分布式单位线在河北雨洪模型中的应用

因河北雨洪模型的汇流计算方法难以用于无资料流域,其汇流参数难以获得且不宜移用,为此,将基于数字高程模型的分布式单位线用于河北雨洪模型,并对峪门口流域4场较大洪水过程进行了模拟。结果表明:4场洪水洪峰流量相对误差均<5%,峰现时间误差均<2 h,确定性系数均>0.85,模拟效果令人满意。河北雨洪模型与基于流域地形地貌特征的分布式单位线相结合,可解决无资料流域,特别是山丘地区中小流域的洪灾预警预报等问题。     

HIMS系统模型在洪水预报中的应用

根据研究流域的自然条件以及水文、气象资料,在HIMS系统平台下定制半干旱区典型小流域的日径流模型和湿润地区典型流域的次洪预报模型。模拟结果表明:日径流模型效率系数在率定期和检验期分别为0.75和0.73;次洪模型效率系数在率定期和检验期分别为0.84、0.81,洪水总量误差分别为4.9%、3.6%,洪峰值误差分别为17.1%、21.4%,洪峰时间误差分别为1.6h、2.0h,模拟和检验结果为乙等水平。由此可见,HIMS定制模型具有很强的地区适应性。最后,对模拟峰值偏低的问题进行分析探讨。     

基流分割对城市雨洪模拟不确定性分析的影响

为了探究基流分割对城市雨洪模拟的影响,以济南市主城区流域为例构建SWMM模型,采用2005—2010年7场基流分割前后的实测洪水资料校验模型,应用GLUE方法,以均方根误差为似然评判依据对模拟结果进行不确定性分析,探讨了基流分割前后流量数据对模拟结果不确定性的影响。结果表明:各场次暴雨基流占洪峰流量的比例均值为13.38%,对洪水模拟效果影响较大;GLUE方法能够有效提取高精度参数集,相比于原始流量序列,应用基流分割后流量作为校验模型依据,流量过程90%置信区间覆盖率增大100%,平均偏移幅度和平均对称度分别减小42.60%和87.19%。通过基流分割可有效降低流量数据作为模型校验数据导致的模拟结果不确定性,提升洪水预报性能,获取更精确对称的流量预报区间。     

参数率定过程中目标函数选择的不确定性对径流模拟的影响

在水文模型率定过程中,不同目标函数侧重于径流模拟的不同层面。为了探究目标函数选择的不确定性对模型参数和径流模拟的影响,将HyMod模型应用于黄河源区,选择纳什效率函数f_NS、总水量平衡误差函数f_t、低水量误差函数f_d和高水量误差函数f_g作为目标函数,采用遗传算法(GA)分别率定出不同目标函数下对应的最优参数值,并依次代入水文模型模拟水文过程;通过对比分析年尺度及年内各月实测与模拟径流过程、纳什效率系数NSE、决定系数R²和均方根误差RMSE评价指标来探究参数率定的目标函数不确定性对年尺度水资源演变过程的影响。结果表明:当HyMod模型应用于黄河源区水文模拟的率定期和验证期时,目标函数选择的不确定性对各评价指标的影响差异明显,如f_NS目标函数下NSE值最大,在f_g下次之,在f_d下最小,此外率定期模拟精度优于验证期;同样,目标函数不确定性对不同特征时期径流的影响差异显著,其中,f_NS和f_t目标函数下,非汛期分别高估和低估模拟流量。研究成果可为水文模型参数率定目标函数的选择提供理论参考。     

新安江模型参数线性化率定研究

包为民教授提出了非线性函数参数的线性化率定方法,解决了以误差平方和为目标函数求解非线性函数参数增加不相关的局部优值问题。为此,研究将参数线性化率定方法应用于新安江模型,并通过理想流域和实际流域验证了该方法的合理性和高效性。选取湖北乌溪沟流域43场洪水对次洪8个敏感参数同时进行线性化率定,各参数取不同的初始值均可以较快地收敛到稳定的最优值。31场洪水参与模拟,全部合格;12场洪水参与检验,全部合格。次洪模拟的合格率达到100%,确定性系数为0.923,预报等级为甲级。     

HEC⁃HMS模型在黄河中游大理河流域适用性研究

水文预报对流域防洪减灾、水资源利用与管理具有重要意义。为探究HEC-HMS分布式水文模型在黄河中游地区的适用性,以大理河流域为研究区,根据流域DEM、土地利用和土壤等数据,基于GIS技术划分流域单元、提取流域信息,采用SCS曲线法、Snyder单位线法、退水曲线法和马斯京根法进行流域产汇流计算和河道洪水演进模拟。选取流域内13场实测雨洪资料,进行模型参数率定和验证。结果表明:13场洪水的洪峰流量模拟误差均小于20%、峰现时刻误差均小于3 h;率定期8场洪水模拟合格率为87.5%,平均Nash系数为0.816;验证期5场洪水模拟合格率为80.0%,平均Nash系数为0.710,预报精度达到乙级,模型可以应用于大理河流域洪水模拟。     

