浑江流域降水径流变化浅析

本语言通过对浑江流域降水径流特性变化的分析，指出浑江可利用的水资源呈下降趋势，其中除自然因素影响外，人类活动增加、人为破坏大自然植被、污染水质、不合理开采水源等也造成了水资源的减少，因此，我们必须提高合理开发和利用水资源的意识，确保水资源的可持续利用。     

基于样本熵的泾河流域降水径流关系分析

受气候变化和人类活动影响,流域的降水径流关系发生了变化,如何准确识别降水径流内在关系对于区域水资源合理配置具有重要的意义.以泾河流域月降水和径流为研究对象,采用滑动样本熵分析降水径流的复杂性,并结合极点对称模态分解法探讨其周期与太阳黑子的关系;采用滑动移除样本熵分析降水径流的突变性,并结合滑动相关系数法分析降水径流的相...     

基于小波神经网络的朝阳降水预测模型研究

本研究立足于朝阳地区1970—2010年的降水资料,利用MATLAB平台运用小波神经网络降水预测模型对朝阳地区降水量进行预测研究,并将该结果分别与真实值、BP神经网络预测结果对比分析,结果发现:基于小波神经网络的降水量预测模型取得了较高的预测精度,弥补了神经网络预测模型的缺点,减少了迭代次数,能够客观的反应朝阳地区降水情况且方法直观,为朝阳地区的降水量预测提供了较为有效的方法。     

浑江中上游流域降水径流变化分析

文章根据浑江通化站水文资料,对浑江中上游流域降水径流特性、降水量年度变化、降水径流变化趋势进行分析,为合理开发和利用水资源提供依据。     

气候变化对流域径流影响的水量平衡模型

研制了与计算潜在蒸散发的Ｐｒｉｅｓｔｌｅｙ－Ｔａｙｌｏｒ方法相结合的水量平衡模型，有么模拟流域对潜在气候变化的响应。该系统使用可视Ｂａｓｉｃ语言在Ｅｘｃｅｌ５．０系统环境下设计而成。模型使用简便，并使用ＩＩＡＳＡ的月平均水文数据库，介绍了模型环境及２个研究事例。     

新疆塔河流域气温、降水和径流变化特征

通过对新疆塔河流域26个气象观测站的气温、降水及5个水文站的径流水文数据的分析,得到气温、降水和径流多年变化规律以及径流与气温、降水的相互关系。塔河流域平均气温线性趋势具有0.004℃/a的正向倾向率,1980年前后对比,升幅为4.1%。流域内1980年前的多年平均年降水量为75.76 mm,而1980年之后的多年平均年降水量为101.22 mm,增幅达33.6%,最大年降水量为135.5 mm,最小年降水量仅为32.5 mm。1980年前后的平均年径流量分别为225.25亿m3和253.81亿m3,1980年后增幅为12.7%。气温、降水量和径流量在年内均呈先增大、后减小的变化规律,且均在7月份达到最大值,径流和降水量主要集中在5—9月,均占全年的78%。     

迪那河流域降水与径流年内分配特征分析

河流年内径流量的分布状况,对本地区的防洪抗旱,发电量,水利设施的建设维护,生态环境保护以及区域内各行各业的用水等都具有重要的影响。由于受气温、降水等气候要素的时间季节性变化的影响,导致河流年径流变化随时间出现周期性的变化和不均匀性。文章选用发源于天山南坡的迪那河降水和径流资料,运用数理统计分析的方法,对迪那河流域降水和径流多年平均逐月分配情况进行对比分析。运用年内径流分配不均系数Cu、年内径流分配完全调节系数Cr、年内径流分配集中程度Cn,采用的年内径流分配三种不同系数指标对降水和径流年内对比分布情况进行分析。通过以上分析,进一步了解迪那河流域37a的降水和径流年内分配变化特征。     

小波BP网络在降水径流模拟中的应用

分别采用3种小波函数的BP神经网络应用于汉江上游向家坪地区的降水径流模拟中,并将模拟预测结果进行了对比。结果表明:Morlet小波函数的性能最优,在相同迭代次数下收敛较快,预测精度相对较高。     

清河水库流域降水径流统计分析

统计分析清河水库流域1960~2013年不同时段降水、径流的变化规律和特性,以及降水量与径流量之间的关系,以便进一步掌握水库坝址以上流域水文特性,为水库防洪、兴利调度运用提供依据。     

基于BP神经网络的旬降雨径流相关预报模型

参照流域暴雨与径流相关的特点,以实际的旬初土壤蓄水量、旬降雨量为输入条件,以实际的旬径流量为输出条件,建立BP神经网络旬降雨径流相关模型.实例表明,模型结构简单,可操作性强,利用该模型进行的旬径流预报具有较好的模拟精度,并为利用旬降雨预报信息实施旬径流中期预报奠定了基础.     

