三峡水库提前蓄水的防洪风险与效益分析

在三峡水库现有优化调度和试验性蓄水方案的基础上,拟定了6组提前蓄水方案,开展提前蓄水的防洪风险和效益分析计算。选择1952和1964年为典型年,分别推求分期设计洪水过程线。研究结果表明：三峡水库9月1日从145 m开始起蓄,9月30日均匀蓄至160.0m,其1 000年一遇分期设计洪水对应的风险率和风险损失率分别为0.39%和1.47%,防洪风险仍在可控范围内;与原方案相比,多年平均可增加发电量24.65亿kWh,减少弃水量25.32亿m ³,汛后蓄满率和平均蓄水位分别提高到95.35%和174.8m。     

基于两变量分布的峰量联合分析

采用Gumbel 逻辑模型建立基于超定量取样的两变量联合分布,利用所建立的联合分布,给出了条件频率和两种两变量重现期的计算方法。以隔 河岩水库坝址洪水研究为例,分析了当洪峰超过其某一频率的设计值时,各不同频率的设计 洪量发生的条件频率,并对同频率设计值组合的两变量重现期进行了计算。研究表明在推求 设计洪水过程线时,洪峰和洪量同频率的假定并不是过于偏保守,甚至还存在一定的风险, 作为设计方法中的假定,具有一定的合理性。     

水库浮游植物群落与环境多因子分析

根据大伙房水库浮游植物群落 (浮游植物生物量和丰度 )和水文水质 (年降雨量 ,年入、出库水量 ,7～ 8月入出库水量、流量、水位 ,6～ 9月水位差、库容 ,7～ 8月平均水温 ,7～ 8月入、出库水量与库容之比和 7～ 8月入、出库水量之比 ,总氮 ,氨氮 ,硝酸盐氮 ,亚硝酸盐氮和磷酸盐 )等 2 0项因子进行了简单相关、偏相关和灰关联分析 ,得出它们之间的相互关系以及理化因子对浮游植物的关联度和关联序 ,其中 ,水位和 7～ 8月入、出库水量之比分别与浮游植物生物量和丰度有较显著的偏相关 ,其关联度也最大     

基于风险分析的大坝设计洪水标准研究

在分析和评价传统大坝设计洪水标准的基础上，详细探讨了基于风险分析确定大坝防洪安全标准和设计洪水标准的方法，建立了可接受风险水平约束下的大坝防洪安全标准的风险决策模型，初步解决了风险分析中生命损失不宜货币量化的问题。建议我国把基于风险分析的设计洪水标准作为防洪标准规范的使用参考。     

推求洪水总体分布的模拟研究

本文在对区域统计参数C_u,C_s,C_k和Q_(max)/Q_m分布规律的研究基础上,提出了推求洪水总体分布形式的模拟方法,并选用顺序实测统计量和相对应模拟值的最大离差作为检验指标。为了使实测资料和生成资料能达到最大限度的吻合,分别对各分布参数进行优选。结果表明:湖北省清江区域(16个测站,具有20年同期实测资料)的统计参数C_u,C_s,C_k和Q_(max)/Q_m,可以用概化极值分布进行模拟,在给定精度下达到最佳拟合。本文所提出的方法为探索水文总体分布规律开创了一条新的途迳,具有一定的理论和实用价值。     

洪水频率的区域综合分析

本文应用Monte Carlo统计试验,分别研究了一致性区域和非一致性区域的洪水频率模型,并着重对区域综合分析和单站分析的结果进行比较,以寻求设计洪水的稳健估计量。     

半干旱地区月水量平衡模型

半干旱地区月水量平衡模型郭生练（武汉水利电力大学武汉４３００７２）王国庆（黄委会水科院郑州４５０００３）近年来，随着全球工业的迅速发展，大气中ＣＯ。的浓度越来越大，其温室效应使全球的气候发生变化，进而会改变水文循环的现状，引起水资源在时空上的再分配。...     

Copula-SAR模型及其在洪水地区组成随机模拟中的应用

洪水地区组成随机模型的核心问题是构建联合分布或条件概率分布.从白噪声项切入,建立了基于Copula函数的多元季节性一阶自回归模型,即Copula-SAR(1)模型,并与常用的SAR(1)模型作比较.清江流域的应用结果表明,Copula-SAR(1)模型能较好地保持地区洪水组成的统计特征,非线性自相关系数的均方根误差RMSE减少了0.071,各项统计特征值的均方根误差RMSE的平均值减少了0.012.该模型显著地降低了白噪声项的模拟误差,为水文水资源的随机模拟提供了一种新的途径.     

考虑前期影响雨量的NLPM-AMN模型

建立了一种考虑前期影响雨量和采用人工神经网络的非线性扰动模型。模型结构与NLPM-API模型相似,不同之处在于采用人工神经网络模拟输入扰动项与输出扰动项之间的相互关系。采用牧马河和鲇鱼山水库流域的日降雨径流资料对模型进行了率定和校核。结果表明,所建模型与线性扰动模型、NLPM-AMN模型和NLPM-API模型相比,两个流域在率定期的模型效率系数增长幅度分别为10.84%,1.54%,10.6%和21.59%,0.67%,10.11%;在检验期的模型效率系数增长幅度分别为5.56%,0.97%,4.41%和11.86%,1.76%,7.97%。所有的评价指标均优于其他模型。