基于集合预报的淮河流域洪水预报研究

建立基于集合预报的淮河具有行蓄洪区流域洪水预报及早期预警模型。在洪水预报中引入数值天气预报以延长洪水预报的预见期。集合预报采用多模式和多分析集合预报技术,考虑初始场的不确定性和模式的不确定性,避免“单一”确定性数值天气预报结果易存在的预报误区。THORPEX 项目支撑的THORPEXInteractiveGrand GlobalEnsemble（TIGGE ）集合预报目的是建立全球交互式预报系统。本文以淮河流域为试验流域,以TIGGE 集合预报（加拿大气象中心（简称CMC,集合成员数为15个）、 欧洲中期天气预报中心（简称ECMWF,集合成员数为51个）、 英国气象局（简称UKMO ,集合成员数为24个）、 美国国家环境预测中心（简称NCEP,集合成员数为15个））驱动构建的水文与水力学相结合的具有行蓄洪区流域洪水预报模型以达延长洪水预报的预见期,新安江模型用于降雨径流计算、一维水动力学模型用于河道洪水演算,实现洪水预报及早期预警。为了进行比较,同时采用地面雨量计观测降水驱动构建的洪水预报模型,对2007和2008年淮河汛期洪水进行检验。结果表明,基于TIGGE 集合预报驱动的洪水预报预见期延长了72~120h ,证明了TIGGE 集合预报可以应用于洪水预报及早期预警。     

基于DEM栅格的水文模型在沂河流域的应用

本文结合GIS技术和数字高程模型,运用基于DEM栅格流域信息提取技术,对传统的新安江模型及TOPMODEL进行改进,构建基于栅格的分布式新安江模型、基于栅格的TOPMODEL水文模型。并将模型应用于沂河临沂以上流域。通过流域信息提取、模型参数率定和流域典型洪水模拟,以探讨GIS技术与数字高程技术的应用和水文模型的适应性。应用结果表明,4个水文模型在该流域上的水文过程模拟效果良好,其中,基于栅格的新安江模型与基于栅格的TOPMODEL的模拟效果更好。     

具有行蓄洪区的复杂水系实时洪水预报研究

建立确定和随机相结合的预报模型对复杂水系的实时洪水预报进行研究.确定性模型采用分布式概念性模型进行流域流量过程预报;基于马斯京根法、水文水位法与扩散波非线性水位法,构建河道流量和水位模拟的综合法对河道以及行蓄洪区的洪水进行预报.随机模型采用基于误差自回归的时变遗忘因子最小二乘递推法对误差进行实时校正.以淮河鲁台子以上流域为例,具有行蓄洪区的干流洪水采用河道流量和水位模拟的综合法与实时校正模型按节点有机结合的方法进行预报.预报模型在2007年的大洪水预报中得到了检验,取得了较高的精度.     

基于Kalman滤波糙率反演模型的河道洪水实时预报研究

建立基于Kalman滤波理论的河道糙率反演模型。将河道不规则断面沿程概化为矩形、三角形和抛物线型断面。引入水力半径与水深的经验关系,基于圣维南方程组动量方程中惯性项与弗洛德数相关性,推求水深对糙率的偏导数,建立基于Kalman滤波理论的平原区河道糙率反演模型。选择淮河干流王家坝至鲁台子河段为例,将糙率反演模型与水动力学模型相结合进行河道洪水实时预报,并与一维水动力学模型的预报结果进行比较分析。结果表明,在预见期为6小时的实时预报中,耦合模型与原水动力学模型均取得较好的预报效果,耦合模型预报精度好于原水动力学模型,也证明了所建模型的合理性。     

基于GLUE的流域水文模型参数不确定性研究

通过对三水源新安江水文模型参数分析,针对模型中的自由水蓄水容量、壤中流消退系数、地下水消退系数和河网消退系数4个敏感参数,以淮河息县流域为例,应用基于Bayesian理论的GLUE方法对参数进行不确定性分析。结果表明,GLUE方法以确定性系数0.85为临界似然判据,得到90%置信区间的洪水过程概率分布,能够很好地模拟实况流量过程。     

