基于随机森林的中长期降水量预测模型研究

为解决降水预测中存在的非线性问题,避免传统人工智能方法的过拟合弊端,提高中长期降水预测精度,引入了随机森林算法,通过优选预报因子,分别构建了年、月降水预测模型,并应用南京市1951~2013年降水系列及水文气象因子系列,验证所建模型的适用性。结果表明,随机森林模型预测精度较高、稳定性好、泛化能力强,能有效预测年、月降水量;与BP神经网络模型和支持向量机模型相比,随机森林模型效率更高、性能更优,尤其适用于大样本的逐月降水量预测中。     

基于BP神经网络模型的河道洪水反向演算研究

河道洪水反向演算在河库联合调度和推求设计洪水的区间组成等方面具有重要意义,直接使用传统的马斯京根法反演效果较差。基于河道上下断面洪水的非线性关系,采用BP神经网络模型训练历史洪水,并用训练得到的网络对下游洪水进行反演。实例应用结果表明,该模型反演结果与实际洪水过程更为接近,具有一定的精度和实用性。     

沂河流域河流生态需水研究

基于沂河临沂站的天然径流和实测径流资料,遵循水量平衡基本原理,结合河流生态需水量、可取水量,提出一种新的河流生态需水分析方法,以满足河流生态需水量要求为前提,分析沂河河流可取水量、可取水比例及不同水平年条件下沂河河流生态需水保证程度。结果表明:沂河河流生态需水量、生态需水比例阈值分别为3.43亿~20.63亿m3、12.50%~75.17%,河流可取水水量、可取水比例的阈值分别为6.80亿~24.0亿m3、24.79%~87.50%,河流实际取水量、实际取水比例分别为8.65亿m3、31.53%;丰、平、枯、特枯水平年条件下,仅有特枯水年部分月份河流最小生态需水量不能够满足,河流适宜生态需水保证程度则处于较低水平。因此,在减少河流取水量的同时,有必要通过一定的水利工程调度,适当增加河道内生态用水量,以维持沂河河流生态环境的健康、稳定。     

汤营伊河公路大桥防洪影响研究

文章通过剖析汤营伊河公路原桥冲毁原因,推求设计洪峰及设计水位,分析新建桥梁的河道雍水和冲刷情况,全面评估新建大桥对河道行洪、河势稳定及其他水利工程等方面的影响。结果表明:相比原桥,新建大桥设计标准更高,与河道防洪标准相适应,大桥建成后可为两岸交通、人民生活和防汛抢险带来更多便利。     

基于MIKE耦合模型的西苕溪洪水演进及风险分析

为了评估浙江省安吉县西苕溪流域洪水风险,选取西苕溪干流长潭以下至长兴界之间河段作为研究区域。研究基于河道实测断面资料和2 m×2 m高精度DEM,构建了集MIKE 11、MIKE 21、MIKE FLOOD为一体的洪水淹没演进计算模型。利用水文学方法给定各个计算方案对应的模型边界条件,计算了不同量级洪水下的淹没水深、范围、历时等风险要素。经验证及合理性分析,该模型概化方法和参数选用合理,成果满足精度要求,从而能为研究区防洪减灾、风险管理提供技术支撑。