日径流预测方法研究

运用自回归方法、多元线性回归方法和人工神经网络方法分别对汛期和非汛期的日径流量进行了预测,汛期预报因子又分别用有降水因子和无降水因子进行了预测。预测结果表明：非汛期的预测精度较高,汛期预测效果较差。另外,在汛期,有降水因子的预测结果要比没有降水因子预测效果好。     

二滩水电站中期径流序列预测研究

分别利用门限回归模型（TR模型）和人工神经网络模型对二滩水电站的月平均径流量序列进行了预测。通过计算可知,门限回归模型和人工神经网络模型都可以很好地解决月平均径流的预测问题,相对误差总体上都比较小。但门限回归模型计算繁琐,不能及时、快速得到计算结果,而人工神经网络模型计算快速,占用内存小,还有很好的容错性,即使在数据不完全的情况下,也能及时准确地得到径流预报值。考虑到模型自身的特点和优势,在实际运行中推荐使用人工神经网络模型进行月平均流量的计算和预测。     

基于四种方法的月径流预测研究

径流预测对于水资源的合理开发利用与统筹配置具有重要意义。根据黄土高原地区渭河支流-北洛河状头水文站和泾河张家山站的月径流资料,运用门限自回归模型、神经网络模型、方差分析外推法以及季节水平模型四种方法对其进行预测,观察模拟效果并比较各自优缺点。对于枯水期月径流,季节水平模型对于两站预测合格率均为100%;方差分析外推法对于状头站和张家山站预测合格率分别为90%,80%;门限自回归模型对于两站的预测合格率均为80%;神经网络模型预测两站汛期月径流合格率均为100%。表明季节水平模型适用于枯季月径流的预测,神经网络模型适宜于汛期月径流预测,并且精度良好。     

ANN、ANFIS和AR模型在日径流时间序列预测中的应用比较

水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持,而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型(AR模型)、人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中,不仅采用纳什系数(NS系数)、均方根误差(RMSE)和平均相对误差(MARE)为评价指标,对三种模型的综合性能进行了比较。而且,在对三种模型预测结果的平均相对误差的阈值统计基础上,分析了三种模型的预测误差分布。同时,通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明ANFIS相对于ANN和AR模型不仅具有更好的模拟能力、泛化能力,而且在相同的预见期下具有更优的模型性能,可以作为日径流时间序列预测的推荐模型。     

季节性AR模型在葛洲坝月径流预报中的应用

自回归模型属于线性平稳模型，只能描述平稳序列的统计特性。当水文序列具有季节性变化时，其统计特性则随季节而变，即随时间而变。文章探讨了季节性自回归模型运用中需注意的一些问题．并将其用来做葛洲坝入库月径流预报，取得了较好的效果。     

径流预测方法对比分析

通过实际算例分析比较了指数平滑法、灰色预测模型、小波分析法和人工神经网络径流预测方法,结果表明:指数平滑法、灰色预测模型预测结果的误差比较大且分布不均匀;小波分析法和人工神经网络方法预测结果明显好于指数平滑法和灰色预测模型.     

多支流河段径流预测方法比较研究

以塔里木河流域为例，建立了多支流河段多元线性回归和人工神经网络两种径流预测模型，并对预测效果进行了系统的比较。结果表明，两种方法都能以令人满意的精度进行径流过程的模拟和预测；人工神经网络比多元线性回归更适合于在多支流河段上进行径流预测。     

未来气候变化下拉萨河流域径流变化趋势研究

【目的】气候变化引起水文循环的变化,主要表现为降水、径流等的显著改变。【方法】基于拉萨河流域分布式径流模型,应用第六次国际耦合模式比较计划(CMIP6)的4个气候模式数据,分析未来气候变化情景下拉萨河的径流变化。【结果】结果显示：SSP1-2.6情景模式下,拉萨河上中下游年径流深均呈减少趋势,约减少42%,但月径流量年内分配比例较实测月径流分配比例变化不大;SSP2-4.5情景模式下,总体上呈增加趋势,约增加1.5%,中上游径流深呈减少趋势,约减少1%～7%,下游支流呈增加趋势,约增加1%～37%;SSP5-8.5情景模式下,总体上呈增加趋势,约增加10%,下游支流增加趋势更加显著,约增加17%。【结论】结果表明：在CMIP6未来气候情景模式下,径流变化较为显著且不同情景模式差异较大;未来径流深变化趋势与未来降水变化趋势较为一致;拉萨河流域未来不同气候情景模式下径流深时空分布存在差异。通过对CMIP6未来气候模式进行模拟,分析拉萨河流域径流变化特征,为区域水文水资源配置、水资源利用等提供参考依据。     

