陆气耦合洪水预报技术在紫荆关以上流域的应用研究

针对河北省中小河流洪水预报预见期短,不能较好满足防洪调度工作需要的实际问题,以海河流域大清河水系拒马河紫荆关以上流域为研究对象,以降雨为耦合变量,采用中尺度数值大气模式,利用三维同化技术,提高了降雨预报成果的准确度。再以同化预报降雨数据为输入,耦合分布式河北雨洪模型进行流域洪水预报,在保证洪水预报成果精度的前提下,有效延长了洪水预报成果的预见期。该成果将为主动应对洪水灾害、降低洪灾损失等提供技术支撑,在我国中小流域具有推广应用价值。     

基于两阶段风险分析的水库群汛期运行水位动态控制模型

水库(群)实时调度能结合有效的水文预报信息对水库在实时运行层面权衡防洪与兴利效益具有指导意义。然而,水文预报信息的利用面临着不可规避的不确定性问题,故水库(群)实时调度运行需要考虑风险控制方法的研究。针对耦合水文预报的水库群汛期运行水位动态控制问题,提出了可考虑各水库不同预见期长度、不同预报精度的两阶段风险率计算方法,并将其应用于构建水库群汛期运行水位动态控制模型。首先,两阶段风险率思想是将未来调度时段按预见期节点分为预见期以内和预见期以外两个阶段,预见期以内考虑径流预报不确定性带来的风险,采用集合预报思想统计多组预报径流情景在预见期以内的失事概率,预见期以外考虑因预见期末水位过高难于应对后续洪水的潜在风险,根据历史设计洪水的调洪演算试算风险率。其次,基于所提出的两阶段风险率方法构建以发电量最大为目标函数的水库群汛期运行水位动态控制模型。研究结果表明：提出的两阶段风险率计算方法可兼顾考虑实时调度阶段由径流不确定性引起的预见期以内、预见期以外的潜在风险;基于两阶段风险分析构建的水库群优化调度模型,可求解得出的水库群系统库容动态最优决策过程,且该优化调度模型可在不增加汛期防洪风险的基础上提高水库群系统的发电效益,即2010年汉江流域五库系统在夏汛期可提高总发电量2.30亿kWh。     

3S技术在流域产流量预报中的应用

降水量、蒸发量、土壤蓄水量及雪冰的融水量是流域产流量预报模型的输入值,它们的观测精度和预见期直接决定着流域产流量的预报精度和预见期.论述了3S技术在流域降水量、蒸散发量、土壤蓄水量、雪冰融水量观测方法中的具体应用情况,分析了3S技术在应用过程中相对于传统方法的优势及其应用前景.     

BCC_S2S预报长江上中游流域夏季降水精度评估

为评估我国国家气候中心季节-次季节预报模式产品(BCC_S2S)在长江上中游流域对日降水和夏季极端降水事件的预报性能,本文基于BCC_S2S模式在2005-2020年的每周两次滚动预报未来60天降水回报格点数据,把格点预报降水双线性插值到站点,将其与站点观测降水进行对比分析。通过相关系数、均方根误差和平均误差三个指标,评估模式预报日降水的性能;对于极端降水事件,依照百分位法定义极端降水,基于HSS指标评估单站极端降水,并利用层次聚类方法划分区域性极端降水类型,进一步评估预报性能。结果表明：BCC_S2S模式在各季节日降水的预报性能随预见期的增加而下降,在预见期大于5~10日后,进入低预报技巧阶段;将长江上中游划分为六个子区域进一步分析,各区域平均的相关系数仍然是在预见期较短时较高,平均误差表明预报模型在流域中东部区域整体呈现出正偏差,金沙江流域则是负偏差,均方根误差同样在流域中东部偏大;通过分析三个指标的箱型分布图,表明在长江上中游的大多数区域,模式预报6月份的降水精度最佳,误差范围相对较小。对极端降水事件,单站极端降水事件的HSS指标随预见期增加而下降;对大多数区域,模式的预报技巧在月降水总量偏多、极端降水频发的月份较高。针对四类区域性极端降水,模式超前0~10日预报的多雨带空间分布与观测较为一致,降水量值偏小,在超前10日以上预报时效果较差。总体上,模式对长江上中游地区的日降水和极端降水事件的预报性能随预见期的增加而下降,6月预报精度相对较好,可能与6月主要受大范围水汽输送或锋面这样较容易预报的天气系统有关。     

