基于遥感大数据的红水河流域洪水预报技术

系统分析红水河流域预报预警的实际需求,针对洪水预报问题,首次提出了基于遥感大数据的红水河流域洪水预报技术,构建了基于遥感大数据的红水河流域洪水预报模型,延长了流域洪水预见期,有效提高了洪水预警预报精度,实现洪水实时监测和红水河沿岸淹没敏感点的预报预警,有效降低了红水河沿岸295个淹没敏感点的洪涝灾害损失.     

基于预报调度规则的云峰水库特大洪水调度研究

针对当前极端天气频发的形势,对极端暴雨洪水进行准确预报、合理调度是水库调度管理不可回避的问题。以应对云峰水库流域特大暴雨洪水、提前建立预报及调度预案为目标,基于现有的预报方案及精度,将云峰水库防洪调度规则中引入累积净雨量判别指标,提前预报入库洪水,采取预泄手段提前腾空库容,消纳入库洪水,使整个泄洪的流量过程比较平缓,并对典型年及各频率设计洪水过程线的洪峰值与对应的累积净雨量进行了相关分析。研究表明:洪峰滞后于净雨量峰值约18 h,同时累积净雨量与洪峰流量呈较好的线性相关性;采用累积净雨量作为防洪调度的判别指标可以延长调度的预见期,并提高防洪与兴利互相结合的程度。研究成果为优化云峰水库特大洪水调度方案创造条件。     

洪水预报智能模型在中国半干旱半湿润区的应用对比

为探究不同洪水预报智能模型在我国半干旱半湿润区的应用效果,选用决策树、多层感知器、随机森林和支持向量机4种模型在陕西省3个典型流域进行逐时洪水预报;选择相关系数、纳什效率系数、均方根误差、平均绝对误差和相对误差等评价指标,比较不同预见期下4种模型在半干旱半湿润典型流域洪水预报的适用性。结果表明:在短预见期预报中,4种模型在半湿润区典型流域均可获得较高的预报结果,在半干旱典型流域模拟精度相对偏低,仅支持向量机模型满足预报要求;随着预见期延长,不同模型性能变化差异大,支持向量机模型整体稳定,在小流域实时洪水预报中具有明显优势;随机森林模型与决策树模型精度随预见期延长而缓慢下降,前者适应性更好;多层感知器模型精度随预见期延长而骤减,模型稳定性较差。     

三峡上游洪水预报实时校正方法应用比较

实时校正方法是提高洪水预报精度的有效途径.将误差序列实时校正、反馈模拟实时校正、卡尔曼滤波实时校正等方法,应用到三峡上游的洪水预报中,并针对各种方法阐述了其优缺点.误差序列实时校正简单实用,但是校正预见期较短;反馈模拟实时校正基于实测流量进行校正,但是要求实测点距较多;卡尔曼滤波校正准确度较高,不过原理复杂,较难确定滤波参数.最后对几种校正方法进行了分析比较.     

分布式水文模型结合气象预报方法初步探讨

为了尽量消除因流域空间非均一性引起的水文模拟不确定性,采用基于GBHM分布式水文模型以及具有明确物理意义的模型参数,利用三峡区间2011年5~6月期间的气象预报信息,探讨该区域实时洪水预报方法,以及不同预见期的洪水预报精度。结果表明,分布式水文模型与气象预报数据结合,能够较好地模拟该区间的洪水过程。该方法在一定预见期内能够对实时洪水过程进行预报,预报精度很大程度上取决于降水预报的准确性。     

山洪灾害监测预报预警云平台及应用

以延长山洪预警预见期、提高预警精度为目标,综合应用并行云计算、大数据、人工智能和移动互联网技术,设计开发了省级山洪灾害预报预警云平台.省级云平台集成了流域分布式水文模型和实测降雨、预报降雨信息,实时驱动流域内各河段山洪水文模拟,实现基于小流域的洪水预报和基于流量指标的山洪灾害预警.结合山洪灾害气象预警和基于雨量/水位监...     

