水文预报不确定性研究进展与展望

归纳了水文预报不确定性的来源与分类，综述了国内外对水文预报不确定性的研究进展以及相关文献、方法与模型，展望了水文预报不确定性研究的发展前景。水文预报不确定性始终存在并制约防洪调度决策的正确性，水文预报结果应该描述为概率的而不是确定的形式，概率水文预报实现了预报与决策的耦合。     

三峡水库汛期调度不确定性分析

根据三峡水库围堰发电期调度规程，考虑水文和水力不确定性，建立了防洪和兴利综合调度模型。采用宜昌站120年（1882年～2001年）的日流量资料，借助蒙特卡罗模拟，计算分析了防洪风险率和发电量，探讨了各种不确定性因素对调度结果的影响。结果表明，水文不确定性是影响调度结果的最主要因素。     

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。     

基于随机模拟和并行计算的水库防洪调度风险分析

由于洪水预报、洪水类型、工程状态、管理决策等诸方面不确定性因素,水库实际防洪调度不可避免地存在各种风险,水库防洪调度风险分析研究显得尤为重要。为确保防洪安全,降低大坝及下游综合洪灾损失,对水库防洪调度风险分析进行了全面梳理,分析和识别了水库防洪调度风险的关键影响因素,探明了洪水预报误差、不同典型洪水、初始起调水位和防洪调度滞时等不确定性因素。研究了基于蒙特卡罗随机模拟的不确定性因素模拟手段,建立了并行计算模式下水库防洪调度风险分析模型及其计算流程,并定量分析了不确定条件下的水库防洪调度风险。相关成果可为快速方便、科学合理的水库防洪调度运行方式和安全管理提供技术支持。     

基于贝叶斯理论的水文多模型预报

水文预报对于防洪、抗旱以及水资源调度等具有重要意义。水文预报通常依靠水文模型来完成,由于受到不同流域特点、产汇流机制等的限制,每个水文模型都具有各自的特点及适用区域。单一模型具有非常大的水文预报不确定性,为了解决单一模型局限性的问题,多模型水文预报常作为降低水文预报不确定性有效方法之一。选用三种常见的水文模型:时变增益水文模型、新安江模型和萨克拉门托模型,在珠江飞来峡流域进行分布式建模,采用相同的输入与初始场,三个模型独立进行模拟,然后对比三个模型的结果,并进行贝叶斯多模型加权平均和简单平均得到多模型平均结果,研究结果表明,贝叶斯模型处理后的结果要比单个模型模拟结果和简单平均处理后的结果准确率高。     

水文预报不确定性的研究及进展

水文预报关系着防洪调度,关系着国家的长治久安,关系着百姓的生命安全,是一项至关重要的工作.由于受到内外部一些客观条件限制,水文预报始终存在着一定的不确定性.为此,文章根据国内外大量文献资料对水文预报不确定性进行了概述,并对其未来发展做出了展望.以期加快水文预定不确定研究进程,最大程度低降低水文预定工作的不确定性,实现水文预报与决策耦合.     

分布式水文模型结合雷达测雨用于三峡区间的洪水预报

长江三峡区间因暴雨形成的洪水峰高量大, 对三峡水库防洪安全和运行调度的影响不容忽视。依据三峡地区的地形地貌特征,采用基于 GIS的分布式水文模型来模拟区间洪水过程,以尽量减小洪水预报中的不确定性。研究表明 ,降雨信息缺失是洪水预报不确定性的主要来源,尤其是在雨量站稀疏的山区,雨量站观测 的降雨信息难以充分表征降雨空间变化。为此,进一步尝试利用雷达测雨数据作为分布式水 文模型的输入,通过对2个小流域的示例研究,结果表明雷达测雨能捕获降雨的空间分布, 它与分布式水文模型相结合,是提高洪水预报精度的有效途径之一。     

淮河梅山水库流域洪水模拟不确定性分析

由于自然水文过程的复杂性和人类认识水平的局限性,应用水文模型进行模拟和预报时不可避免地存在着诸如降水输入、模型结构和参数的不确定性,由此导致洪水模拟和预报结果的不确定性。基于三水源新安江水文模型,分析贝叶斯预报系统(BFS)-水文不确定性处理器(HUP)在淮河梅山水库入库洪水模拟不确定性分析中适用性。通过对入库洪水模拟结果的不确定性量化,实现梅山水库入库洪水概率预报。结果表明,与确定性洪水预报相比,基于不确定性分析的洪水概率预报在提供均值预报的同时还能给出更为丰富的不确定性信息(如90%预报置信区间)。     

