基于遗传模拟退火算法的新安江模型参数优选

结合新安江模型参数的特点,在分析传统遗传算法和模拟退火算法各自优缺点的基础上,将模拟退火算法与传统遗传算法相结合的混合算法运用于新安江模型参数优选中,并应用于实际径流预报.实例表明,该方法能快速地完成参数寻优,并找出较为满意的参数最优解.     

基于Sobol方法的新安江模型参数敏感性分析

采用敏感性分析方法对复杂模型和系统的输入和输出进行定性和定量的分析,有利于模型结构的诊断、模型参数的识别和模型的应用。现以桓仁水库流域为例,使用Sobol方法,以确定性系数、总水量误差系数、低水误差系数和高水误差系数作为敏感性分析模型的目标函数,分别对模型单参数和多参数的敏感性进行了评价。结果表明不同目标函数下参数的敏感性不同;Sobol能定量地给出参数的总敏感度和参数间相互作用的敏感度,适合于分析水文模型的参数敏感性。     

基于改进粒子群优化算法的新安江模型参数优选

新安江模型是一种实用有效的水文模型,在洪水预报以及水资源评估和管理中得到了广泛的应用。为此,结合新安江模型参数的特点,提出了基于改进粒子群优化算法的新安江模型参数优选方法,并将该模型应用到日径流预报中。实例表明,该方法能快速地完成参数寻优,并能较好地寻找出参数的全局最优解。     

基于CCI资料与EnKF方法的单点土壤湿度同化

土壤湿度作为天气、农林业、水循环研究中重要的地球物理参数,对气候变化有重要影响。陆面数据同化发展较晚,研究集中在同化土壤/积雪的常规观测与遥感观测来提高土壤湿度廓线/雪水当量的估计精度。卫星遥感资料的同化是一个研究热点,同化遥感数据对提高土壤湿度估计精度有积极的作用。基于CLM4.0(Common Land Model 4.0)陆面过程模式,采用集合卡尔曼滤波(EnKF)同化方法,在美国内布拉斯加州地区的Clay Center、Red Cloud及Grand Island观测站点进行了3个单点同化实验,同化的观测数据是由CDF(Cumulative Distribution Function)技术匹配调整后的卫星遥感资料——CCI(Climate Change Initiative)数据,同化分析实验时间为2008年5月1日至2008年10月31日,利用站点实测数据对0~2cm土壤湿度的同化结果与间接受其同化影响10cm处的土壤湿度估计值进行了验证。结果表明:通过单点同化卫星遥感资料的方法可以提高表层土壤湿度的估计精度,并且受其同化影响,靠近同化层的土壤,其土壤湿度的估计精度也得到提高。     

新安江模型参数变化对流域降雨径流过程的影响分析

水文模型可以模拟自然流域的降雨径流过程,在降雨径流过程模拟中,水文模型参数的选择往往会影响模型对流域径流过程的模拟效果.针对新安江模型,以陕西黑河金盆水库流域为研究流域,分析新安江模型参数变化对模拟流域降雨径流过程的影响,以确定新安江模型参数的敏感程度,从而服务于研究流域的汛期水文预报参数修正.模拟结果表明:在研究流域新安江模型参数中KKSS、KKG、WLM、WDM、kg、k为敏感参数,对模拟流域降雨径流过程的影响较大;参数WUM、IMP、B、c、SM、EX为不敏感参数,对模拟流域降雨径流过程影响较小.     

基于栅格新安江模型的秦淮河流域洪水模拟及实时校正研究

中国中小河流众多,洪水频发,灾害严重,是当前洪水防控的重点薄弱环节。秦淮河水系是南京市境内最为重要的水体之一,汛期可能发生的洪涝灾害威胁着全市的生命财产安全。以秦淮河前垾村流域为研究对象,采用新安江模型和栅格新安江模型进行洪水模拟研究,并采用KNN法、反馈法进行实时校正,实现快速准确的洪水预报计算。实时校正前,栅格新安江模型模拟精度略优于新安江模型,二者模拟效果良好;经实时校正后,新安江模型和栅格新安江模型的模拟效果均明显提高,可以为秦淮河流域防洪减灾决策提供重要依据。     

基于GIS的乌江流域新安江模型参数率定

为了使新安江模型的运用更能真实反映流域的基本特征及产汇流机理,利用地理信息系统空间分析的功能,由数字高程模型导出乌江武隆以上流域的流域排水网,并在此基础上提取汇流长度及坡度等地形特征值。在地理信息系统平台上,计算出流域下垫面的植被、土壤、地貌等特征值,并将其与流域模型参数建立相关关系。结果表明,各流域模拟的确定性系数及模拟精度均较高。因此,预报结果更加合理,理论依据也更加可靠。     