基于LH-OAT与变异系数法的汇流模型参数敏感性分析

为分析汇流模型参数对洪水模拟效果的影响,提高模型参数率定的精确性,以山西省洪水预报系统中的纳什瞬时单位线汇流模型为研究对象,运用LH-OAT法对汇流模型参数进行定向改变,分析确定汇流模型参数在不同等级洪水、不同流域、不同目标函数中的敏感性,再基于变异系数法确定汇流模型参数综合敏感性系数。研究表明,纳什瞬时单位线汇流模型参数敏感性会随着洪水等级、流域特征、目标函数的不同而改变,且汇流模型参数的敏感性仅与目标函数洪峰误差PE、洪峰流量Q_(mi)有关,与其他的目标函数无关;C_1与C_2这2个汇流模型参数综合敏感性系数分别为0.58、0.42,均为敏感性参数,且C_2的敏感性大于C_1。     

目标函数不确定性对流域径流预报效果的影响

水文模型参数率定过程中,不同的目标函数及其组合将导致不同的径流模拟结果,进而影响到流域水文预报的精度。为此,以湿润区的嘉陵江流域为研究对象,通过设定不同目标函数及其组合方案集,采用多目标优化算法(NSGA-Ⅱ)对模型参数进行优选,并探究了不同目标函数及其组合对模型的模拟精度、不同量级流量和月尺度径流模拟的影响。结果表明:不同目标函数及其组合下,率定期模型的模拟精度均优于验证期的精度,若不考虑水文模拟过程与实测水文过程的吻合程度这一目标函数,将导致径流预报精度较差;同时,不同目标函数及其组合对不同量级的流量和月径流量均会产生重要影响;但总的来说,考虑多目标函数组合的模拟值与实测值之间的相对误差更小,而且明显优于单目标。研究成果可为开展水文预报工作提供参考。     

低影响开发模式下城市雨洪控制效果模拟研究

由于贵安新区作为国家第一批海绵城市试点,对我国西南地区的其他城市有非常好的借鉴作用。本文以贵安新区示范区为研究对象,构建暴雨洪水管理模型(SWMM),并根据贵安新区海绵城市建设相关规划,结合研究区下垫面特征,在不同重现期降水情景下设计7种LID措施组合情景并进行相应的模拟与分析,评估不同LID措施组合对雨洪控制的效果,寻求最优LID措施组合。结果表明:LID措施组合方案的雨洪控制效果均优于单一LID措施,其中下凹式绿地+透水铺装组合措施对高频暴雨和低频暴雨的洪峰流量削减率高达67.2%和44.5%,延缓洪水峰现时间,可以很好地发挥雨洪控制作用,增加雨洪资源的利用量。结合径流系数控制效果,下凹式绿地+透水铺装组合的造价可以降低60.3%,综合考虑水文效应与经济效应,得到贵安新区LID措施的最优配置为:下凹式绿地+透水铺装。以上结果可为贵安新区的城市雨洪管理及海绵城市建设提供相应的理论支撑。     

不同水文模型在双桥流域的应用比较

新安江模型、SWAT模型和BTOPMC模型分别代表集总式、响应单元式和网格分布式三种不同结构的流域水文模型。以Nash效率系数为目标函数,采用SCE-UA自动优化算法率定模型参数,对双桥流域的日径流进行了模拟。结果表明:新安江模型、SWAT模型和BTOPMC模型都能较好反映双桥流域的日径流过程。从总体效果来看,新安江模型的模拟效果比SWAT模型和BTOPMC模型的好,三个模型对总体水量的模拟误差都在±10%以内,水量模拟比较平衡。在不同流量级的模拟中,SWAT模型的水量平衡效果均比新安江模型和BTOPMC模型的好;大流量模拟时,新安江模型的模拟均方根误差较小,模拟效果最好;中流量和小流量模拟时,BTOPMC模型的均方根误差较小,模拟效果最好。     

