基于集合卡尔曼滤波的实时校正方法

为减少非恒定水流计算中的不确定性,基于集合卡尔曼滤波提出多变量交替校正的方法。该方法通过交替校正水位和流量,避开了滤波过程中的大矩阵计算,实现了利用观测信息直接校正非恒定流状态的目的;同时,应用尺度转换方法提高水位滤波精度。数值试验重点考察了观测误差和水位变换系数对模型计算精度的影响。结果表明:观测误差越小,模型的计算精度越高;水位尺度变换系数能显著增强多变量交替校正方法的效果,变换系数越大,计算精度越高;基于集合卡尔曼滤波的多变量交替校正方法具有良好的校正性能,能显著提高河道水流的预报精度。     

基于粒子滤波的一维非恒定流模拟多变量校正方法

为减少数值模型的不确定性,将粒子滤波方法引入一维非恒定流水量计算,建立了一维水量模拟的多变量校正方法。该方法通过对水流状态粒子进行统计估值,实现模型状态变量的最优估计。以单一河道洪水演进过程为例,探讨了多变量校正方法在一维非恒定流计算中的性能,分析了粒子数量、状态变量扰动误差和边界条件的不确定性对滤波效果的影响,从准确性、稳定性和高效性三方面对粒子滤波和集合卡尔曼滤波的性能进行了比较。结果表明:粒子数量为100时可兼顾滤波效果和模拟效率;水位、流量扰动误差标准差均取实际值的10%,边界条件相对误差在20%以内时,模拟精度可达94%以上;粒子滤波虽然在准确性和稳定性上较集合卡尔曼滤波稍弱,但是计算效率约是集合卡尔曼滤波的2.3倍。太湖流域河网水量校正证实,粒子滤波可显著改善模拟精度。     

基于EnKF算法的大型河网水量数据同化研究

大型河网非恒定模拟计算仍是当前难点,现实环境的不确定性使传统模拟方法精度难以有效提高。数据同化方法融合数据和观测,是提高实际问题模拟和预测精度的重要手段。本文以太湖流域河网为对象,引入集合卡尔曼滤波方法,构建了太湖流域河网水量数据同化模型,探究了水位观测数据同化对河网水量预测精度的影响,并将模型运用于太湖流域河网洪水预报。结果显示：太湖流域各水利分区水量相对独立,为降低模拟误差,需在各个片区引入观测数据。通过同化各水利分区内2 ~ 3个站点每隔1-2天的观测数据,可使模拟误差降低约40%。太湖领域的预报水位与实测水位基本一致,宜兴、丹阳、常州等站的最高洪水位预报误差不超过0.02 m。     

七浦塘引水对阳澄湖河网水环境影响的模拟研究

为准确地衡量七浦塘引水工程的运行方式对阳澄湖及周边河网产生的影响,基于太湖水量水质模型设计了7种数值实验,从引水量和雨型两个角度对七浦塘引水对阳澄湖及周边河网造成的影响进行了评估,并定义了河网总体水质达标率作为评估标准。结果表明:七浦塘引水使得水量向阳澄湖北线和南线河道集中,在改善阳澄湖西湖水质的同时恶化了中东湖的水质;七浦闸引水量在20~40 m3/s之间时对提高河网水质总体达标率最为有利;引水对河网水质的影响具有显著的空间差异性;在不同雨情条件下,七浦塘引水调度均可在一定程度上改善河网和湖体的水质。     

基于固定式ADCP的陈东港污染物通量计算

根据太湖流域西部重要入太湖河道陈东港2021年ADCP流量测验数据和水质在线监测数据，分析了该河道流量、污染物质量浓度和通量的年内变化特征，比较了流量、水质数据采集频次对污染物通量计算结果的影响。结果表明：2021年陈东港年平均流量为73.66 m³/s,年径流量为23.29亿m³,日均流量年内波动剧烈，峰值出现在7月，其变化过程受降水影响显著；COD_Mn和TP质量浓度的年内波动也较明显，全年累计通量分别为10 357 t和352 t。基于固定式ADCP流量测验数据计算污染物通量较基于水文巡测数据的精度提升约39.5%,两者差异主要集中在6—8月。若要将两种污染物年累计通量的计算相对误差控制在5%以内，流量采集频次不宜低于2 d一次；若相对误差控制在10%以内，流量采集频次不宜低于10 d一次，在丰水期(6—9月)和枯水期(12—2月)需提升至2 d一次。与流量采集频次相比，两种污染物年累计通量对水质采集频次变化的敏感性相对较低，当水质采集频次从8 h一次减少到30 d一次时，相对误差仍在5%以内。