基于概率分布模型的流量预报及参数动态识别

概率分布模型（PDM）在国内流域的适用性及参数在不同径流阶段的变化研究较少。本文以浙江省两典型流域为例,建立PDM流量预报对比模型,根据参数动态识别分析确定不同时间窗口下参数变化,从而推断关键影响因子。研究结果表明：（1）PDM模型在两流域模拟结果较为满意,纳什效率系数均可达到0.7以上,且低流量为主的龙泉溪流域模拟效果明显优于高流量主导的金华江流域;（2）在不同洪水事件下PDM参数（经验参数α、b和最大蓄水能力Smax）均与前期土壤湿度显著负相关,与退水斜率有关的参数b在金华江流域与蒸发量显著正相关,而在龙泉溪流域与平均降雨负相关性显著;（3）受地表以下28 cm土壤湿度变化控制的参数α在洪峰及退水阶段识别度最大。     

基于改进深度信念网络模型的中长期径流预测

为提高流域中长期径流预测效果,提出径流综合指数构建、因子筛选和改进深度信念网络模型相结合的预测方法。首先研究不同水文站点（细粒度）月平均径流的一致性,构造流域径流综合指数（粗粒度）,在较宏观层面研究流域水情丰枯变化;接着采用基于信息熵的因子筛选方法,获得影响流域水情丰枯变化的关键因子集,形成深度学习的输入;然后利用改进的深度信念网络（IDBN）模型进行预测。以雅砻江流域为例,将所建模型与多元线性回归、自回归移动平均、反向传播（BP）神经网络、支持向量机和传统深度信念网络等预测模型进行对比分析。结果表明：所提方法具有较好的实用性,且IDBN模型具有更好的预测速度和精度。研究结果可为流域中长期径流变化趋势预测提供参考。     

融合改进灰狼算法的机器学习月径流预测方法

为提高径流预报的准确性，对黄河唐乃亥站和兰州站实测月径流序列，分别采用梯度提升树回归（GBDT）、反向传播算法（BP）、差分进化-灰狼算法（HGWO）优化的支持向量回归（SVR）算法，结合变分模态分解方法（VMD）和极点对称模态分解方法（ESMD），建立组合预报模型。结果表明，组合模型VMD-HGWO-SVR预测效果最好，与ESMD-HGWO-SVR、VMD-BP、VMD-GBDT相比，两站的预测结果的平均绝对误差分别平均降低53.38%、14.27%、6.8%，均方根误差分别平均降低53.66%、22.0%、11.54%，平均相对误差分别平均降低54.92%、12.0%、3.67%，纳什效率系数分别平均提高17.09%、3.26%、1.36%。可以看出，该方法在月径流时间序列预测中具有较好的效果。     

径流预报的极点对称模态分解-Elman网络模型

针对径流序列非线性、非平稳的特点,将极点对称模态分解（ESMD）方法与Elman神经网络模型相结合,建立了ESMD-Elman神经网络组合模型,并应用于长江上游干支流8站的年、月径流预报。首先利用ESMD方法将径流序列分解为各模态分量和趋势余项;然后利用Elman神经网络模型分别预测各平稳序列;最后加和重构得到最终预测结果。结果表明：组合模型预报精度大于单一模型,与ESMD-BP神经网络组合模型比,ESMD-Elman神经网络组合模型的8站年径流预报结果的平均相对误差（MAPE）平均降低3.6%,均方根误差（RMSE）平均降低7.8%,确定性系数平均提高5.0%;8站月径流预报结果的MAPE平均降低3.0%,RMSE平均降低2.8%,具有“分解?预测?重构”特点的组合模型提高了预报精度。     

利用区域流量历时曲线模拟东江流域无资料地区的日径流过程

根据流量值与流域空间特征值之间的相关关系来构建区域化流量历时曲线，以流量历时曲线取代常规的流量过程作为流域降雨径流模型参数优化的目标函数，分析该方法的可行性与模拟精度。由东江流域中的11个子流域所组成的研究区域能得到精度良好的区域化流量历时曲线，以TOPMODEL模型作为流域降雨径流模型，用区域化流量历时曲线作为优化目标函数，验证流域星丰和岳城的计算结果表明该方法是可行的，能得到较为满意的模拟精度，可以将该方法应用于广大的无资料地区推求日径流过程。     

时延神经网络应用于洪水预报

本文运用时延神经网络模型来模拟降雨径流过程,根据Takens相空间重构理论对前期影响雨量进行重构,并将其作为神经网络降雨输入结点.该方法可以有效改变以往神经网络输入结点主观性的问题,为正确确定神经网络输入结点提供了理论依据.通过计算实例表明,该方法的降雨径流预测精度较高.     

