吉林市平原区地下水水质评价及成因分析

为进行吉林市平原区水质评价和水质成因分析,从该市平原区34个水质监测井的监测数据中选取铁、锰、氨氮等8项指标,运用BP神经网络法进行评价,并将评价结果与《地下水质量标准GBT14848-93》中的加附注评分法进行对比分析。评价结果基本一致,表明BP神经网络方法的评价结果可信,能够对地下水水质进行综合评价。该评价方法不需要确定权值,避免了赋予权值时主观误差的产生。所绘制的吉林市平原区地下水水质分区图表明,平原区地下水Ⅳ、Ⅴ级别水质区占较大面积,而Ⅱ、Ⅲ级别水质区分布较少。公因子空间分布图表明,平原区地下水水质的主要人为影响因素是化工企业的工业废水、烟尘等的不当排放,排污管道的渗漏,工业废弃物和生活垃圾的堆放以及农业中化肥农药的过量使用等。     

深度学习水文预报研究进展综述 II −研究进展及展望

深度学习在数据驱动水文模型方向的应用研究是当前水文预报的研究热点。综述近期深度学习模型在水 文预报中的应用研究进展,归纳以往数据驱动模型未表现出的新特点,分析深度学习在水利工程影响下水文建模、 不确定性分析等问题中的应用潜力以及深度学习水文预报模型解释的知识发现作用。从物理机制模型中融入深 度学习和物理机制指导的深度学习两方面讨论深度学习与水文物理机制整合的研究实例。总结深度学习水文预 报研究仍面临的重要挑战,展望可能的发展趋势,以期为深度学习在水文预报中的研究发展提供有效参考。     

基于VIC模型的三峡库区流域小时尺度实时洪水预报

VIC模型在流域面积大于3 000km2 的大型流域日或月尺度洪水模拟中表现出良好的适用性,而在大型流域小时尺度实时洪水预报过程中的适用性尚未得到验证。以三峡库区大型流域为例,通过建立小时尺度VIC分布式洪水预报模型,构建三峡库区流域实时滚动洪水预报方案,将VIC分布式洪水预报模型实地化部署并应用于2022及2023年三峡库区实时洪水预报。结果表明：VIC模型应用于2014—2021年三峡库区各子流域历史洪水模拟,率定期和验证期的洪量、洪峰平均合格率均在80%以上,确定性系数均值在0.70以上,构建的VIC分布式洪水预报模型在三峡库区及其子流域洪水模拟中表现出良好的适用性;在2022及2023年三峡库区4场典型洪水的实时洪水预报中,径流深和洪峰的平均相对误差达到16.3%和5.0%,重点产流区产流量平均相对误差为7.8%,能够准确把握库区重点产流区的洪量及来水过程,因此VIC模型在大型流域小时尺度实时洪水预报中具有较大的应用潜力。     

中国日降水量的概率分布

针对国内目前没有通用、普适性的日降水概率分布的现状,以全国820个气象站实测的日降水数据为研究对象,根据线性矩比值图选定7种参数个数不同的潜在概率分布进行拟合,选取均方根误差作为拟合优度的评价指标,初步判定KAP和P-Ⅲ分布在全国范围内最适用。在此基础上,权衡概率分布参数多少和拟合效果,进一步制定最优分布的选择策略,对KAP和P-Ⅲ分布拟合效果相近的站点,开展基于天气发生器的蒙特卡洛模拟,评价这两种分布模拟日降水序列不同分位点及降水量年际波动的能力,最后按照气候、地理和流域分区给出全国范围内最优概率分布空间分布图。结果表明：KAP分布的适用范围更广,模拟降水全频段的能力更强,参数更少的P-Ⅲ分布作为最优概率分布有3~4个明显的集中分布区域,而目前普遍接受的G2分布拟合效果并不好,不适宜广泛使用。本文的结果可为日尺度降水概率分布选择提供依据,结合研究目的和应用需求来确定最优概率分布,以最大程度减少因选择概率模型不当而造成的偏差。