基于神经网络的降雨径流预报

本文将人工神经网络应用于二滩水电站以上支流鱼河的降雨径流预报，通过建模、计算、比较和分析可知，其非线性映射能力、自学习能力和灵活性，均能较好地反映降雨径流之间的非线性的、复杂的转换关系，结合流域水文特性并合理处理建模数据，值得进一步深入研究。     

基于MIKEBASIN平台的汉江流域径流预测模型初探

为合理配置水资源、促进水资源的可持续利用,开展水资源量的预测预报研究是一项重要的基础支撑工作。以汉江流域为实例,基于流域水文分析软件MIKEBASIN进行子流域划分,采用降雨径流模型(NAM)来模拟各分区降雨径流过程,初步构建了汉江流域水量预测模型系统,并对水量模型的各关键技术重点展开研究。研究果表明,通过细化模型分区、提高NAM模型参数率定精度、改进水库处理方法等工作,可以明显提高水量模型的模拟预测精度。     

基于MIKEBASIN平台的汉江流域

为合理配置水资源、促进水资源的可持续利用,开展水资源量的预测预报研究是一项重要的基础支撑工作.以汉江流域为实例,基于流域水文分析软件MIKEBASIN进行子流域划分,采用降雨径流模型(NAM)来模拟各分区降雨径流过程,初步构建了汉江流域水量预测模型系统,并对水量模型的各关键技术重点展开研究.研究成果表明,通过细化模型分区、提高NAM模型参数率定精度、改进水库处理方法等工作,可以明显提高水量模型的模拟预测精度.     

A Study on Grid Based Distributed Rainfall Runoff Models

Two distributed rainfall-runoff models were developed separately by using linear and nonlinear storage approaches for simulating the heterogeneity of hydrological processes over the catchment. A 1 × 1 km grid-based mesh was used to abstract the geometry of the catchment. The hydrological processes and geographic information were modeled on this scale. Both linear and nonlinear models were calibrated by global optimization technique. The models to simulate spatial hydrological processes over a catchment were verified using the observed hydrographs at two stream gauged stations within the catchment. The nonlinear model has better performance than the linear model for two verification storm events.     

基于天文预测法的径流年型预测

采用天文学方法,提出太阳运动与流域来水预测研究预测法和月球赤纬角分布图预测法,并尝试应用两种方法对汉江丹江口水库以上流域径流年型进行预测。选取1956—2000年小寒农历时间、1956—2000年月球赤纬角角度,分别与丹江口以上流域年均流量建立关系,根据散点图的变化趋势及丰水线、多年平均线、枯水线划分枯水区、平水区、丰水区,使图表具有明确的来水定性功能。结果表明:2016年汉江丹江口以上流域平水及以下年份出现的概率分别为77.8%、91.7%,枯水年份出现的概率分别为55.6%、50.0%,因此定性汉江丹江口以上流域2016年为枯水年。     

基于神经网络的淮河流域年径流量预测模型

利用Matlab神经网络工具箱,以淮河流域中游蚌埠(吴家渡)站的水文数据为基础,以流域代表站降水量作为基本影响因子,建立了淮河水域蚌埠段年径流量的Elman神经网络预测模型.人工神经网络方法被引入水文预报工作中.结果表明,人工神经网络技术可应用于流域年径流量的预报研究,且Elman神经网络的模型其强大的非线性和容错能力,显示出比相关分析、时间序列分析更有效,运算速度快,合理、可靠.具有较好的适应性和预报精度,可为水资源规划和配置提供依据.对开展水资源调查评价、综合规划等水文水资源领域的研究有着重要的意义.     

泾河年径流量BP神经网络模型研究

以1957—2000年的实测降水序列和泾河年径流量序列为研究对象,利用EMD法和GA建立了泾河年径流量的BP神经网络模型。分析结果表明:泾河流域年降水量变化可能存在准2～3、5～7、10～13、18～22 a的周期;基于EMD的年径流量BP神经网络模型预测值的相对误差为-4.71%～8.21%,基于GA的年径流量BP神经网络模型预测值的相对误差为2.25%～12.22%。     

黄河源区白河流域径流预报研究

根据黄河源区河流自身的特点,将自回归滑动平均模型ARMA（p,q）,概化为ARMA（p,1）,并运用最小信息准则,确定模型的最佳阶数p,运用修正的可变遗忘因子递推最小二乘法,进行参数的动态修正,以达到最佳参数的跟踪效果,并在白河流域进行了应用检验。结果表明,该预报模型精度较高,其径流模拟的确定性系数均在0．8以上,径流总量相对误差控制在10％以下。     

基于WA-SVM组合模型的流域月降雨量预测研究

 基于小波分析-支持向量机（WA-SVM）组合预测模型方法,将原始降雨序列进行小波分析分解到不同层次,对每层分别采用支持向量机预测,最后合成原始序列的预测值。将该模型应用于实际流域月降雨量预测,并与单独支持向量机回归方法的结果进行了对比分析。