旬降雨径流非线性模型及其应用研究

通过分析旬降雨、旬初土壤蓄水状态、旬径流信息之间的关系,借鉴短期降雨径流相关模型的思想,建立了一个旬降雨─旬土壤蓄水量─旬径流的非线性相关模型.将该模型应用大伙房水库流域,模拟预测结果令人满意,结果表明该模型简单,可操作性强.将为应用美国的GFS预报系统和中国气象局的213模式10～15 d降雨预报信息,预报旬径流量提供一个有效方法.     

基于BP神经网络的旬降雨径流相关预报模型

参照流域暴雨与径流相关的特点,以实际的旬初土壤蓄水量、旬降雨量为输入条件,以实际的旬径流量为输出条件,建立BP神经网络旬降雨径流相关模型.实例表明,模型结构简单,可操作性强,利用该模型进行的旬径流预报具有较好的模拟精度,并为利用旬降雨预报信息实施旬径流中期预报奠定了基础.     

大伙房水库旬降雨径流非线性相关模型研究与应用

分析了大伙房水库引水工程实际调度需要,研究水库流域基于旬降雨、旬初径流的旬径流中期预报模型,通过对水库建库以来的47年旬降雨径流资料的模拟,确定了用于水库旬径流预报的各旬模型参数,参数拟合和检验模拟合格率都比较高。应用结果表明,模型结构简单,可操作性强,可为应用美国的GFS(Global Forecasting Sys...     

流域有众多小水电站的锦江水库降雨径流预报

根据降雨径流相关原理,结合锦江水库流域地理环境、水文、气象、上游小型水电站众多特点,将该流域划分为8个单元区,并在各单元区建立一个虚拟水库,代替众多小水电站调节水量的水库降雨径流预报模型,应用于锦江水库水文预报系统。2008年至今共6年的入库流量短期预报实践证明,该模型预报精度高,在水库防洪发电、水库调度应用中效果优良。     

黄河水量调度径流预报方法研究

介绍了服务于黄河水量调度的中长期径流预报技术方法、主要模型、预报系统及应用情况,并对未来黄河流域径流预报发展方向进行展望。黄河中长期径流预报模型从每个控制站点水文序列的影响因子和自身演变规律出发,根据各站点不同时期、不同影响因素,选择适当的统计方法分别建立。非汛期径流预报模型主要以前期径流、降水为预报因子,采用多元回归分析、门限回归分析和时间序列分析等方法建立;汛期径流受降雨影响强烈,流域降水主要受大气环流等因子影响,因此从前期环流因子中挑选预报因子,建立了汛期径流预报模型;天然径流量预报模型主要采用实测径流还原、时间序列分析及大气海洋物理因子相关等方法建立。黄河中长期径流预报模型及预报系统的建立,提高了黄河流域径流预报技术水平和能力,在1999—2018年20 a的水量调度中,提供了准确的年度水量预报和旬月径流预报,其中每年10月中下旬发布的花园口站年度天然径流总量预报平均误差为3.7%,最小预报误差为0.6%。     

基于水雨情信息分类的桓仁水库旬径流预报方法研究

旬径流受多种因素影响,变化规律复杂,单一的径流预报模型往往不能反映流域来水特点。基于此,提出了一种基于水雨情信息分类的旬径流预报方法,将预报时刻面临的水雨情分6种情况,针对不同的情况提出不同的预报方案,并对2000-2010年的8个典型旬进行了预报效果检验。计算结果表明,基于水雨情信息分类的旬径流预报方法预报效果较好,能够用于指导浑江桓仁水库日常调度。     