大桥水库入库径流预测及电站优化调度研究

大桥水库是安宁河流域的龙头水库,鉴于该水利工程自建成八年多时间以来尚未系统地开展过水库调度研究,因此,通过对入库径流的预测并进行水库电站运行优化调度,必将有利于水资源的合理利用及工程的科学管理,并使其发挥出更好的社会效益和经济效益.在深入分析历史径流资料的基础上,采用自回归模型、最近邻抽样回归模型和人工神经网络模型对大桥水库入库径流进行了预测,在此基础上,尝试了运用动态规划法对大桥水库中长期的发电运行进行优化调度,其结果表明:此次研究在提高大桥水库发电效益和综合利用等方面具有重要的理论与实践参考价值.     

一种非线性组合预测方法在径流测报中的应用

将基于人工神经网络的非线性组合预测方法应用于径流预测中,以1996年太阳沱的洪水资料为例,对已经建立的两个模型,采用三层的BP网络进行组合模拟预测,从多方面分析比较,让明用该种方法能够提高预测精度,结果令人满意：     

水文预报不确定性对水库防洪调度的影响分析

定量分析预报的不确定性,已成为防洪预报调度风险分析中的关键问题。本文基于Copula函数,提出了可以描述水文预报不确定性随时间演化特性的CUE(Copula-based Uncertainty Evolution Model)模型,并通过该模型模拟了水文预报不确定性序列;基于Monte-Carlo方法和模拟序列,计算了预报不确定性对水库防洪预报调度的影响。结果表明,CUE模型能够很好地模拟水文预报不确定性,采用预报预泄法,对三峡水库进行防洪调度,不会增加防洪风险率。     

无测站流域径流预测区域化方法研究进展

无测站流域径流预测是地表水文研究的难题与挑战,而区域化方法,即将水文信息从有测站流域移植至无测站或缺测站流域估算径流量的过程,则为该问题提供了有效的解决办法。由于不同流域地文属性及气候特征各不相同,目前并无通用的方法,回归法、空间近似法及物理相似法是径流预测区域化研究中最常用的三种方法。基于此,本文阐明了三种方法的基本理论,综述了其研究进展、适用性及局限性,分析了区域化研究中常用水文模型及流域特征因子遴选的依据,总结了误差检验及不确定性分析的方法,并展望了径流预测区域化研究的未来发展方向。本文可为无测站流域区域化方法的选择提供基本依据与科学参考。     

Investigation of stage-discharge model performance for streamflow estimating: A case study of the Gono River,Japan

In water resource studies, long-term measurements of river streamflow are essential. They allow us to observe trends and natural cycles and are prerequisites for hydraulic and hydrology models. This paper presents a new application of the stage-discharge rating curve model introduced by Maghrebi et al. (2016) to estimate continuous streamflow along the Gono River, Japan. The proposed method, named single stage-discharge (SSD) method, needs only one observed data to estimate the continuous streamflow. However, other similar methods require more than one observational data to fit the curve. The results of the discharge estimation by the SSD are compared with the improved fluvial acoustic tomography system (FATS), conventional rating curve (RC), and flow-area rating curve (FARC). Some statistical indicators, such as the coefficient of determination (R²), root mean square error (RMSE), percent bias (PBAIS), mean absolute error (MAE), and Kling-Gupta efficiency (KGE), are used to assess the performance of the proposed model. ADCP data are used as a benchmark for comparing four studied models. As a result of the comparison, the SSD method outperformed of FATS method. Also, the three studied RC methods were highly accurate at estimating streamflow if all observed data were used in calibration. However, if the observed data in calibration was reduced, the SSD method by R² = 0.99, RMSE = 2.83 (m³/s), PBIAS = 0.715(%), MAE = 2.30 (m³/s), and KGE = 0.972 showed the best performance compared to other methods. It can be summarized that the SSD method is the feasible method in the data-scarce region and delivers a strong potential for streamflow estimation.     

郁江水质预警预报系统建设模式的探讨

对郁江水质预警预报系统的建设模式进行研究,构建出郁江水质预警预报系统总体框架,并对自动监测子系统、移动监测子系统、水质预测子系统及信息发布子系统进行了详细设计。通过各子系统间的协调动作,可以达到对郁江污染状况的动态跟踪,对突发水污染事故及时进行水质预测及报警,为政府预防与处理郁江水污染事故提供保障。     

渭南市尤河水库洪水预报研究

用水箱模型进行了尤河水库洪水预报,并探讨了模型参数的确定方法,优选得到模型参数.研究表明,水箱模型具有所需资料少、预报结果可靠,可用于该水库的洪水预报.     

