嘉陵江凤滩以上流域实时洪水预报方法

根据大流域雨洪径流的具体特性，将概念性模型与系统模型结合起来制作预报方案，解决了分散入流和响应函数识别问题，采用自适应卡尔曼滤波方法实时刷新模型参数，提高了模型计算精度，巴河流域的实例验证表明，应用效果良好。     

实时校正技术在数字清江中的应用

应用卡尔曼滤波方法对数字清江工程中的流量预报进行了误差实时校正，并针对实际情况做了相应的改进，取得了较好的效果。实践证明，实时校正技术在水文预报中有着广泛的应用前景。     

神经网络在洪水实时预报中的应用研究

建立了一种基于神经网络的洪水实时预报模型。运用向后演算法，该模型的权重系数可以在每一时间步长上进行自动更新，较好地反映了实际水文过程和参数的时变性；由于该模型不再需要单独的误差序列实时校正模型，因而更加简洁。最后利用淮河鲇鱼山水库1975－1999年的小时降雨和入库洪水资料对模型参数进行了率定和校核。结果表明，洪水实时预报的效率系数超过96％，洪峰值合格率为92．5％，峰现时间误差都在1h以内。     

基于GBDT的实时洪水预报误差校正方法

洪水预报实时校正是提高预报精度的有效途径。通过研究实时洪水预报误差系列构建方法,引入GBDT方法建立误差校正模型,并采用粒子群算法优选模型参数,选用洪峰段洪量相对误差、洪峰流量相对误差、确定性系数等指标评估实时校正效果。对淮河流域王家坝站点的实例应用结果表明,无论是率定期还是验证期,基于GBDT的实时预报误差校正方法精度均优于经典AR方法和KNN方法,各项指标精度均有不同程度提升,可有效提高实时洪水预报效果,且稳定性较高。     

基于水动力学模型的实时糙率反推在洪水预报中的应用

针对洪水预报中糙率的实时修正问题,采用卡尔曼滤波技术实现动量方程实时校正糙率,以提高水动力学模型的洪水预报精度.同时考虑河道下游糙率对上游水深的影响,使反演的糙率更显客观.选择长江干流寸滩至万县河段进行试验,应用2004年该河段洪水资料作验证.结果表明,实时反演的糙率对提高洪水预报精度有效.     

基于误差自回归的洪水实时预报校正算法的研究

根据三水源新安江模型洪水预报误差信息，探讨了三种基于误差自回归模型的洪水实时预报校正算法，即固定遗忘因子的递推最小二乘算法，可变遗忘因子的递推最小二乘算法和辅助变量法，并将其应用于鲇鱼山水库的实时洪水预报。通过对三种实时校正方法进行分析比较，认为具有可变遗忘因子递推最小二乘算法效果最好。     

洋河流域非线性产汇流实时预报模型研究

考虑到流域降雨时空变化和流域地形、河道特征时流域产汇流的非线性影响，建立流域非线性产流、汇流模趔以及流域洪水实时预报校正方法，该方法应用于洋河水库流域洪水预报，取得较为满意的效果。     

卡尔曼滤波技术的水动力学实时校正方法对比

针对整体滤波、交替滤波两类实时校正方法比较,考察单一河道上水位实测点的校正对其他位置流量的影响及计算耗时的差别,得出实时校正方法对比的结论.以长江上游寸滩至万县干流段为例,结果表明交替滤波略优于整体滤波.     

校正后的降雨格点预报在洪水预报中的应用

针对实现降雨数值格点预报与洪水预报的耦合为延长洪水预见期的有效手段及降雨数值格点预报与实际降雨情况存在的偏差,采用误差外推法考虑格点预报误差的影响,并提出了利用实测雨量站(校正参照量)所在格点的降雨信息及绝对误差校正其他格点降雨数值方法,无需将校正参照量插值于每一个格点,避免了不准确插值的影响,使降雨格点预报的整体偏差获得修正的同时,降雨空间分布亦得到很好的保持.以潘家口水库以上流域为例,检验结果表明,该方法取得了较好的效果.     

基于贝叶斯模型平均法的洪水集合概率预报

为提高洪水预报模型的精度和可靠性,基于贝叶斯模型平均方法(BMA),结合水动力学模型和统计相关模型,对秦淮河流域东山站水位进行多模型集合预报并进行模型率定与验证。结果表明,BMA的预报确定性系数CCE均高于水动力学模型和统计相关模型,且均方差RRSME最小;BMA法降低了单一水文预报结果的不确定性,保证洪水预报具备较高的精度,并提供了洪水水位的置信区间,为防洪规划提供了依据。     

基于集合Kalman滤波的河道洪水预报研究

为提高河道洪水预报精度,研究了集合Kalman滤波法与最小二乘法对马斯京根模型参数率定的河道洪水预报技术,并以长水-白马寺实测洪水为例进行了对比检验,探讨了集合Kalman滤波法的多时段预报洪水过程及其特点.检验结果表明,应用集合Kalman滤波技术优于最小二乘法的预报效果,可有效提高河道洪水预报的精度并能适度延长预报时段.     

