基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

长江流域省际河流水事纠纷及对策措施探讨

随着国民经济的迅速发展,流域水资源开发利用进程不断加快、开发利用程度不断提高,而全流域水资源统一规划和管理的相对滞后,导至省际边界河流因水资源开发利用工程建设、水资源配置、水资源管理、水灾害处理、水环境保护等所导致的水事纠纷有增无减.以长江流域为例,对现有的省际河流冲突类型、特征、诱发因子、存在问题等进行了剖析,提出流域一体化管理、加强法律法规建设、引入市场经济机制、运用水权水市场理论指导水事纠纷等对策措施.     

应用统计学降尺度方法预测汉江流域降水变化

统计降尺度方法是目前国内外研究气候变化的一个新途径.以汉江流域为例,选择全球气候观测NCEP再分析数据(1960～2000年)来率定和检验模型,利用主成分分析方法和多元线性回归模型建立大尺度GCMs模型的日降水统计降尺度方法,并应用全球气候模型CGCM2的A2气候情景来预测和分析汉江流域未来降水变化.相对于1961～2000年实测降水量均值,上游2001～2020、2121～2040年和中游2001～2020年的年降水量分别减少3.97%、4.85%和1.5%,其余统计时间年降水量大于实测值.     

汉江流域径流时空变化趋势分析

汉江流域是南水北调中线工程的水源地,应用Mann-Kendall非线性检验方法,分析了汉江流域干流和各子流域1951-2003年春、夏、秋、冬径流的长期变化趋势.分析发现1991年是汉江流域年径流量趋势变化的突变点,从20世纪80年代的丰水期进入90年代的枯水期;在显著性水平a=0.05上,春季和冬季汉江流域许多子流域径流量长期变化趋势呈下降趋势.分析结果将为南水北调中线工程水资源配置决策提供科学依据.     

与MM5气象模式耦合的VIC分布式水文模型构建

从水文气象耦合的角度入手,根据汉中流域的特点,首次在汉江流域MM5运行的9 km×9km网格上构建了VIC日分布式水文模型.利用流域内7个水文站的径流资料对该模型进行了应用检验.结果表明,该模型能较好模拟汉中流域的日径流过程,其模拟精度与集总式VIC模型和集总式三水源新安江模型基本相当,但它充分考虑了研究流域内降水输入和下垫面条件的空间差异性,能够提供网格降水分布及流域内产汇流的分布状况,能进一步同中尺度MM5气象模式耦合,延长洪水预报的预见期.     

水电站机组间最优负荷分配问题的多重解研究

对动态规划算法进行了改进,通过记录耗流量与当前最优解相同的所有分配方式,结合等微增率原理,提出了一种推求多重解区域的算法。在采用分段线性化方法(线性插值)描述机组出力特征曲线的条件下,建立了0-1混合规划模型。以隔河岩水电站为例,论证了该算法获得的最优解为全局最优解,并基于等微增率原理的多重解条件,得出了多重解区域。随后对多种总出力情况进行了分析,结果表明:水电站机组间最优负荷分配问题的最优解可能不唯一,多重解可为离散点、也可为直线、还可为面。本文提出的多重解寻求方法可应用到机组控制中,对提高机组的稳定性等具有实际意义。     

三峡水库区间流域定量降水预报不确定性初探

在文献[10]的基础上，对三峡水库区问流域随机降水模型与区间流域洪水预报模型耦舍得到的模拟流量序列进一步研究，分析定量降水预报误差对水文预报结果的影响，得到区间流域定量降水预报不确定性的解析解；介绍了定量降水预报不确定性处理器（PUP），并且与区间流域随机降水模型进行比较分析，结果表明，两个模型的精度均高于确定性预报结果，且随机降水模型的精度要高于PUP.     

三峡水库动态汛限水位与蓄水时机选定的优化设计

阐述了三峡水库运行初期的调度规则，建立了实时调度模型。提出了防洪、发电和航运等指标体系，在此基础上，建立了用于动态汛限水位和蓄水时机优化的混合规划数学模型，并设计了一种混合编码方式，运用遗传算法对该模型进行优化求解。利用宜昌站1882～2001年实测日流量资料进行模拟优化，生成了一系列非劣解；然后运用模糊决策的方法，得到了相对合理的动态汛限水位与蓄水时机方案。结果表明，优化设计能权衡防洪与兴利之间的关系，充分挖掘汛初与汛末的潜力，提高三峡水库运行初期的综合效益。     

丹江口库周区人工神经网络洪水预报模型研究

丹江口水库库周区洪水入库方式多样,入库过程难以观测,采用传统模型对库周区洪水进行预报的精度较低.运用人工神经网络模型的基本原理,针对库周区洪水汇流历时短,所需预见期较短,对预报精度要求较高的特点,建立了可以灵活调整预见期的基于人工神经网络的库周区洪水预报模型.模型采用权重自适应算法,不需要单独的误差校正模型,结构较为简洁.选取1996～1999年汛期资料作为率定期资料,以2000～2001年的资料作为检验期资料,获得了较高的模拟和预报精度.当预见期为1个时段时,模型率定期和检验期的确定性系数分别为97.3%、94.9%,水量平衡系数分别为0.997、0.996,总的洪峰合格率达到95.83%.     

综合多特征量的洪水事件频率问题研究

洪水事件是需要用洪峰、洪量和洪水过程形状等多个特征量才能完整描述的一个有机整体.根据各个洪水特征量及其权重对洪水事件进行综合,构建描述洪水事件量级的综合指标.基于Kendall秩相关系数建立权重决策的优化模型.根据专家经验和模糊语气确定的权重作为该模型求解的初始值,使得最优的权重能够考虑到专家经验又不失一定的客观性.将描述洪水事件的多个特征量转化成一个综合指标后,针对综合指标系列的频率分析方法可以估计洪水事件的频率,从而提供了一条研究洪水事件频率问题的新途径.