对于传统的统计模型,该模型的回归方程显著,方差比和复相关系数较大,预测误差较小,具有工程应用价值。     

考虑区间正负入流量的自适应洪水预报模型

根据甘肃省气候条件和地理环境十分复杂，河流站网密度低，面对上下游区间有正负入流量且没有观测资料，以水量平衡原理为基础的河道洪水演算无法进行的实际情况，立足于利用现有上下游水站的水情信息，在传统系统水模型和河道汇流理论有关原理、方法的基础上，提出了考虑区间正负入流量的自适应洪水预报模型，改进了现行系统输入～输出水量不平衡关系，解决了甘肃省河流洪水过程无法预报的问题。具有十分广阔的应用前景。     

Real-time flood forecasting of the Tiber river in Rome

An adaptive, conceptual model for real-time flood forecasting of the Tiber river in Rome is proposed. This model simulates both rainfall-runoff transformations, to reproduce the contributions of 37 ungauged sub-basins that covered about 30% of the catchment area, and flood routing processes in the hydrographic network. The adaptive component of the model concerns the rainfall-runoff analysis: at any time step the whole set of the model parameters is recalibrated by minimizing the objective function constituted by the sum of the squares of the differences between observed and computed water surface elevations (or discharges). The proposed model was tested through application under real-time forecasting conditions for three historical flood events. To assess the forecasting accuracy, to support the decision maker and to reduce the possibility of false or missed warnings, confidence intervals of the forecasted water surface elevations (or discharges), computed according to a Monte Carlo procedure, are provided. The evaluation of errors in the prediction of peak values, of coefficients of persistence and of the amplitude of confidence intervals of prediction shows the possibility to develop a flood forecast model with a lead time of 12 h, which is useful for civil protection actions.     

三种基于神经网络的洪水实时预报方案的比较研究

在总结神经网络应用的基础上,归纳了3种基于神经网络的洪水实时预报方案。第一种是神经网络水文模型的模拟模式加模拟误差的自回归校正模型,第二种是权重系数固定的神经网络实时预报方案,第三种是权重系数自动更新的神经网络实时预报方案。采用10个不同流域的日流量资料对这3种方案进行率定和校核。比较这3种方案的实时预报精度。结果发现,第三种方案不仅预报精度要高于其他两种方案,而且比第一种方案少了一个自回归校正模型,结构简洁。本文建议采用第三种洪水实时预报方案。