大伙房模型在石佛寺流域洪水预报方案中的应用

为了提高辽河流域洪水预报精度,缓解流域下游的防洪压力,为水库防洪调度提供科学依据,现以水文自动测报系统为技术支持,以大伙房模型为例研究了石佛寺水库的洪水预报方案,并使用粒子群算法对大伙房模型进行了参数优选。计算结果表明,模拟预报结果都属于甲级方案,预报方案合理,并且符合石佛寺流域的结构特点,充分反映了洪水的时空变化,可用于石佛寺水库的预报调度。     

水库防洪预报调度的风险分析

本文从水文预报误差的不确定性分析出发，将短期洪水预报精度评定指标转化为入库洪水过程的随机特征值，并引入水库调洪演算随机数学模型，从而实现水文预报风险向预报调度风险的转化，为定量考察预报调度风险率、合理选择动态的汛限水位提供了科学的依据。通过这一方法论证了水文预报精度对水库防洪预报调度风险率的影响，表明提高水文预报精度将有利于降低水库调洪风险率。     

耦合整体预报不确定性的水电站短期优化调度模型

以确定性预报径流为输入的水电站短期优化,受到预报不确定性的影响,会导致制定的运行方案与实际执行结果产生偏离,造成弃水或出力不足风险。为此,从水电站短期发电计划的编制过程出发,为编制优化运行方案,分析预报径流序列不同时段之间预报不确定性的关联,从而将短期径流预报序列各时段的预报不确定性耦合为一个整体,创新性地建立耦合整体预报不确定性的水电站短期优化调度模型。同时基于所提出的新优化模型,以锦西水电站为例进行实例研究,分别从实际总发电量和贴近度两个方面分析与评价新模型在效益和风险两个方面的优势,并将所建新模型与传统的确定性优化模型进行比较。结果表明,相较于传统确定性优化模型,本文所建立的新模型能够有效增加实际发电量、提高发电计划可靠性,可为水电站短期发电运行的实践提供有效参考。     

基于Copula函数的多变量水文不确定性处理器

传统的水文不确定性处理器(HUP)属于单变量结构类型,只能独立地给出各预见期实际流量的贝叶斯后验概率密度,没有考虑它们之间的内在相关性。本文利用Copula函数推导了贝叶斯转移预报(BTF)方法中后验转移密度的解析表达式,提出了基于Copula函数的贝叶斯转移预报(CBTF)方法和基于Copula函数的多变量水文不确定性处理器(CMHUP),进而发展了基于Copula函数的贝叶斯极值预报(CBEF)方法,并应用于三峡水库入库洪水预报中。结果表明:所提方法实用有效,CBTF方法和CMHUP可以定量地评估三峡水库入库流量转移预报的不确定性,准确揭示了水文预报不确定性在时间上的演变特征,CBEF方法则提供了预见期时段内最大入库流量预报的不确定性信息。所提方法不需要进行线性-正态假设,能够很好地捕捉流量过程的非线性和非正态特征,适用范围更加广泛,对于支撑防洪减灾和水库运行调度具有重要的参考价值。     

Middle- and Long-Term Streamflow Forecasting and Uncertainty Analysis Using Lasso-DBN-Bootstrap Model

Middle-term and long-term streamflow forecasting is of great significance for water resources planning and management, cascade reservoirs optimal operation, agriculture and hydro-power generation. In this work, a framework was proposed which integrates least absolute shrinkage and selection operator (lasso), DBN and bootstrap to improve the performance and the stability of streamflow forecasting with the lead-time of one month. Lasso helps to screen the appropriate predictors for the DBN model, and the DBN model simulates the complex relationship between the selection predictors and streamflow, and then bootstrap with the DBN model contributes to evaluate the uncertainty. The Three-River Headwaters Region (TRHR) was taken as a case study. The results indicated that lasso-DBN-bootstrap model produced significantly more accurate forecasting results than the other three models and provides reliable information on the forecasting uncertainty, which will be valuable for water resources management and planning.