线性响应模型与神经网络联合模拟降雨～径流过程

本文将简单线性（黑箱）模型与神经网络联合起来对降雨～径流过程进行了模拟，在早期大多数有关降雨～径流的神经网络研究中,往往将前期径流作为模型输入的一部分,而本文利用线性模型对径流的估算值代替前期径流作为神经网络输入的一部分,从而为资料稀缺流域降雨～径流关系的模拟提供了新的途径，研究结果表明该组合模型是可行的。     

多源数据融合的深度学习径流预测模型

为探究深度学习结合多源数据融合算法在流域径流预测中的效果,采用双向长短期记忆神经网络模型,选取汉江上游区域长序列水文气象资料及大气环流因子数据集,结合集合卡尔曼滤波数据融合算法,构建研究区域内5个流域径流预测模型并进行验证。结果表明,在相同预见期内该模型相比于传统长短期记忆神经网络模型,各项预测指标均有提高且能较好捕捉径流序列极值。采用数据融合算法加入大气环流因子数据集后,不同流域模型评价指标可进一步提升且随着预见期延长模型评价指标变化更为平稳。此预测模型可有效提升流域径流预报效果,为基于深度学习的径流预测提供参考。     

三峡入库洪水概率预报的深度学习模型

将长短时记忆（LSTM）神经网络嵌套至编码-解码（ED）结构,构建了LSTM-ED深度学习模型,采用贝叶斯概率预报处理器量化洪水预报不确定性,提出了一种三峡入库洪水概率预报业务方法,并讨论了降雨预报对洪水概率预报性能的影响。选用向家坝—三峡坝址区间流域2010—2021年汛期6 h降水径流资料序列训练和检验模型,开展了1～7 d预见期入库洪水预报。结果表明：LSTM-ED模型的模拟预报精度优于LSTM模型,验证期1～7 d预见期纳什效率系数高于0.92;概率预报连续排位概率分数相对平均绝对误差降低26.82%～32.74%,考虑预报降雨可进一步提高概率预报性能,为调度决策者提供可靠的风险信息。     

基于小波分析的月径流ARIMA预测方法

将一种基于小波分析的自回归滑动平均求和（ARIMA）模型用于月径流的预测。首先利用小波变换良好的局部化特性，将月径流序列分解成不同时间尺度上的子序列;然后对各个子序列利用ARIMA模型进行预测。将采用基于小波分析的ARIMA模型的预测结果与直接使用ARIMA模型的预测结果进行比较，结果表明引入小波变换提高了月径流预报精度。     

基于经验模态分解的非平稳水文序列预测研究

在全球气候变化和人类活动影响下,降雨和径流过程的非平稳特征日趋显化,如何通过有效的方法提高预测精度,准确地预测非平稳时间序列变化,为管理者提供决策支持至关重要。经验模态分解(EMD)是"分解—预测—重构"预测模式中的重要方法之一,通过其与径向基神经网络(RBF)的耦合,构建了改进RBF预测方法,研究了"分解—预测—重构"预测模式对渭河流域降雨(弱趋势)和径流(强趋势)两种非平稳时间序列的预测效果,总结了"分解—预测—重构"模式的适应范围。同时,针对重构过程中高频分量误差偏大的问题,提出了误差控制的改进措施。计算结果显示,RBF神经网络对具有弱趋势的非平稳时间序列(降雨)可获得比较满意的预测效果,平均相对误差为11%,是否分解预测对其预测精度影响不大;而对具有强趋势的非平稳时间序列(径流),RBF神经网络模型的预测效果并不理想,平均相对误差达到54%,而经过分解—预测—重构处理后,平均相对误差可降至30%,基本满足中长期水文预测精度要求。且若实施误差控制,平均相对误差可再减小2%。研究表明,"分解—预测—重构"的处理方法适用于具有强趋势变化的非平稳时间序列,其特点在于可有效分离时间序列中的周期和趋势变化成分,预测中使不同成分得到有效外延。同时,这种处理思路与径流序列基于物理驱动机制的普遍认识较为相符,更有利于开展有关水文过程的扩展性分析。误差控制方法在径流预测中能有效降低高频分量预测误差对整体预测效果的影响,可为其他类似的非平稳时间序列预测提供借鉴。     