大渡河流域上游洪水预报及实时校正研究

大渡河是长江上游岷江水系的最大支流,是我国最重要的水电能源基地之一。因此,实时准确的洪水预报对流域的防洪减灾和水资源利用具有重要意义。为此,基于新安江模型,建立了大渡河上游丹巴以上流域的实时洪水预报方案;针对目前流域雨量站网密度偏低现状,引入动态系统响应校正技术,对面雨量进行实时修正处理,以进一步提高洪水的预报精度。结果表明,构建的新安江洪水预报方案具有较好精度,经面雨量校正后,预报精度得到进一步提升。     

考虑预见期降水的三峡水库区间洪水预报模型研究

 选用长江三峡水库区间流域的历史雨洪资料与短期定量降水预报资料,编制三峡水库区间流域洪水预报模型,并将区间定量降水预报与区间洪水预报模型相耦合,研究了预见期降水对洪水预报的影响。提出了一个随机降水模型,随机生成 500组序列作为降水预报值输入到区间洪水预报模型,并以均值作为预报结果发布。方案比较结果表明,考虑预见期内的降水预报可提高三峡水库的洪水预报精度。     

浅谈海河流域的洪水预报

提高洪水预报的精度和增加短期洪水预报预见期的关键，一是水情信息的质量以及接收处理速度，二是完整的、功能齐全的、使用方便的洪水预报系统，三是适合本地区的洪水预报模型及参数优化方法和实时校正方法等。     

丹江口水库入库洪水概率预报及调度风险分析

为了科学表示洪水预报中的不确定性和风险信息，以丹江口水库为研究对象，基于Copula贝叶斯方法开展丹江口水库入库洪水流量概率预报，从概率预报期望值的精度、预报区间的优良性以及整体性能3个方面对概率预报结果进行评价，并在此基础上进行丹江口水库调度风险策略分析。结果表明：随着预见期的延长，丹江口水库流量概率预报的不确定性相应增加，精度有所降低；各预见期的概率预报区间总体合理可靠，区间覆盖率均超过0.87;概率预报期望值精度较确定性预报略有提升，不同预见期的连续概率排位分数CRPS始终小于相应的确定性预报的平均绝对误差MAE,较确定性预报MAE的降低幅度均超过25%。研究成果可提供不同方案下水库水位超目标水位的风险信息，为科学风险调度决策提供参考。     

玉符河流域分布式洪水预报模型及应用

玉符河是济南西南部防洪安全的主要威胁,高精度洪水预报是科学调度防洪工程、降低防洪风险的基础。在分析暴雨洪水特征的基础上,识别了流域主要产汇流机制,结合地形、土壤、植被、水库/塘坝分布等下垫面信息,建立了玉符河流域分布式洪水预报模型;选用卧虎山水库2010-2013年4场典型洪水过程率定了模型参数,检验了模型精度;选择典型洪水过程,通过连续模拟结合滚动修正,预估了暴雨过程的流域初始条件,应用区域降水预报数据驱动模型预报流域洪水过程,结果表明模型在72 h预见期内具有较高精度,能够为水库防洪调度提供支撑。     

雨量输入对分布式流溪河模型中小流域预报精度的影响

中小流域由于资料欠缺、洪水汇流时间短、水量集中等特点,导致其洪水预报难度大,预报精度低。针对我国中小流域的洪水预报精度有待进一步提高的问题,为了让分布式水文模型在全国广泛投入实际应用,选取四川省达州市清溪河流域作为了研究对象。采用流溪河分布式水文模型,从降水量入手,讨论雨量数据对模型结果的影响,探讨满足预报精度所需的雨量站布设密度条件,并将得到的洪水模拟结果与传统预报模式下的洪水模拟结果进行对比分析。结果表明: 12 场洪水中,确定性系数在 80%以上的洪水有 10 场,占比 83. 33%,其中 11 场洪水的洪峰误差小于 20%,合格率为91. 67%,峰现误差合格率达到 100%。因此,流溪河分布式水文模型对于中小流域的洪水预报具有较强的适用性,模拟结果较好。中小流域不同雨量站的降水差异明显,降水总量和雨型的差异对模型输出结果影响较大,当前提高预报精度的重要措施是提高基础数据的质量。清溪河流域雨量站布设密度达到 86 km2 /站时已基本满足该流域流溪河模型预报的要求。现阶段我国许多地区雨量站布设密度已达到较高水平,采用流溪河模型等分布式水文模型进行中小流域洪水预报变为可能。     

