SCS模型在流域尺度水文模拟中的应用

流域的产汇流是很复杂的水文过程,也是水文水资源领域的主要研究对象,采用SCS模型对我国湖北省漳河灌区新埠河-桥河流域的水文过程进行模拟研究,并根据该流域实际水文情况和下垫面条件,对模型进行改进.通过对SCS产汇流模型参数和结构进行调整,可以大大提高模型效率.将改进后的模型应用于该流域水文模拟,模型应用结果表明:率定期产流合格率可以达到75%,汇流合格率达到87.5%;检验期产流合格率达到80%,汇流合格率能够达到75%,大大改善了模型模拟效果.     

基于SCS模型桥河流域不同时期的水文特性

选取我国南方湿润地区——湖北省漳河灌区桥河流域作为研究对象,并根据1966—2010年土地利用的变化划分为4个阶段.将SCS模型改进后应用于流域的产汇流计算,并分析该流域不同阶段的降雨-径流关系和洪峰流量变化.分析结果表明,在相同频率下,年径流量和洪峰流量随着时间的推移有减少的趋势.这说明了土地利用的变化对流域水文特性具有一定的影响,也说明了加强人类活动影响研究的重要性.     

改进NLPM-ANN模型在径流预报中的应用

基于人工神经网络的非线性扰动模型(NLPM-ANN)充分利用了LPM的季节信息处理方法和ANN强大的非线性模拟性能.然而该模型没有考虑流域的前期土壤湿度状态,影响了模型的模拟预报精度.为了将流域的前期土湿加入模型,同时能更加充分利用降水信息,采取一种将LPM与ANN结合起来的联合预报模式.选用8个流域的降雨径流资料,对改进的NLPM-ANN模型与SLM-ANN和NLPM-ANN模型进行比较研究.计算结果表明,改进的NLPM-ANN模型优于SLM-ANN模型和NLPM-ANN,在率定期和检验期的模型效率相对增值指数较NLPM-ANN提高10%左右.     

R/S-BP网络耦合模型及其在年径流预测中的应用

由一维径流序列构建的BP网络模型输入因子(输入层结点数)的确定至今尚无明确定论,R/S分析法能度量前期径流对当前径流的有效影响时长(拟周期),基于此构建了基于R/S分析法的BP网络预测模型——R/S-BP网络耦合模型。该模型由R/S分析法识别径流序列的拟周期,以当前径流为界将拟周期内的前期径流作为BP网络输入的待选因子,优选后得到模型的输入因子,从而构建BP网络并进行径流预测。将R/S-BP网络耦合模型应用于釜溪河流域年径流预测中,并与两种常规BP网络模型的应用结果进行对比分析。结果表明,釜溪河流域年径流序列存在13 a的拟周期;R/S-BP网络耦合模型的预测效果优于常规BP网络模型;R/S分析法可为BP网络筛选输入因子提供科学依据,减少人为选择的不确定性;R/S-BP网络耦合模型用于年径流预测是可行的。     

基于栅格式SCS模型的分布式水文模型研究

利用基于栅格分布的土地利用类型和土壤类型,通过将SCS模型改进为栅格式的SCS模型,并结合栅格式Clark单位线汇流方法,构建了一个具有松散耦合型分布式水文模型.该模型结构简单,模型参数较少,所需流域特性资料容易获取,对流域具有较强的适应性,并可以获得流域栅格分布式的产流结果.本研究将该模型应用到欧阳海流域上,构建洪水预报模型进行场次洪水过程模拟,并与新安江模型模拟结果进行对比.模拟结果表明,所构建的松散结构分布式水文模型具有较高的模拟精度,能够应用到实际的洪水预报中.     

灰色自记忆神经网络模型在年径流预测中的应用

径流序列是一种非线性、弱相依高度复杂的动力系统,径流预测还处于探索阶段,提高径流预测精度关键在于对有限样本包含的信息进行充分发掘.采用一种理论和方法很难充分挖掘径流序列所包含的信息.基于组合预测思想,应用灰色理论,自记忆性原理与BP神经网络三种理论与建模方法对年径流序列进行挖掘,在此基础上提出年径流预测的灰色自记忆神经网络模型.结果表明,模型能够很好地反映径流的变化规律与极值趋势,具有较好的拟合与预报精度.     