Estimation of a Unique Pair of Nash Model Parameters: An Optimization Approach

Water resources planning and management requires hydrologic models to estimate runoff from a catchment. For catchments with limited data, the choice of model and identification of its parameters is very important for development of a direct runoff hydrograph. A method is presented to determine a unique pair of hydrologic parameters of the Nash Model, number of linear cascade (n) and storage coefficient (k), using optimization based on Downhill Simplex technique. In this study physical parameters of the catchment are derived from (SPOT) satellite imageries of the basin using ERDAS software. Four different objective functions of varying complexity are tested to find the best solution. Weighted root mean square error (RMSE) and Model Efficiency (Nash-Sutcliffe coefficient) are used to evaluate the model performance. Using the NASH model, a direct surface runoff hydrograph (DSRH) is developed. Kaha catchment is part of Indus river system and is located in the semi-arid region of Pakistan. This catchment is dominated by hill torrent flows and is used in this work to demonstrate the applicability of the proposed method. Ten randomly selected rainfall-runoff events are used for calibration and five events are used for validation. Model results during validation are very promising with model efficiency exceeding 93% and error in peak discharge under 8%. The sensitivity of the Nash model output in response to variation in hydrologic parameters n and k is also investigated. When evaluating the hydrologic response of large catchments, model output is more sensitive to n as compared to k indicating that the runoff diffusion phenomenon is dominant compared to translation flow effects.     

目标函数对滦河流域SWAT模型径流模拟不确定性的影响

针对水文模型参数和径流模拟结果不确定性问题,选取2Nash-Sutcliffe效率系数(NSE)、改进的决定系数(R_m²)、相对误差(PBIAS)、Kling-Gupta效率系数(KGE)4种目标函数,对构建的滦河流域潘家口水库上游SWAT模型进行参数率定及验证,分析了不同目标函数下模型参数的敏感性差异及径流模拟的不确定性。结果表明：参数敏感性会随迭代次数增加和抽样范围变化发生改变,不同目标函数下率定的参数范围和最优值显著不同;NSE和KGE作为目标函数在各站点径流模拟中更稳健,分别表现出较高的模拟精度和较低的模拟不确定性。     

Estimation of Clark’s Instantaneous Unit Hydrograph Parameters and Development of Direct Surface Runoff Hydrograph

We present a method to estimate Time of Concentration (T _c) and Storage Coefficient (R) to develop Clark’s Instantaneous Unit Hydrograph (CIUH). T _c is estimated from Time Area Diagram of the catchment and R is determined using optimization approach based on Downhill Simplex technique (code written in FORTRAN). Four different objective functions are used in optimization to determine R. The sum of least squares objective function is used in a novel way by relating it to slope of a linear regression best fit line drawn between observed and simulated peak discharge values to find R. Physical parameters (delineation, land slope, stream lengths and associated drainage areas) of the catchment are derived from SPOT satellite imageries of the basin using ERDAS: Arc GIS is used for geographic data processing. Ten randomly selected rainfall–runoff events are used for calibration and five for validation. Using CIUH, a Direct surface runoff hydrograph (DSRH) is developed. Kaha catchment (5,598 km²), part of Indus river system, located in semi-arid region of Pakistan and dominated by hill torrent flows is used to demonstrate the applicability of proposed approach. Model results during validation are very good with model efficiency of more than 95% and root mean square error of less than 6%. Impact of variation in model parameters T _c and R on DSRH is investigated. It is identified that DSRH is more sensitive to R compared to T _c. Relatively equal values of R and T _c reveal that shape of DSRH for a large catchment depends on both runoff diffusion and translation flow effects. The runoff diffusion effect is found to be dominant.     

A self-tuning ANN model for simulation and forecasting of surface flows

Artificial neural networks (ANN) are applicable for and forecasting without the need to calculate complex nonlinear functions. This paper evaluates the effectiveness of temperature, evapotranspiration, precipitation and inflow factors, and the lag time of those factors, as variables for simulating and forecasting of runoff. The genetic algorithm (GA) is coupled with ANN to determine the optimal set of variables for streamflow forecasting. The minimization of the total mean square error (MSE) is considered as the objective function of the ANN-GA method in this paper. Our results show the effectiveness of the ANN-GA for simulating and forecasting runoff with consistent accuracy compared with using pure ANN for runoff simulation and forecasting.     