基于并行遗传算法的新安江模型参数优化率定方法

本文结合新安江模型参数的特点,以洪峰流量、峰现时间和洪水总量的合格率为评价目标,定义了评价洪水性能目标的模糊合格率,提出了新安江模型参数率定的并行遗传算法,并在微机集群环境下,利用JAVA语言进行了算法编程。串行和并行遗传算法计算结果的比较表明,本文提出的并行遗传算法可以大大缩短优化过程的时间,得到较为稳定的模型参数。     

基于MCMC的新安江模型参数不确定性分析及应用

针对新安江模型参数不确定性分析过程中出现的参数多、收敛慢、计算负担重等问题,提出基于MCMC方法的新安江模型参数不确定性分析,该方法通过Markov链MonteCarlo抽样方法求解得到模型各参数后验分布,显著提高了算法的计算速度和求解质量。参数后验分布结果为区间预报提供了条件,实例研究表明,以该结果进行不确定预报是可行的。     

基于GLUE的新安江模型参数不确定性分析及应用

结合新安江模型在东洋河流域的应用,提出了基于GLUE方法的新安江模型参数不确定性分析。采用GLUE算法抽样结果对东洋河流域进行不确定性预报,选用水文模拟中常用的确定性系数作为似然判据,通过设定0.7为阀值,得到的90%置信区间的流量过程,实例研究表明,以该结果进行不确定预报是可行的。     

湖泊藻类动态模型数据同化模式的改进

以太湖为研究区域,采用2014-2016年的水环境生态监测数据,率定了三维水生态动力学模型(3DHED),模拟了太湖蓝藻生物量的时空变化;通过融入遥感数据建立了基于集合卡尔曼滤波(EnKF)的蓝藻生物量预测数据同化(DA)模式,同时提出了一种改进数据同化(mDA)的策略,降低了遥感数据不确定性的影响,显著提升了模型模拟...     

Data assimilation using support vector machines and ensemble Kalman filter for multi-layer soil moisture prediction

Hybrid data assimilation (DA) is a method seeing more use in recent hydrology and water resources research. In this study, a DA method coupled with the support vector machines (SVMs) and the ensemble Kalman filter (EnKF) technology was used for the prediction of soil moisture in different soil layers: 0-5 cm, 30 cm, 50 cm, 100 cm, 200 cm, and 300 cm. The SVM methodology was first used to train the ground measurements of soil moisture and meteorological parameters from the Meilin study area, in East China, to construct soil moisture statistical prediction models. Subsequent observations and their statistics were used for predictions, with two approaches: the SVM predictor and the SVM-EnKF model made by coupling the SVM model with the EnKF technique using the DA method. Validation results showed that the proposed SVM-EnKF model can improve the prediction results of soil moisture in different layers, from the surface to the root zone.     

非饱和土壤水的集合卡尔曼滤波Ⅰ:状态向量与非饱和流算法的选择

土壤水运动是水分循环中的基本过程,但土壤水预测面临着参数获取难、预测精度差等挑战。数据同化技术为土壤水参数估计和精确预报提供了一种新的方法。本文建立了基于3种不同非饱和水流求解方法的集合卡尔曼滤波(En KF)算法,针对状态向量的选择和正演模型的选择两个问题,研究了非饱和土壤水En KF的计算性能。研究结果表明:对于非线性非饱和水流问题,同时更新水头和参数比仅仅更新水头能够取得更好的预测效果,特别是当多参数未知时;En KF本质上是Monte Carlo方法,极端样本容易导致Picard-h和Picard-mix算法的崩溃,因此传统的HYDRUS程序与复杂非饱和土壤水的数据同化兼容性不佳;当同时同化水头和参数时,如果极端的样本值能够快速得以更新,Picard-h和Picard-mix算法在数据同化模拟中的适用性能得以提升;但由于观测信息对参数的校正能力取决于特定的问题和条件,Ross算法是执行非饱和土壤水数据同化模拟的更好选择。     