基于改进粒子群算法的渗透系数参数反演分析

针对传统的粒子群算法存在收敛速度慢、易陷入局部最优的缺陷,依据水库原型观测数据和有限元数值计算结果,基于以e为底的指数函数的惯性权重策略的改进粒子群算法,减少了求解计算时间,提高了结果准确度,构建了大坝渗透压力监测控制统计分析模型,并分别采用标准粒子群算法和改进的粒子群优化算法反算了混凝土坝体、坝基的渗透系数。与实测值的对比结果表明,基于改进粒子群算法的渗透系数参数反演拟合效果良好,计算误差小、搜索效率快、辨识参数准确度高,具有较强的可操作性。     

乌溪江流域自动洪水预报系统研究与应用

由于预报模型的局限性和实时信息的不完善,洪水预报过程存在一定误差。利用自动预报模型和人工预报参数交互式修改相结合的方式可提高洪水预报精度。在乌溪江流域自动洪水预报系统研究中,采用径流系数控制前期雨量损失总量,通过调整雨量损失进行产流计算,根据时段降雨的降雨中心和降雨强度选用单位线进行汇流计算。同时在自动化洪水预报基础上配以预报人员的多年预报经验,完成可实时修正、高精度的实时洪水预报。以典型洪水预报为例,人工预报参数交互式修改方法的准确性较高,人工预报峰现时间相差1 h,人工预报洪峰流量误差为0.74%,预报精度等级为乙级。研究成果已在浙江省乌溪江流域自动洪水预报系统得到应用,对其他流域洪水预报具有参考价值。     

基于PDM的飞来峡水库实时水文预报模型

水文预报模型是实时预报预警系统的核心。基于新型的概率水文预报PDM(The Probability Distributed Model),构建了北江流域飞来峡水库概率水文预报模型。将整个流域划分为18个子流域,对每个子流域分别建立PDM,并采用历史降雨流量数据序列对各子流域和流域PDM进行参数率定;以横石站为参考站,采用52场次实测历史洪水进行模型验证和精度评定,洪峰预报合格率为99%,精度等级为甲等,模拟精度高,说明了PDM结构和参数取值的合理性,以及模型在该流域的适用性。     

BP神经网络在河段汛期径流预测中的应用

本文以武隆站与江界河1985～1986年汛期(5～10月)的实测数据为资料,利用BP算法,建立了基于人工神经网络的武隆站汛期预报模型,经过1987年的资料检验,同时与线性回归模型相比较得出,该模型预报精度良好,模型稳定可靠。     

洪水预报误差对防洪预报调度的影响

本文从洪水总量与洪水过程两个角度研究了洪水预报误差对碧流河水库防洪预报调度的影响,其中对洪量的研究采用基于规范的洪水预报误差和基于预报误差的分布规律两种方法,得出一些初步的结论,并对研究洪水预报误差提出了一些建议。     

基于TIGGE数据的中期降水预报在江苏省的应用效果评估

预见期长达14d的中期降水预报对于旱涝预测与水资源调度管理等具有重要意义,全球多模式集合预报(TIGGE)资料为区域中期降水预报提供了新基础。基于2008-2013年江苏省实测降水数据,采用TS、BS评分、平均偏差和均方根误差等评估指标,重点评估了CMA、CMC、ECMWF、JMA和NCEP这五个TIGGE代表模式在江苏省的中期预报效果。结果表明:整个预见期内各模式对于中小雨的预报评分都较高,小雨的TS评分值最高多在0.5左右,中雨以上等级降水存在较明显的漏报。预见期长达15d的日累积降水量预报只存在3d的衰减期,之后各项误差指标值能维持稳定,3d以上预见期的误差主要为预报值偏大。同时,5d以上累积降水量预报也较实际偏大,且冬季预报效果最好夏季最差,苏北地区好于苏南地区。就各代表模式而言,ECMWF与JMA模式分别在降水分级预报和日累积降水量预报中表现最好。