黄土区工程堆积体石砾对流速及产沙影响试验研究

由于堆积松散、颗粒粗、组成物质复杂、坡度大等特点,生产建设项目工程堆积体侵蚀过程与农地、撂荒地相比有较大区别,是典型的人为加速侵蚀。在各类生产建设项目工程堆积体野外调查基础上,室内概化堆积体代表性下垫面,通过人工模拟降雨试验研究堆积体中石砾对流速及产沙影响。结果表明:(1)不同石砾含量下垫面流速在产流3 min内迅速递增,随后趋于相对稳定。坡度小于25°时,含石砾坡面流速小于纯土体,此时石砾存在增加径流弯曲度,阻碍径流流动,平均稳定流速与雨强及石砾含量呈幂函数关系;而坡度大于25°时流速与雨强及石砾含量呈二元线性关系。(2)产沙率在产流前12 min呈波动性递减,随后趋于相对稳定,初期产沙率是稳定期的1.7~3.1倍。雨强1.5 mm/min较1.0 mm/min的平均产沙率增加82.7%~117.3%。坡度对堆积体产沙影响存在一个阈值,在25°左右时产沙率最大,可达其他坡度下的1.3~1.7倍。在初期及稳定期的产沙率均表现为纯土体大于含石砾坡面,可增加0.6%~28.7%,各场次降雨下产沙峰值主要集中在产流开始后的前3 min内。(3)在侵蚀初期、稳定期及整个侵蚀过程的平均产沙率均与流速呈显著相关。随雨强增大1.5倍,次降雨侵蚀量可增加74.0%~95.9%,且总体表现为纯土体侵蚀量大于含石砾坡面,产流前12 min侵蚀量可占次降雨侵蚀量的38.3%~50.7%,因此,在进行堆积体水土流失防治中,尤其要注重初期的措施配置,以减免堆积体严重侵蚀。     

不同降水产品在滦河流域径流模拟中的适用性

卫星降水产品和多源再分析数据对于水文模拟具有重要意义。本文基于地面实测降水数据,对全球降水观测计划多卫星降水产品（GPM IMERG）和中国区域地面气象要素驱动数据集（CMFD）再分析降水数据进行定量多尺度时空精度评估,并利用SWAT模型进行月尺度径流模拟,对比分析两种降水产品的水文效用。结果表明：在多时间尺度上,IMERG和CMFD数据与地面实测降水具有较高的相关性,二者分别呈现出对降水约3.7%和2.6%的高估;空间上,二者能够较好地描述降水的整体变化趋势。在弱降水的探测准确度上二者均需进一步提升。两种降水产品整体适用于滦河流域径流模拟,其中IMERG数据有效提高了雨量站稀疏流域的径流模拟精度,在水文模拟中具有良好的应用潜力。     

砾石对关中塿土工程堆积体产流产沙的影响

为研究砾石对关中平原地区工程堆积体边坡径流产沙规律，采用室内人工模拟降雨试验方法，以关中塿土土质（无砾石）堆积体边坡为对照，研究1.0、1.5、2.0和2.5 mm?min-1雨强下10%、20%和30%砾石质量分数工程堆积体边坡径流产沙特征及水沙关系。结果表明：①径流率、流速与砾石质量分数相关性均不显著（P > 0.05），与雨强显著相关（P < 0.05）。②1.0 ~ 2.5 mm?min-1雨强时，次降雨产沙量随砾石质量分数增加呈显著的幂函数形式减小；各砾石质量分数堆积体产沙量较土质堆积体分别减少17.1% ~ 67.5%、13.8% ~ 81.1%和25.5% ~ 92.0%。③雨强< 2.5 mm?min-1时，水沙累积曲线由极显著线性特征转变为极显著幂函数形式（P < 0.01）。结果可为关中地区工程堆积体水土流失预测和防治提供理论依据。     