基于集合预报的淮河流域洪水预报研究

建立基于集合预报的淮河具有行蓄洪区流域洪水预报及早期预警模型。在洪水预报中引入数值天气预报以延长洪水预报的预见期。集合预报采用多模式和多分析集合预报技术,考虑初始场的不确定性和模式的不确定性,避免“单一”确定性数值天气预报结果易存在的预报误区。THORPEX 项目支撑的THORPEXInteractiveGrand GlobalEnsemble（TIGGE ）集合预报目的是建立全球交互式预报系统。本文以淮河流域为试验流域,以TIGGE 集合预报（加拿大气象中心（简称CMC,集合成员数为15个）、 欧洲中期天气预报中心（简称ECMWF,集合成员数为51个）、 英国气象局（简称UKMO ,集合成员数为24个）、 美国国家环境预测中心（简称NCEP,集合成员数为15个））驱动构建的水文与水力学相结合的具有行蓄洪区流域洪水预报模型以达延长洪水预报的预见期,新安江模型用于降雨径流计算、一维水动力学模型用于河道洪水演算,实现洪水预报及早期预警。为了进行比较,同时采用地面雨量计观测降水驱动构建的洪水预报模型,对2007和2008年淮河汛期洪水进行检验。结果表明,基于TIGGE 集合预报驱动的洪水预报预见期延长了72~120h ,证明了TIGGE 集合预报可以应用于洪水预报及早期预警。     

1959-2011年北洛河上游流域径流量及其组分变化趋势和时间分配特征

以实测水文数据为基础,分析了区域水土保持措施实施和植被恢复背景下北洛河上游黄土丘陵沟壑区流域1959-2011年间径流和基流数量变化、时间分配规律和阶段特征,对流域水土保持和生态平衡、水资源保护和利用具有指导和借鉴意义。结果表明:志丹、吴起、刘家河3个水文站的年均径流深分别为37.6、27.1、31.8 mm。年均地表径流量和基流量所占比例3站平均为63.8%和36.2%。3站的年径流量和地表径流量全部表现为极显著减少趋势(P<0.001),而且地表径流量决定了总径流量的变化程度。3站基流量呈增加(P<0.01)(吴起站、刘家河站)或稳定态势(志丹站)。径流量及其组分年内分配均表现为"双峰型"。随时间推移,径流量月内分配不均匀性减弱,夏、汛期径流量占年径流量的比例急剧降低。3站冬、春季枯水期基流量均为显著增加态势,而夏、秋季稳定。1959-2011年在水土保持措施的实施和生态恢复背景下,流域径流及其组分的数量和时间分配发生了很大变化,流域水循环要素比例趋于合理。     

Capability of TMPA products to simulate streamflow in upper Yellow and Yangtze River basins on Tibetan Plateau

Due to the high elevation, complex terrain, severe weather, and inaccessibility, direct meteorological observations do not exist over large portions of the Tibetan Plateau, especially the western part of it. Satellite rainfall estimates have been very important sources for precipitation information, particularly in rain gauge-sparse regions. In this study, Tropical Rainfall Measuring Mission （TRMM） Multi-satellite Precipitation Analysis （TMPA） products 3B42, RTV5V6, and RTV7 were evaluated for their applicability to the upper Yellow and Yangtze River basins on the Tibetan Plateau. Moreover, the capability of the TMPA products to simulate streamflow was also investigated using the Variable Infiltration Capacity （VIC） semi-distributed hydrological model. Results show that 3B42 performs better than RTVSV6 and RTV7, based on verification of the China Meteorological Administration （CMA） observational precipitation data. RTVSV6 can roughly capture the spatial precipitation pattern but overestimation exists throughout the entire study region. The anticipated improvements of RTV7 relative to RTVSV6 have not been realized in this study. Our results suggest that RTV7 significantly overestimates the precipitation over the two river basins, though it can capture the seasonal cycle features of precipitation. 3B42 shows the best performance in streamflow simulation of the abovementioned satellite products. Although involved in gauge adjustment at a monthly scale, 3B42 is capable of daily streamflow simulation. RTV5V6 and RTV7 have no capability to simulate streamflow in the upper Yellow and Yangtze River basins.     

石泉水库天气预报调度模型研究

为了充分利用洪水资源,增加发电量,结合石泉水库流域洪水、调度资料和陕西省气象台7日滚动天气预报,尝试建立可调节水库天气预报调度模型,延长洪水的预见期,提高水电企业的经济效益。此方法的创新在于天气预报和水文预报、调度的耦合,依据大量历史水雨情资料分析,将其建立关系,实际应用时直接采用该关系进行调度。成果丰富和发展了现有水库精细化调度的方法,为水库开展预报调度提供了科学依据。