基于静态和动态权重的流域水文模型集合预报方法对比

为进一步探索提高模型精度的方法,比较不同集合预报方法的优劣,选择了4种水文模型(新安江模型、Simhyd模型、GR4J模型和人工神经网络模型)分别在浙江省西部山区的4个典型流域做模拟对比,分析这4个模型在流域上的适用性,并将模型的模拟结果作为集合成员,使用黑箱集合预报法和诱导有序二项式系数集合预报法对成员进行集合预报,研究模型的应用效果,并进行4种模型和2种集成方法的优势对比。研究结果表明,新安江模型和GR4J模型在研究区域的适用性方面较好。黑箱集合预报法和诱导有序二项式系数集合预报法分别代表固定权重和变动权重的两种集合预报方法,模拟结果显示,后者对集合成员的改进程度更高,说明其在动态权重方法下更能充分发挥各模型的优势之处,达到择优互补的模拟效果,从而提高预报精度。     

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报(ECMWF)降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论:基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.     

集合神经网络的洪水预报

针对防洪减灾的问题,通过将集合预报概念应用于人工神经网络,综合考虑样本和参数等因素的影响,构建集合神经网络模型,以降低单一神经网络模型的不确定性.针对初始值扰动和样本重采样两方面分别产生集合成员,由简单平均和贝叶斯模型加权平均整合预报输出,构建龙泉溪流域预见期为1~3h的集合洪水预报.结果表明,相对于单一神经网络,集合神经网络模型有效地提高预测的精度.从均方根误差上看,集合神经网络模型性能比单一神经网络模型提升了15%~35%.在众多集合策略中,以初始值扰动和简单平均操作最简单,模型预报输出有16%~32%的提升,重采样和贝叶斯模型加权平均的组合效果使预报精度改进了22%~35%.     

基于多水文模型预报能力分析的洪水预报

为了解决概念性和黑箱模型在小时尺度模拟效果对比中预见期选择的问题，提出利用滞后演算法求解概念性模型预报能力. 在两模型共同预报能力条件下，引入集对分析理论对比新安江模型、土壤水核算与演算（SMAR）模型、倒传递（BP）和Elman神经网络模型模拟效果. 概念性模型预报能力与流域面积成正相关且特定流域的预报能力相对固定，其中金华江和龙泉溪流域的预见期可以分别取第7、3 h；在相同预见期条件下，龙泉溪流域表现最好的是BP模型而最差的是Elman模型，金华江流域表现最好的是新安江模型而最差的是SMAR模型；引入集对分析方法可以从单指标转向更多指标进行综合评价，具有较好的适用性和高效性.     

考虑流域湿度的非线性扰动模型及其在流域洪水预报的应用

本文探讨了降雨～径流过程的非线性问题。为了改善洪水预报精度,提出了一种考虑流域湿度的非线性扰动模型。它是一种水文系统方法,不仅可以考虑流域的水文季节信息,而且描述了整体非线性的产流和汇流。运用中国和美国等国家十个典型流域资料进行逐日降雨径流预报检验,说明本文提出的非线性扰动模型方法明显优于现行的各种线性系统方法。     

欧洲中心集合预报产品在2014年宁夏汛期降水预报中的性能检验

利用2014年欧洲中心集合预报产品汛期(6—9月)降水站点预报结果,以宁夏全区20个站点的不同级别(小雨、中雨)的24,48,72 h降水的预报结果作为统计对象,对其欧洲中心集合预报产品开展不同级别降水的TS评分,并对每个站、每个月的预报结果进行评价。同时,利用欧洲中心集合预报及51个成员对强降水的预报概率,对2014年宁夏出现的大雨以上降水的站点进行检验评估。结果表明,集合预报产品在2014年的汛期降水预报中有小雨、中雨高估,大雨以上降水低估的趋势;TS评分表明,对小雨、中雨来说,时效越短,预报效果越好;极值产品检验说明,欧洲中心集合预报产品对小概率事件有一定的预报能力,48 h预报效果最好;对大降水预报概率值大于0的站,欧洲中心集合预报极值产品对强降水的预报都有指示意义,可为今后的预报提供参考。     

AREM模式预报技术在洪水预报中的应用

AREM是综合考虑中国区域的地形特点和复杂的水汽演变过程,建立的一个对中国区域暴雨有较强预报能力的暴雨数值预报模式.运用AREM模式预报的降雨过程作为预见期内的降雨,结合新安江蓄满产流模型和流域分散入流非线性汇流模型,作出考虑预见期降雨的洪水预报,并将该方法应用于湖北省白莲河流域.     