径流贝叶斯概率预报在水库发电优化调度中的应用

为了充分考虑降雨、径流预报的不确定性和降低水库发电调度模型的复杂性,采用贝叶斯概率水文预报系统(BFS)耦合降雨预报的不确定性和径流预报模型本身的不确定性来定量描述径流预报的不确定性,发布径流确定性预报、概率预报和概率预报期望值;结合随机动态规划(SDP)模型和贝叶斯随机动态规划(BSDP)模型来制定发电调度图;以浑江桓仁水库流域为背景,采用美国国家天气局的全球预报系统(GFS)发布的10d降雨预报信息作为预报模型输入,模拟桓仁水库的发电调度过程。模拟结果表明基于径流贝叶斯概率预报的水库发电调度能有效提高水库的发电效益和保证率。     

基于降雨径流相似性的短期径流预报研究

径流预报是水力发电、防汛抗旱、水资源综合利用、电力生产与保障等的重要依据。针对物理驱动模型在参数率定困难和数据驱动模型预报结果可解释性差的问题，研究提出基于降雨径流相似性的短期径流预报模型，深入分析径流成因，采用数据挖掘技术剖析数据之间的关系以进一步提高预报精度；根据不同时期和量级的产汇流差异进行流量分级，并滚动更新降雨径流信息以实现滚动预报。该研究成果在乌江的应用显示，入库1日、 7日预报结果平均相对误差分别为10.79%、 14.39%，预报效果良好。     

基于主成分分析的三种中长期预报模型在柘溪水库的应用

基于柘溪断面历史旬径流资料,选择1980年~2012年共33 a的降雨和流量数据经主成分分析处理后,分别作为多元线性回归模型、BP神经网络模型、Elman神经网络模型的训练样本,对模型参数进行训练;然后对样本进行模拟预报,统计模拟绝对误差和相对误差,同时预报柘溪断面2013年、2014年和2015年的年、汛期、季节和月尺度的流量,预报结果可精确到旬尺度,对比分析三种模型各时间尺度的预报结果,最终确定各模型在柘溪流域中长期水文预报过程中的作用。     

飞来峡水利枢纽洪水预报模型研究

飞来峡水库的洪水预报和调度在北江流域的江河水库联合调度中十分重要，因此研究其洪水预报模型具有重要的意义。该模型设计分为上游干流及支流的流域降雨径流模型、区间的降雨径流模型和一维干流河网洪水演算动力学模型，其参数率定达到《水文情报预报规范》的甲级标准。     

基于径向基函数神经网络降雨产流预测研究

从径向基函数神经网络原理分析出发,探讨用于降雨产流预测的神经网络模型,并将此模型应用于泜河上.预测和检验结果表明,基于径向基函数神经网络预测模型可以很好地反映流域降雨产流问题.     

新安江模型参数变化对流域降雨径流过程的影响分析

水文模型可以模拟自然流域的降雨径流过程,在降雨径流过程模拟中,水文模型参数的选择往往会影响模型对流域径流过程的模拟效果.针对新安江模型,以陕西黑河金盆水库流域为研究流域,分析新安江模型参数变化对模拟流域降雨径流过程的影响,以确定新安江模型参数的敏感程度,从而服务于研究流域的汛期水文预报参数修正.模拟结果表明:在研究流域新安江模型参数中KKSS、KKG、WLM、WDM、kg、k为敏感参数,对模拟流域降雨径流过程的影响较大;参数WUM、IMP、B、c、SM、EX为不敏感参数,对模拟流域降雨径流过程影响较小.     

Correction of Reservoir Runoff Forecast Based on Multi-scenario Division and Multi Models