     

Drought Forecasting using Markov Chain Model and Artificial Neural Networks

Water resources management is a complex task. It requires accurate prediction of inflow to reservoirs for the optimal management of surface resources, especially in arid and semi-arid regions. It is in particular complicated by droughts. Markov chain models have provided valuable information on drought or moisture conditions. A complementary method, however, is required that can both evaluate the accuracy of the Markov chain models for predicted drought conditions, and forecast the values for ensuing months. To that end, this study draws on Artificial Neural Networks (ANNs) as a data-driven model. The employed ANNs were trained and tested by means of a statistically-based input selection procedure to accurately predict reservoir inflow and consequently drought conditions. Thirty three years’ data of inflow volume on a monthly time resolution were selected to enable calculation of the standardized streamflow index (SSI) for the Markov chain model. Availability of hydro-climatic data from the Doroodzan reservoir in the Fars province, Iran, allowed us to develop a reservoir specific ANN model. Results demonstrated that both models accurately predicted drought conditions, by employing a randomization procedure that facilitated the selection of the required data for the ANN to forecast reservoir inflow close to the observed values over a validation period. The results confirmed that combining the two models improved short-term prediction reliability. This was in contrast to single model applications that resulted into substantial uncertainty. This research emphasized the importance of the correct selection of data or data mining, prior to entering a specific modeling routine.     

气象集合预报在水文领域中的应用研究进展

集合预报是针对数值预报的不确定性而发展起来的概率预报技术,在水库控制中应用集合预报信息可以延长水文预报有效预见期并且提高预报精度。目前,集合预报已在发达国家中得到广泛的应用。现概括了集合预报的发展过程,并从洪水预警、径流预报、水库调度决策3个方面分析了集合预报在水文领域中的研究进展,探讨了集合预报的检验和集合预报应用中存在的关键问题。     

水库防洪与补源优化调度及其风险分析

本文从洪水资源化与水资源可持续开发利用的角度建立水库防洪与补源优化调度的数学模型。利用流域产汇流模型计算入库洪水，并考虑短期降雨预报信息，将交互式生成技术与动态规划模型相结合来优化水库的调度方案，给出考虑洪水预报和降雨预报误差的水库防洪与补源优化调度风险率的定义与计算方法。将此模型和风险分析方法应用于大连市碧流河水库的防洪与补源联合优化调度中，对其风险值和补源效益进行了分析与计算。结果表明与常规调度相比，引洪补源优化调度能提高洪水资源利用率，补源效益十分显著。     

Considering precipitation forecasts for real-time decision-making in hydropower operations

This paper presents a new decision-making strategy for hydropower operations to handle uncertainty of forecasting precipitation. This strategy takes into account three basic components: uncertainty of precipitation, operation policies and a risk-evaluation model. In real-time operation, precipitations with different probabilities at different forecasting levels are obtained, and these precipitations are applied to forecast inflows using a hydrological forecasting model. Based on the forecasting inflows, the operation policies and risks with different probabilities are obtained. This study implements China’s Huanren reservoir and medium-term precipitation forecasts from the Global Forecast System to study the efficiency and stability of this strategy.     

Genetic Algorithm for Optimal Operating Policy of a Multipurpose Reservoir

This paper presents a Genetic Algorithm (GA) model for finding the optimal operating policy of a multi-purpose reservoir, located on the river Pagladia, a major tributary of the river Brahmaputra. A synthetic monthly streamflow series of 100 years is used for deriving the operating policy. The policies derived by the GA model are compared with that of the stochastic dynamic programming (SDP) model on the basis of their performance in reservoir simulation for 20 years of historic monthly streamflow. The simulated result shows that GA-derived policies are promising and competitive and can be effectively used for reservoir operation.     

防洪预报调度方式综合特性风险率计算方法研究

水库防洪预报调度中的多种不确定性因素是风险产生的根本原因。分析水库防洪预报调度中不确定性因素的随机性、模糊性及灰色性,并在已有的防洪预报调度方式随机风险率计算方法的基础上,提出了随机-模糊、随机-灰色及综合特性风险率的计算方法,研究了水库实施防洪预报调度方式相对于常规调度方式水库风险率的变化。桓仁水库的应用研究表明,防洪预报调度方式综合特性风险率计算方法是可行的,相对于常规调度方式并未增加水库的防洪风险。     

超越概率贝叶斯判别分析方法及其在中长期径流预报中的应用

中长期径流预报是水文预报中的经典难题之一,其在防洪、水库调度及水资源管理中起着十分重要的作用。由于缺乏相应预见期的可靠气象预报资料,中长期径流预报一般采用统计方法。超越概率贝叶斯判别分析方法是一种数据驱动的非参数贝叶斯经验统计方法,通过设置不同的流量等级反复进行贝叶斯判别分析,对未来径流超过某一流量等级的概率 （超越概率） 进行预报。本文运用该方法对长江宜昌站、大通站的月、季径流预报进行了研究,其结果表明,超越概率贝叶斯判别分析方法能够有效实现宜昌站和大通站非汛期径流预报;对于汛期径流预报,采用厄尔尼诺和南方涛动等气象水文指标变量作为预报因子,是提高预报精度的可行途径。