内陆河流域山区温度和冻土作用下的径流过程模拟

在我国西北干旱区以季节性积雪融水为重要补给源的山区流域,温度通过影响土壤冻融循环而间接对径流产生影响。为了更好地模拟以积雪融水为重要补给水源的高寒山区的径流过程,判断不同温度指标以及冻土对径流的影响,本研究以开都河流域为例,通过改进基于系统动力学原理构建的水文模型,分析了用正积温和平均温度估算融雪速率,以及是否考虑冻土影响条件下模型对径流的模拟能力,用相关系数、Nash-Sutcliffe效率系数、均方根误差和观测标准差等评价指标对不同方案下模型的模拟能力进行了评价。结果表明用正积温估算融雪速率同时考虑季节性冻土影响情况下模型的模拟能力最高,从而证实了正积温能够更好地计算积雪融水、模拟融雪径流,且在高寒山区季节性冻土广泛发育的地区,考虑冻土的影响十分必要。     

基于CEEMD-GRNN组合模型的月径流预测方法

针对径流序列的噪声因素与非线性特性,采用互补集合经验模态分解法(Complete Ensemble Empirical Mode Decomposition, CEEMD)与广义回归神经网络(Generalized Regression Neural Networks, GRNN)的组合模型,对汾河上游上静游站、汾河水库站、寨上站、兰村站1958～2000年的月径流序列进行实例研究,探究3种不同建模方式下的组合模型对预测精度的影响,其中组合模型1使用加权平均集成法将各分量预测结果相加,组合模型2去除高频分量后再使用加权平均集成法将剩余分量预测结果相加,组合模型3去除高频分量后将剩余分量预测结果直接相加;再将组合模型与单一GRNN模型进行对比。结果表明:各模型的确定性系数(NS)均大于0.5,预测结果均具有可信度;不同的月径流资料适用不同的建模方法,对于极差较小的月径流序列,组合模型1预测效果最好,与另外两种组合模型及单一模型相比,平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)分别平均减少26%,17%,23%;对于极差较大的径流序列,组合模型2预测效果最好,与另外两种组合模型及单一模型相比,MAE,MAPE,RMSE分别平均减少30%,28%,33%。组合模型2预测误差总小于组合模型3,即加权平均集成法对提高预测精度有一定作用。三种建模过程的CEEMD-GRNN组合模型预测误差均比单一GRNN模型小,说明组合模型较单一模型更适用于月径流预测。     

基于人工电场算法优化的大型灌区径流预测模型研究

针对水文预报中径流预测数据序列具有非线性和非平稳性等特点,将一种新型智能优化算法——人工电场算法AEFA与LSTM神经网络结合进行参数优化,建立AEFA-LSTM预测模型,并以赵口大型灌区涡河玄武水文站实测年径流量作为样本数据进行网络优化训练和预测分析,同时与传统优化算法（遗传算法GA和粒子群算法PSO）建立的GA-LSTM和PSO-LSTM预测模型进行对比。结果表明：AEFA-LSTM模型预测值的平均相对误差相较于GA-LSTM模型和PSO-LSTM模型分别降低了7.59%和5.22%,且平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为3种模型中最小,说明所建立的AEFA-LSTM模型可以更高精度地预测径流量,为水文预报提供一种新型高精度径流预测方法。     

Event-based Sediment Yield Modeling using Artificial Neural Network

In the present study, a back propagation feedforward artificial neural network (ANN) model was developed for the computation of event-based temporal variation of sediment yield from the watersheds. The training of the network was performed by using the gradient descent algorithm with automated Bayesian regularization, and different ANN structures were tried with different input patterns. The model was developed from the storm event data (i.e. rainfall intensity, runoff and sediment flow) registered over the two small watersheds and the responses were computed in terms of runoff hydrographs and sedimentographs. Selection of input variables was made by using the autocorrelation and cross-correlation analysis of the data as well as by using the concept of travel time of the watershed. Finally, the best fit ANN model with suitable combination of input variables was selected using the statistical criteria such as root mean square error (RMSE), correlation coefficient (CC) and Nash efficiency (CE), and used for the computation of runoff hydrographs and sedimentographs. Further, the relative performance of the ANN model was also evaluated by comparing the results obtained from the linear transfer function model. The error criteria viz. Nash efficiency (CE), error in peak sediment flow rate (EPS), error in time to peak (ETP) and error in total sediment yield (ESY) for the storm events were estimated for the performance evaluation of the models. Based on these criteria, ANN based model results better agreement than the linear transfer function model for the computation of runoff hydrographs and sedimentographs for both the watersheds.     

ANN、ANFIS和AR模型在日径流时间序列预测中的应用比较

水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持,而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型(AR模型)、人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中,不仅采用纳什系数(NS系数)、均方根误差(RMSE)和平均相对误差(MARE)为评价指标,对三种模型的综合性能进行了比较。而且,在对三种模型预测结果的平均相对误差的阈值统计基础上,分析了三种模型的预测误差分布。同时,通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明ANFIS相对于ANN和AR模型不仅具有更好的模拟能力、泛化能力,而且在相同的预见期下具有更优的模型性能,可以作为日径流时间序列预测的推荐模型。