灰色人工神经网络模型及其在和田河径流预测中的应用

针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时,预测效果差的情况,提出了用人工神经网络对GM(1,1)模型的残差系列进行修正的改进模型,并将其应用于和田河径流变化预测中.结果表明,该方法提高了模型精度,为分析和田河径流变化趋势提供了有效的方法.     

图论场模型法与出游法的综合应用

图论场模型法与出游法都是近年来提出的新的计算电磁场的数值法，两者各具特色，并适用于不同场合，其数学模型也是从不同的途径建立起来的，为寻求这两种方法对应数学模型的内在联系，用图论的观点论证了这两种模型的统一，从而使这两种方法能紧密联系，为充分发挥它们各自的独特优点提供了方便。     

非参数解集模型在汛期日径流随机模拟中的应用

传统解集模型是对序列相依结构和概率密度函数形式作某种假定后用参数来描述的,因而有其自身的缺陷^[1]。非参数解集模型能避开上述假定,克服了传统解集模型的不足。本文首次将非参数解集模型创造性地应用于金沙江流域屏山站汛期日径流随机模拟,研究结果表明该模型是有效的,模拟成果令人满意。     

滇池入流径流模型

本文以松华坝、滇池两站模型为例，叙述了双变量模型的基本原理，建立了随机模型，模拟生成了径流系列，为滇池的水量及水质模拟模型提供了入流资料。     

小波神经网络组合时序模型在径流预报中应用

构建小波与人工神经网络组合时序模型,该模型利用morlet小波基函数取代人工神经网络的激发函数,通过平移因子和伸缩因子确定小波基函数,采用误差逆向传播算法训练网络和预测.利用此模型对赣江河段上外洲水文站月径流变化趋势进行预测,并将其计算结果与BP神经网络进行比较,结果表明利用小波神经网络进行时间序列预测效果较理想.     

基于协整与误差修正机制的径流预测模型研究

介绍了协整分析理论,结合第二松花江流域上下游的年径流量,阐述了单位根检验、协整检验、误差修正模型的理论与分析方法.采用白山站和丰满站1933~1998年的年径流量资料,用协整分析的方法建立模型,对丰满站1989~1998年的年径流量进行预测研究,研究结果表明基于协整与误差修正模型进行预测是有效的.     

Optimization of superelevation runoff model for cycling tracks

To improve the possible superelevation runoff models for the cycling track design, at first, two existing representative superelevation runoff models used in China were investigated and fitted. Then, an optimization methodology was proposed, which was focused on the track geometry itself, without the consideration of the physical characteristic of the cyclist, assuming that less vertical curvature values correspond to less riding time. The riding performance formulae were obtained with the variables of riding time, riding velocity and vertical curvature of cycling track. Finally, with the refined adjustment on the vertical curvatures with the help of cycling track design software and considering the effect of horizontal alignments, the optimized models were finalized. It is clearly seen that these optimized models take the form of quartic parabola and are verified to achieve 0.005–0.021 s improvement in the event of 200 m time trial.     

基于生命旋回-权马尔可夫的径流预测模型

针对生命旋回预测模型不能反映河川径流周期性和波动性变化的特点,将其与权马尔可夫链结合,提出了一种精度较高的预报模型——生命旋回-权马尔可夫链组合模型.该模型用生命旋回模型预报河川径流的趋势项变化,由权马尔可夫链对径流残差序列进行修正,进行预测时采用等维信息方法处理,在此基础上对黄河龙门水文站径流进行预测,拟合精度为86.97%,合格率为86.78%,表明该模型可以用于径流预测.此外,对求解生命旋回模型的方法作出了改进,经研究表明,该方法实用可行.     

基于BP神经网络马尔科夫模型的径流量预测

讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性.     

地表径流与地下渗流耦合的水动力数学模型

深入研究暴雨作用下地表径流与地下渗流过程,对山洪与滑坡灾害防治意义重大.然而,迄今为止对地表与地下水流的相互作用机制的理解还极为有限.基于地表完整一维浅水动力学方程与地下二维饱和-非饱和渗流方程,建立地表径流与地下渗流耦合水动力数学模型,并分别运用WAF-TVD二阶数值格式和ADI法进行离散求解.与现有实验数据比较,结果表明该模型能更好地模拟坡地的降雨产流和下渗过程.该计算模型具有健全的物理机制,将为深入研究地表-地下水流运动过程提供理论基础,有助于增强山洪与滑坡风险预测的可靠性.