A THEORETICAL STUDY ON SIMPLIFIED KALMAN FILTER IN DATA ASSIMILATION

1 .　ＩＮＴＲＯＤＵＣＴＩＯＮＫａｌｍａｎＦｉｌｔｅｒ (ＫＦ)ｉｓｏｎｅｏｆｔｈｅｏｐｔｉｍａｌｍｅｔｈ ｏｄｓ (Ｒｏｂｉｎｓｏｎ ,ＰｉｅｒｒｅａｎｄＬｅｒｍｕｓｉａｕｘ 2 0 0 0 )ｏｆＤａｔａＡｓｓｉｍｉｌａｔｉｏｎ (ＤＡ )ａｎｄｎｏｗｈａｓｂｅｅｎｗｉｄｅｌｙｅｍ ｐｌｏｙｅｄｉｎｔｈｅａｓｓｉｍｉｌａｔｉｏｎｒｅｓｅａｒｃｈｂｅｔｗｅｅｎｅｉｔｈｅｒｍｅ ｔｅｏｒｏｌｏｇｉｃａｌａｎａｌｙｓｉｓａｎｄｏｂｓｅｒｖａｔｉｏｎａｌｄａｔａｏｒｏｃｅａｎｏ ｇｒａｐｈｉｃｎｕｍｅｒｉｃａｌｓｃｈｅｍｅａ…     

基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78m³/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。     

基于数据同化的深水湖库水温中短期预报

深水湖库的水温分布与演化影响着水体运动、生化反应和水生生物的新陈代谢过程,在中短期时间尺度上预报水温变化对湖库水质管理与生态环境安全十分必要。本文基于集合卡尔曼滤波算法与CE-QUAL-W2模型,构建可综合考虑模型参数、边界条件以及观测数据不确定性的湖库水温数据同化系统,利用水库调度数据与气象数据作为预报条件,将该系统应用于大黑汀水库进行1～10 d的中短期水温预报。结果表明：当集合数为100、模拟误差和观测误差分别为10%和1%时,同化系统能够兼顾较高的计算效率与模拟精度。同时校正模型参数和状态变量,能够使数据同化系统在不同水深处的水温模拟精度较无数据同化模拟结果提升41.2%～68.8%。随着预报期由1 d延长至10 d,各水深的预报误差由0.22～0.35℃增大至0.77～1.09℃。无论水库处于分层期或混合期,数据同化系统均能够在预报期内的气象条件及水库调度等内外部因素驱动下维持较高的准确性,高精度的水温中短期预报方法可以为湖库供水与生态安全提供理论与技术支撑。     

新安江模型产流模式在山区型和平原型水库入库径流量中的模拟与应用

将新安江模型的蓄满产流模式应用于浙江省台州市山区型和平原型两个水库的入库径流量模拟之中,取得较好的效果。分析了山区型和平原型水库径流模型参数的取值规律,为台州市其他无资料地区的模型参数取值提供参考,为下一步该区域的水量水质耦合的水资源配置提供研究基础。     

无资料地区径流预报方法比较与改进

 利用新安江模型对无资料地区径流预报方法进行研究。以澳大利亚东南地区的210个流域为例,首先利用距离相近法、属性相似法和回归法进行预报,并对3种方法进行比较,结果表明,距离相近法精度最高,属性相似法次之,回归法效果较差。然后在距离相近法和属性相似法的基础上提出了综合相似法,使得模拟结果进一步提高。此方法可对中国无资料或者资料缺乏流域进行水文预报。     

基于多源遥感土壤湿度与模型数据同化的流域径流模拟

为提升径流模拟精度,以秦淮河流域为例,采用集合平均法将SMAP、SMOS、AMSR2卫星遥感土壤湿度融合并利用地形湿度指数进行空间降尺度处理,采用卡尔曼滤波算法和栅格新安江模型进行遥感融合土壤湿度同化。对2016—2018年秦淮河流域3个流量站记录的11场洪水进行模型数据同化的结果表明：日尺度率定期洪峰、径流深相对误差合格率均为71.43%,验证期洪峰、径流深相对误差合格率分别为66.67%和100%;经同化后,8场洪水径流深误差减小,平均误差降低29.01%;8场洪水确定性系数增大,范围在0.01～0.09之间,模拟精度最高可提升11.84%;同化多源遥感土壤湿度能有效改善土壤湿度估计的准确性,进而提升径流模拟精度。     

北方地区两种产流预报模型的应用与比较

以大伙房水库流域为例．分别应用大伙房模型、新安江模型对大伙房流域进行洪水产流预报。结果表明．两种产流预报模型均可用于北方半湿润半干旱地区。大伙房模型对于流域内的大洪水预报较准确．对于中小洪水有预报净雨偏大的趋势．而新安江模型对流域内的中小洪水有较高的预报精度。