基于Kalman滤波的实时校正模型研究

采用Preissmann四点隐式差分对一维动力学模型中圣维南方程组进行时间和空间离散,并结合Kalman滤波理论,建立以观测变量为状态向量的自适应实时校正模型。该模型在淮河中游的应用表明,相比于不使用实时校正模型,其预报的水位、流量精度更高。     

降雨径流模拟神经网络模型及应用

针对水文系统的非线性,构建了基于遗传算法和人工神经网络的降雨径流模拟神经网络模型(GA-BP模型).采用附加动量法和自适应学习速率对BP神经网络进行改进,遗传算法用于优化神经网络的初始权重.以大别山及皖南山区月潭流域为例,将GA-BP模型、BP模型以及新安江模型应用于水文日径流过程模拟,进行应用比较以及分析GA-BP模型在水文径流模拟过程中的难点及其可行性.结果表明,GA-BP模型优化了网络结构,加快了算法收敛速率;可以用于降雨径流过程模拟,也为今后类似研究提供一种模拟技术.在实际应用中可以根据流域资料情况选择合适的模型进行水文模拟作业.     

基于混合产流与二维运动波汇流分布式水文模型

为了提高半湿润半干旱流域的洪水模拟与预报精度,基于GIS、RS和DEM技术,以DEM栅格为流域计算单元,构建了基于混合产流和二维栅格汇流的栅格型分布式水文模型(Grid-MK-2D模型),即混合产流模型是在蓄满产流基础上增加基于Green-Ampt下渗方法的超渗产流模型,坡面二维汇流计算采用基于栅格单元的分布式运动波模型水流演算,河道汇流应用一维运动波模型演算,运动波方程组由隐式有限差分求解。将Grid-MK-2D模型、Grid-MK-1D模型与新安江模型应用于半干旱的沁河孔家坡流域并对比分析。结果表明,两个基于DEM栅格的分布式水文模型(Grid-MK-2D、Grid-MK-1D)的模拟效果优于新安江模型,但GridMK-2D模型洪峰模拟效果更好。     

基于集成学习的山区中小流域滑坡易发区早期识别优化试验

滑坡作为山洪水沙耦合运动的物源和动力基础,其易发区的识别是山洪水沙灾害预报预警和风险评估的重要前提。以往的山洪水沙灾害防治研究主要关注洪水的影响,而忽视了固体物源的作用。为完善山区中小流域山洪水沙灾害防控体系,提出基于集成学习的山区中小流域滑坡易发区早期识别方法,针对数据样本构建和影响因子选取过程进行优化试验。利用滑坡单元下垫面环境因子频率比作为无监督学习算法数据样本进行聚类分析,根据聚类算法易发性分区结果选取非滑坡单元,结合滑坡单元构建集成学习分类算法数据样本集,比较单体算法和融合算法的易发性分区结果准确率和覆盖度。选取研究区域高分卫星遥感影像建立松散堆积物直接解译标志,基于目视解译识别松散堆积物面积,通过回归分析构建松散堆积物面积-体积幂律关系,形成研究区域松散堆积物空间分布图。将固体物源作为下垫面环境因子,比较引入物源因子前后的滑坡易发性分区结果准确率和覆盖度。结果表明：K-Means-RF（K-Means-AdaBoost）融合算法输出的高易发区覆盖率相对于K-Means单体算法提高9.3%（12.1%）。两类融合算法的易发性分区准确率和泛化能力比较接近,K-Means-AdaBoost融合算法对于滑坡点的预测效果更优。考虑物源因子后的K-Means-RF和K-Means-AdaBoos融合算法易发性分区中的高易发区覆盖率分别提高14.2%和17.7%,召回率都提高12.1%。     

发包方对总承包工程的管理重点

工程总承包是将项目过程中的设计、采购、施工、调试四个阶段发包给一家具有此能力的工程公司来统筹实施系统管理。工程总承包对于发包方来讲，具有很大的优越性：第一，降低了工程造价。在传统的工程建设时，由于存在各种复杂利益关系，容易在业主内部形成多个利益主体，