基于MIKE11模型的秦淮河流域洪水调度方案

针对秦淮河流域河网复杂、水工建筑物密集、受人为因素干扰较多的特点,采用MIKE11软件通过水文计算单元划分、河网拓扑结构搭建、水工建筑物设置等工作构建秦淮河流域一维水文水动力耦合模型,利用实测洪水资料进行了模型参数的率定检验,并通过模型复核了秦淮河现状防洪能力,针对秦淮河流域现状防洪能力不足的问题,研究了外秦淮河、秦淮新河等河道清淤、秦淮东河工程实施、新增调蓄湖泊、圩区限排等工程及非工程措施的防洪效果。结果表明,通过多种措施并举可有效降低秦淮河设计洪水位,提升流域防洪能力,为秦淮河流域防洪治理工作提供借鉴。     

多源降水信息在海河流域洪水预报中的应用

将气象数值预报降水格点信息、雷达反演降水信息插值到实测雨量站点中,分别通过覆盖、插补方式将插值的雨量信息统一整合到标准的实时水雨情库中,从而实现与该站点实测信息的融合,从降雨数据层面实现了测站的历史、实时、未来降水信息的统一。在此基础上,利用现有水文预报系统进行多源降水信息支持下的洪水预报,在确保一定精度的前提下,延长了洪水预报的预见期。将该方法应用于2012年海河流域洪水预报和防洪调度中,取得了较好的效果。     

HSPF模型在渌水流域洪水预报中的应用

近年来,流域暴雨洪水灾害事件频发,准确、可靠的洪水预报是有效预防和抵御山洪灾害的重要措施。以渌水流域为研究区域,构建HSPF半分布式模型,选取流域2013～2020年洪水资料中代表性较好的场次洪水完成模型参数的率定和验证,并采用确定性系数、相对误差等指标进行洪水模拟精度评价。结果表明,该模型在渌水流域场次洪水模拟中表现良好,15场洪水模拟的峰现时间、洪峰流量合格率分别为100.0%、80.0%,洪量及径流深的模拟合格率均为93.3%,确定性系数均值为0.80,总体预报精度达到乙级,说明构建的HSPF洪水预报模型在渌水流域具有较好的适用性,可为该地区的洪水预报提供依据。     

新安江模型在富水水库流域洪水预报中的应用

基于富水水库流域特性,采用新安江三水源模型建立了富水水库流域洪水预报模型和方案,论证了产流方式,分析了水库流域洪水预报特殊性,并率定了模型参数.实例结果表明,该模型预报效果较好、精度高、合理可行,可供借鉴.     

白马关流域洪水模拟及参数优化研究

为提高山区洪水的模拟精度,以北京市密云区白马关流域为例,采用分布式水文水动力模型(HH模型)模拟2017～2022年降雨—径流过程,选取6场典型场次洪水,利用ε-NSGAⅡ多目标优化算法对HH模型的关键参数进行优化。结果表明,率定场次洪水的纳什系数介于0.89～0.96之间,洪峰流量误差达20%以内,洪量误差达15%以内,峰现时差在1 h以内;验证场次洪水的纳什系数介于0.81～0.92之间,洪峰流量误差达20%以内,洪量误差达10%以内,峰现时差在1 h以内,HH模型参数优化后对白马关流域场次洪水的模拟效果较好。最后提出了适用于白马关流域洪水模拟的关键参数阈值范围,为当地山区水文模拟参数优化提供了科学的理论依据。     

BFS在洪水预报中的应用研究

采用贝叶斯预报系统(BFS)水文不确定性处理器(HUP)对水文预报不确定性进行分析,实现概率洪水预报。以新安江流域水文模型为洪水预报模型提供流量初始预报系列,通过亚高斯模型对流量初始预报系列及实测系列分别进行正态分位数变换,由贝叶斯公式得到预报变量的后验概率分布并进行洪水过程的概率预报,采用分布点估值定值预报,并可通过构造置信区间对点估值预报的不确定性进行评估。以南一水库流域为例,将BFS后验概率分布均值与新安江模型预报进行对比,结果表明BFS可提高预报精度。     

基于参数分解法的无资料流域洪水预报研究

针对目前无资料流域洪水预报方法存在的不足,提出了参数分解法,即利用武江流域控制站犁市水文站1980~1996年43场降雨径流资料作为模型参数率定资料,分别率定武江流域大、中洪水的新安江洪水预报模型参数,并以1997~2004年16场降雨径流资料进行检验,在模拟和检验达到较好的结果后,再利用参数分解法推求武江流域内田头水子流域大、中洪水的新安江洪水预报模型参数,并利用田头水59场降雨洪水实测资料对模型进行验证。结果表明,利用该方法建立的田头水子流域洪水预报模型预报大、中洪水的验证精度均达到乙级以上标准。