Optimal scheduling of hydraulically coupled power plants with runoff prediction

This paper discusses an optimal short-range scheduling of multireservoir hydrothermal power systems considering runoff prediction. Using Prasad's rainfall-runoff model and the Kalman filter-based, second-order filtering technique, the hour-by-hour characteristic is estimated for a given short-range forecasted rainfall pattern. Unlike the usual hydroscheduling problem in which a single-reservoir operating condition is specified at the end of the scheduling period, various end point conditions are examined to deal with the predicted runoff characteristic and to avoid possible water spillages from reservoirs. Dynamic Programming Successive Approximations are applied successfully to obtain optimum operating strategies for many end point conditions at a time. A rapid convergence characteristic coupled with a simple computation algorithm makes the proposed method one of the attractive approaches for scheduling of complicated multireservoir hydrothermal systems considering runoff prediction.     

黑龙江流域分布式水文模型研究

黑龙江是高纬度寒区界河,防洪问题突出,模型研究较少。本文建立黑龙江流域空间信息库,构建了基于物理机制的黑龙江流域分布式水文模型GBHM-HLJ。其中引入冻土导水率随冻融期温度指数型变化的概化模型,模拟土壤冻融循环对水分运移的影响。率定期和验证期10个主要站点日均流量模拟的Nash-Sutcliffe效率系数均在0.73以上,月均流量模拟的决定系数在0.82以上。模拟的流域平均雪水当量逐月数据与2014—2019年FY-3C卫星遥感反演数据进行对比,决定系数为0.83。干流控制站哈巴罗夫斯克站1960—1990年日均流量模拟的Nash-Sutcliffe效率系数为0.90,历年最大日均流量模拟的决定系数为0.72。黑龙江流域分布式水文模型为研究流域水文规律和干支流洪水特征提供了基础。     

基于局部和全局方法的SWMM敏感参数识别

为了识别SWMM（storm water management model）模型的敏感参数，从而实现参数的高效率定，本文以深圳河流域为研究对象，构建SWMM模型，分别采用修正的Morris筛选法和互信息法，从局部和全局的角度定量分析重现期1年、10年和50年设计暴雨情景下排放口洪峰流量和流域平均径流系数对各参数的敏感性。结果表明，在不同的设计暴雨情景下，两种方法的结果均显示排放口洪峰流量对透水区曼宁系数和最小下渗速率最敏感，流域平均径流系数对下渗相关参数最敏感；然而，随着暴雨强度增大，两种方法计算得到的径流系数对最大下渗速率和最小下渗速率的敏感性变化趋势不同，Morris的结果显示递减，M-I的结果显示递增。     

窟野河径流变化检测及归因研究

窟野河径流变化是气候变化和人类活动作用的结果,也是流域水资源开发利用及治理保护的重要依据。基于窟野河流域温家川站径流量(1954—2010年)资料,采用MK-P法和Pettitt法进行突变年识别及归因分析;并借助SCRAQ法估算降水、潜在蒸发和人类活动对径流的影响。结果表明:窟野河径流量呈显著减小趋势,且在1979年和1996年发生两次显著突变。与基准期相比,人类活动强度较低期(1980—1996年)降水、潜在蒸发、人类活动对径流的影响比例分别为29.21%、-3.63%,74.42%;人类活动强度较高期(1997—2010年)所占比例分别为20.62%,-1.53%和80.91%;与人类活动强度较低期相比,人类活动强度较高期占比例分别为11.85%,-0.16%和87.99%。大规模水土保持和高强度煤矿开采对窟野河径流突变具有重要影响。     

基于马尔科夫链模型的小金川河流域径流形势预估分析[ 国家重点研发项目资助（2018YFB0905204）]

为了分析小金川河流域中长期径流形势,本文尝试利用马尔科夫链模型进行年径流形势预估,结合历史径流的丰枯变化,计算丰水年、平水年、枯水年相互转变的马尔科夫转移概率,在此基础上,可根据当年来水情况实现对木坡电站下一年径流形势的预估分析。以2018年木坡电站的丰枯形势预估为例,经验证,该径流形势预估分析方法具有较强的实用性,为径流形势预估分析提供了一种切实可行的思路和方法。