TRMM雨量在汉江上游大尺度水文模型中的应用

将TRMM（Tropic Rainfall Measurement Mission）卫星收集分析的降雨资料，利用大尺度水文模型对汉江白河以上流域进行流量模拟与预测，研究TRMM降雨资料应用于大尺度水文模型（LSHM）进行流量预测的可行性。对比分析了TRMM年、月、日系列降雨资料与气象站网降水观测资料，以及将其作为输入数据源的大尺度模型降雨径流模拟预测结果，分析表明：大尺度水文模型概念基本适合汉江上游的流量预测，水库对模拟预测结果影响显著，TRMM日降雨资料尚不满足利用该模型进行洪峰流量预报精度的要求。     

神经网络技术在水文系列中长期预报中的应用

运用人工神经网络技术的基本原理，以降雨量作为基本影响因子，建立了流域年径流量的神经网络预报模型。在建模过程中，为保证计算快速收敛，重新定义了权重增量的计算公式。从两个流域的应用实例资料验证表明，模型基本合理、可靠，具有较好的适应性和预报精度。由模型计算结果可以看出，将人工神经网络技术应用于流域年径流量的预报研究，是以系统的观点将降雨与径流作为输入和输出联系起来，它可为流域径流的中长期变化预测提供一条崭新而有效的途径。     

RBF神经网络在邯郸市东武仕水库流量预报中的应用

运用RBF神经网络模型对东武仕水库进行了径流预报,以上一时刻的降雨和径流作为神经网络模型的输入,以径流量作为神经网络模型的输出。结果表明,这样的预测方法是非常有效的并且有着更高的精确度。因此,RBF神经网络模型是一个有效的、高精确度的预测径流的方法,可为水资源管理提供可靠的数据支持。     

基于误差修正模型的黄河源区年径流预测

为了提升黄河源区年径流预测精度以及了解黄河源区降雨、径流、泥沙之间的相互影响关系,以黄河源区唐乃亥水文站实测年降雨量、年径流量和年输沙量作为研究数据,采用协整理论分析方法,分别建立降雨—径流、径流—泥沙两变量误差修正模型以及降雨—径流—泥沙三变量误差修正模型,对研究区年径流量进行预测。结果表明:三变量误差修正模型的拟合优度均大于两变量误差修正模型的,模型解释性更强,更能定量表现黄河源区径流量—降雨量—输沙量之间的关系;三变量误差修正模型的平均相对误差为-4.83%,可以用于黄河源区年径流预测。     

小波神经网络在径流预测中的应用

将小波分析与传统的BP神经网络模型进行组合,提出了一种新的径流中长期预测方法。该方法对年径流序列进行Mallat小波分解,将分解后得到的不同尺度下的低频成分和高频成分分别进行Mallat算法重构,对重构系列采用BP神经网络模型进行预测。采用黄河三门峡站1470-2002年的年径流资料进行模型的预测和检验,并与传统的BP神经网络模型进行比较,研究结果表明小波神经网络在径流预测中具有较好的预报精度,可以成功地用于径流模拟和预测。     

基于LSTM模型的宁蒙河段封河时间预测研究

为解决目前使用的封河时间预测模型输入参数多、边界条件要求高以及长预见期预测精度较差等问题,采用长短时记忆(LSTM)循环神经网络模型方法,对黄河宁蒙河段封河时间进行预测。结果表明:在非极端天气条件下,LSTM模型的预报精度满足水情预报的要求,该模型的预见期和预测精度优于传统预报模型,对运行条件和边界条件的要求远低于现有人工神经网络模型以及冰水动力学模型,能够有效提升宁蒙河段封河时间预报水平。     

Elman模型在黄河上游年径流预测中的应用

Elman递归神经网络具有上下层，它将隐含层前一时刻的输出反馈到当前时刻的输入，这种反馈连接使Elman网络能够检测随时间变化的序列信息；径流是一种受时问变化影响比较大的信息。因此，采用Elman神经网络理论进行径流预测比较符合径流随时间变化的特点。利用黄河青铜峡水文站数百年的天然年径流时间序列，采用Elman递归神经网络对黄河青铜峡的天然年径流进行预测分析，结果表明，该模型应用在黄河上游的长期预测中是合理、可行的。     

下垫面要素变化对径流影响的多元统计分析

为提高流域径流预报精度,增加水电站运行效益,选取小湾水电站控制流域为研究对象,根据卫星遥感资料提取的研究区域的1986、1995、2000年土地利用资料和小湾水电站多年入库流量资料,以径流系数为因变量,耕地、林地、建筑用地等下垫面要素为自变量,用SPSS回归模型、非线性回归模型分析径流系数和下垫面要素的回归关系;同时考虑到前一年降雨对下一年径流有一定的影响,加入降雨径流方法,采用3种方法分别对径流系数进行模拟。结果表明:非线性回归模型对径流系数模拟程度较好,可应用于径流预测工作中,提高中小流域的水能利用程度。     

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.     

基于WEP模型和TRMM_PR的唐家山堰塞湖入湖径流预报

提高堰塞湖入湖径流量预报的准确性对其下游洪水灾害的预警与预防具有重要意义，但由于堰塞湖往往形成于缺乏观测资料的山区，给预报工作带来了很大困难。为解决上述技术难题，本文采用将具有物理机制的WEP分布式水文模型与热带降雨测量卫星的降雨数据（TRMM_PR）相结合的方法，以2008年5月12日四川汶川大地震形成的唐家山塞湖为研究对象，对其入湖径流量进行了逐日模拟预报。首先，由1:250000的DEM数据生成研究区域（12029.25km2）内的数字水系，并收集了相关的三期土地利用（1985、2000、2005年）、土壤等下垫面数据；然后，采用研究时段内4个气象站逐日降水、气温、日照时数、风速、相对湿度数据作为输入来驱动模型，并选择区内4个水文站1976-1980年的月均径流观测数据对模型进行验证；最后，为提高模拟预报精度，下载了热带降雨测量卫星的TRMM_PR数据，对模型的降水输入进行了改进。结果显示：利用地面气象站点观测降水数据对TRMM_PR数据进行修正后，可在一定程度上改善模型的降水输入，有利于提高模型的径流预报精度。