基于EMD组合模型的径流多尺度预测

受全球气候变化与人类活动影响,径流序列愈发呈现出非稳态与非线性特征,为降低由此而引发的预报误差,充分发挥不同模型对提高径流预测精度的优势,针对传统径流预报模型的单一性,以干旱区典型内陆河玛纳斯河为例,采用经验模态分解(EMD)提取径流序列中具有物理含义的信号,得到不同时间尺度的多个固有模态函数(IMF)及1个趋势项,利用 ARIMA模型与GRNN模型分别对不同时间尺度的IMF分量进行模拟,分析径流未来变化趋势。运用多元线性回归法、Spearman相关系数法、平均影响值法筛选大气环流因子作为神经网络模型的输入项,根据子序列的局部频率特点构建组合模型。最后将各IMF分量的预测结果重构,得到径流的最终预测值。单一评价指标无法全面评价模型精度,本文通过构建TOPSIS评价模型对径流预测模型进行定量评估,客观评价模型优度。结果表明:EMD分解能有效提取径流序列中隐含的多时间尺度信号,由趋势项可知玛纳斯河径流量总体呈上升趋势;EMD分解可提高ARIMA模型25%的合格率,但对于高频率分量IMF1、IMF2、IMF3,ARIMA模型的相对误差达到70%以上,预测结果不理想;经过筛选预报因子可有效提高GRNN模型精度,其中MIV法筛选的预报因子最适合玛纳斯河,与EMD-ARIMA组合后的GRNN模型的合格率最高,TOPSIS模型得分也最高。预测结果可作为水资源规划与调度的科学依据,建模思路也可为优化径流预测模型提供新途径。     

基于CMIP6多模式的和田河流域未来气候变化预估

气候系统模式是对历史和未来气候模拟最广泛有效的工具,但存在一定的不足和局限性,使其无法直接用以预估未来气候变化。本文采用基于分位数映射的日偏差校正(DBC)、多模式集合(MME)平均和基于皮尔逊r相关系数的加权集合(r-MME)平均方法,以1971—2000年为基准期,评估6种气候模式在和田河流域的适用性;运用r-MME方法对未来SSP1-2.6、SSP2-4.5和SSP5-8.5情景下各模式的偏差校正结果进行集合,分析未来近期(2021—2050年)、远期(2061—2090年)日最高、最低气温以及降水的时空演变特征。结果表明：基于DBC的r-MME融合方法能够综合考虑各模式的优势,可大幅提高气候模式模拟的精度,年均最高气温、最低气温和降水量与实测序列的相关系数分别达到0.918、0.821和0.878;3种情景下的气温和降水均呈现增加趋势,其中低强迫SSP1-2.6情景下的增幅最小,远期年最高气温、最低气温和降水的平均增量分别为2.830、2.523℃和46.412 mm,高强迫SSP5-8.5情景下的增幅最大,远期年最高气温、最低气温和降水的平均增量为5.697、6.452℃和9...     

基于ERA5-Land数据集的玛纳斯河径流模拟研究

气象数据是水文过程研究的关键要素,再分析数据的发展为资料缺乏地区的径流模拟提供了新的解决方案。为研究ERA5-Land再分析数据集在径流模拟中的适用性,本文以玛纳斯河流域肯斯瓦特水文站以上流域为研究区,选取多个评价指标对ERA5-Land降水和温度进行准确性评价,并采用经验模态分解(EOF)分析其在研究区内的分布特点。在准确性方面,ERA5-Land与实测数据具有较好相关性,降水探测率为0.96,能反映大多数的降水事件,但与实测数据相比总体偏高21.81%,气温准确性好于降水,总体拟合效果较好,最优范围为-520 ℃,在极值部分不确定性有所增加。EOF决定性模态表明研究区内降水、气温变化趋势基本一致,即易受大尺度天气系统影响。利用该数据集驱动SWAT模型在月、日尺度上对玛纳斯河流域进行径流模拟,在验证期纳什系数(NSE)分别为0.88和0.82,具有较好的模拟效果。ERA5-Land再分析数据集可为西北缺乏实测气象资料地区径流模拟提供参考。