基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报

通过对比相关系数法、逐步回归法及综合方法3个预报因子筛选方案的模拟结果,确定优选预报因子的最佳方法,采用BP人工神经网络模型对大通、屏山和汉口3个站点进行枯水期(当年11月-次年4月)径流预报研究.结果显示,采用相关系数法初选及逐步回归法优选所筛选出的预报因子集合可以得到更好的预报效果;该模型在枯水期月尺度径流预报中,检验期的平均合格率为56.44%,达不到实际预报的需求.而采用旬尺度模拟计算月径流的预报效果要远远高于月尺度径流模拟,检验期平均相对误差与合格率分别为12.27%和71.63%,有较好的预报精度.可以为长江流域水文预报工作提供一定的参考.     

短期降雨预报精度的模糊风险评价方法研究

为更好地提高洪水资源利用率,探讨利用短期降雨预报信息来指导水库的实时调度,在总结常规的短期降雨预报精度分析方法存在问题的基础上,引入可能性-概率风险的方法进行短期降雨预报精度分析,以白龟山水库的短期降雨预报精度分析为例说明该方法的具体应用.可能性-概率风险概念简单,数学逻辑清晰,计算简便,特别适合于因历史数据少而形成的小样本问题.     

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.     

改进的人工神经网络水文预报模型及应用

在人工神经网络水文模型的研究中,往往加入前期径流以提高模型的预报精度.针对由此带来的问题,通过耦合总径流线性响应模型,建立一种基于人工神经网络的实时预报模型.通过引入总径流线性响应模型的模拟径流作为模型输入,模型的模拟模式能够提供较长的预见期,同时加入误差校正模型的实时预报模式也能够取得较高的模型精度.采用3个不同流域的流量资料对模型进行率定与校核.结果表明,模型能够取得较高的预报精度,显示了良好的适用性.     

基于LSTM误差校正蓄满-超渗兼容模型的山洪预报研究

为达到提高不同类型山区小流域洪水预报的适用性和运行效率的目的,以长江中游寿溪流域和黄河中游青阳岔流域为研究对象,建立了蓄满-超渗兼容洪水预报模型,并将预报结果与新安江模型的结果进行对比,此外建立自回归(auto-regressive, AR)和长短时记忆(long short-term memory, LSTM)误差校正模型,对洪水预报模型预报流量进行误差校正。结果表明：经LSTM校正后的蓄满-超渗兼容模型针对18场洪水验证集预报结果中的平均纳什效率系数为0.88,高出其他单一模型和集合模型0.11～0.26;平均洪峰误差绝对值为6.01%,低于其他单一模型和集合模型3.90%～18.50%,且各单场洪峰误差绝对值均在10%以内。该模型对峰现时差的校正效果不明显。整体来看,蓄满-超渗兼容模型预报性能高于新安江模型,LSTM模型校正效果优于AR模型,经过LSTM模型校正过的蓄满-超渗兼容模型预报结果最优,可有效提高洪水预报精度。     

黑龙江洪水预报方法的改进

在分析黑龙江大支流汇入河段河道特性及汇流条件的基础上,根据洪水组成,采用分别统计和建立相关图的方法,改进了历史延用的预报方法,提高了洪水预报精度,增长了预见期     

基于主成分分析的K均值聚类法在洪水预报中的应用

洪水预报中影响因素很多,蕴含的信息也很复杂,如何从这些信息中获取有效信息是提高洪水预报精度的关键.考虑到洪水聚类时,指标间的相关性和信息冗余会严重影响分类效果,从而造成分类洪水预报精度不佳,应用主成分分析方法,力求提取历史洪水的有效信息,并以这些信息为基础,运用K均值聚类方法将历史洪水分类,对各类型洪水分别率定参数,通过计算洪水指标到各聚类中心的距离来判别即将发生洪水的归属类别,采用对应的模型参数进行预报.应用于实际流域,结果表明,基于主成分分析的分类洪水预报能够有效减小运算量,提高洪水预报精度.     

基于弹性梯度下降算法的BP神经网络降雨径流预报模型

运用反向传播(back propagation, BP)的改进算法弹性梯度下降算法,选择崇阳溪上游流域1997—2014年的14场降雨径流过程,以流域内洋庄、吴边、大安、坑口、岭阳、岚谷6个雨量站的实测降雨量和武夷山水文站的前期流量资料为输入,武夷山水文站相应流量为输出,建立弹性梯度下降算法的BP神经网络降雨径流预报模型,采用7场降雨径流过程对模型进行检验。结果表明,与传统的反向传播算法相比,该模型所需的参数较少,运算速度显著提高,模型的预报精度满足要求,可以为防汛部门预测洪水提供依据。     

高关水库流域洪水实时预报方法及应用研究

考虑到高关水库流域降雨时空变化和地形对流域产汇流的非线性影响 ,建立了流域分散产流、非线性汇流模型以及洪水实时预报校正方法 ,将研制的模型应用于实际洪水预报 ,取得了较为满意的效果