Accurate runoff forecast is very important for reservoir operation. In view of the shortcomings of the existing correction models for runoff forecast, including the influence of the difference of external factors on the forecast results is not considered, and the optimal situation adaptation of different forecast models is not considered, three models, i.e., long and short-term memory neural network model (LSTM), gaussian process regression model (GPR) and support vector machine regression model (SVR), are used to forecast the relative errors of runoff forecast under different scenarios in this paper. The classification of forecast scenarios is determined based on factors such as rainfall, inflow, and foresight period, and two scenario sets are given, i.e., 12 forecast scenarios and 24 forecast scenarios. Then, a multi-model coupled runoff forecast correction method considering forecast error and forecast scenario is proposed. Through the case study of the Three Gorges Reservoir (TGR), it is found that, when the analysis is carried out based on the forecast period, the SVR model should be used for forecast correction when the foresight period is 1–5 days, and the LSTM model should be used for forecast correction when the foresight period is 6 days. The application effect of SVR and LSTM is better than GPR in the scenario set of 12 forecast scenarios. LSTM model has the highest accuracy of forecast correction in the scenario set of 24 forecast scenarios, and the mean value of the coefficient of certainty (R²) changes from 0.919 of 12 forecast scenarios to 0.931 of 24 forecast scenarios, increasing by 1.31%. The mean value of mean relative error (MRE) changes from 6.80% of 12 forecast scenarios to 5.64% of 24 forecast scenarios, a decrease of 17.06%. Finally, the best model adaptation table corresponding to different forecast scenarios of TGR is established, which has an important guiding role in the actual runoff forecast of TGR.

     

北方地区两种产流预报模型的应用与比较

以大伙房水库流域为例．分别应用大伙房模型、新安江模型对大伙房流域进行洪水产流预报。结果表明．两种产流预报模型均可用于北方半湿润半干旱地区。大伙房模型对于流域内的大洪水预报较准确．对于中小洪水有预报净雨偏大的趋势．而新安江模型对流域内的中小洪水有较高的预报精度。     

Flow Forecasting in a Watershed using Autoregressive Updating Model

A real-time autoregressive updating model is proposed in this study to forecast the flow in a watershed. The model has two components: (1) Finite Element-Event based distributed rainfall runoff model for runoff simulation and (2) Autoregressive model for updating the error forecast. The efficiency of the runoff updating model depends on the accuracy of the rainfall. Forecasting plays a major role in view of the lead time. In the present study, forecasting is carried out with a lead period of 1 to 3 h. The performance of the integrated model is tested using Nash Sutcliffe efficiency (E) and correlation coefficient (r). The integrated model is applied for Banha, Harsul and Khadakohol watersheds in India. From the results, it can be concluded that the developed model is efficient in flow forecasting on real-time basis in the watersheds.     

乌溪江流域自动洪水预报系统研究与应用

由于预报模型的局限性和实时信息的不完善,洪水预报过程存在一定误差。利用自动预报模型和人工预报参数交互式修改相结合的方式可提高洪水预报精度。在乌溪江流域自动洪水预报系统研究中,采用径流系数控制前期雨量损失总量,通过调整雨量损失进行产流计算,根据时段降雨的降雨中心和降雨强度选用单位线进行汇流计算。同时在自动化洪水预报基础上配以预报人员的多年预报经验,完成可实时修正、高精度的实时洪水预报。以典型洪水预报为例,人工预报参数交互式修改方法的准确性较高,人工预报峰现时间相差1 h,人工预报洪峰流量误差为0.74%,预报精度等级为乙级。研究成果已在浙江省乌溪江流域自动洪水预报系统得到应用,对其他流域洪水预报具有参考价值。     

基于土壤水动力学的洪水预报模型及其在无定河流域的应用

由于暴雨洪水发生次数少、观测资料不足、产汇流过程复杂等原因,干旱半干旱地区中小河流的洪水预报一直是我国水文预报业务的难点之一.基于土壤水动力学理论计算土壤入渗和地表产流过程,开发了具有物理机制的坡面产流模型;通过搭配中国洪水预报系统的坡面汇流模型,构建了陕西无定河支流大理河的洪水预报方案,以"2017.7.26"暴雨洪...     

不同面雨量估算方法对水库入流预测 模型精度的影响

以潘家口水库入库径流预测为研究对象,分别采用分块法、栅格计算法以及DEM法计算区域平均降雨量,并在此基础上建立潘家口水库来流预测模型。结果表明不同的面雨量估算方法对水库入库径流的预测精度具有较大影响。以DEM法计算区域平均雨量值作为预测模型的输入所模拟的效果优于另外两种区域平均雨量计算方法,且预测结果合理。