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。     

不同时段降雨输入对区域洪水预报精度的影响探讨

定量分析了大凌河流域3 h、6 h、9 h三个时段降雨输入对区域洪水预报精度的影响。分析表明:在同一组水文模型参数下,降雨输入时段越大,洪水预报精度越低;在不同组水文模型参数下,降雨输入时段对洪水预报精度影响程度较低。研究成果对于指制定区域洪水预报方案具有重要参考意义。     

HEC-HMS模型在南水北调东线水资源调度中的应用

介绍了HEC-HMS水文模型系统，利用HEC—GeoHMS模块，由数字高程模型（DEM）生成洪泽湖、骆马湖、南四湖及东平湖上游数字流域，并对每个流域进行降雨径流模拟，模型考虑了流域内水利工程及河道取水的影响。结果表明：HEC-HMS模型应用方便，对南水北调东线沿线地区有较好的适用性，计算结果和观测入湖流量有较好的拟合，能为东线工程的水资源调度决策提供区间来水模拟预报。     

大连地区降雨产流模型探讨

大连地区属低山丘陵地区，多年平均降水量为600～1000mm，降水年内分布极不均匀，多年平均径流深200～450mm，属贫水地区．在水文预报中，降雨产流模型为蓄满产流模型，采用降水、蓄渗、蒸散发和径流的黑箱子模型，可求出流域的蓄渗量、蒸散发量和径流量．蓄渗量和蒸散发量由三层蒸散发模型确定，径流量由蓄满产流模型确定．该模型已在大连地区几座大型水库的洪水预报中得到应用，基本可达到水库控制运用的要求．     

寒冷地区冻土水文特性与产流机制研究

分析了寒冷冻土地区(以下简称寒区)的气候特点和冻土水文特性,在揭示冻土期土壤水分动态规律和特点的基础上,探讨了不同于无冻地区和无冻期的产流机制和相应的降雨径流关系,对寒区应用蓄满产流模型提出了改进意见,文中提出的实际成果资料和分析方法为寒区水文预报和水文计算提供了依据。     

基于Transformer的智能洪水预报模型及其应用研究

万安水库是赣江流域以发电为主的大型控制型水库,其洪水预报准确性将影响赣江流域的防洪以及发电调度决策。基于Transformer网络建立入库洪水预报模型,对万安流域不同区域分区设计三种预报方案,经实际洪水预测结果表明,输入降雨和径流数据越完整,Transformer模型可以较好模拟入库洪水过程,达到较好的水文预报准确度,是大型流域洪水实时预报的有效工具。     

吉林省中小流域经验模型的应用探讨

由于中小河流水文站点多数都属于无资料站,所以用传统的经验相关或者流域水文模型有一定难度。吉林省水文水资源局水情预报中心的工作者根据多年预报经验总结提出吉林省中小流域经验模型。该方法主要依据流域特征以及降雨和洪峰流量的关系,推算流域产流;再根据时段降雨按照产流过程叠加处理,概化流量过程,进行洪水预报。属于产汇流一体的流量过程计算模型。     

雅鲁藏布江中上游分布式洪水预报方案研究

雅鲁藏布江中上游,流域面积大,水文站点稀少,目前还无法进行有效的洪水作业预报。基于数字高程模型,利用ArcGIS软件中的水文分析功能,对该区域进行流域空间离散,通过生成流域流水网、划分流域子单元、建立产汇流分区、生成分区间拓扑关系等步骤,构建分布式洪水预报方案。针对雅鲁藏布江中上游的流域特性,选用新安江模降雨径流和马斯京根河道演算模型,对流域的水文过程进行模拟。结果表明,该预报方案能较好模拟流域重要站点的水文过程。     

基于EFAST方法的寒旱区流域水文过程参数敏感性分析

寒旱区流域受降雨径流和融雪径流联合补给,坡面产流和融雪过程可能对流域水文产生重要影响。以分布式水文模型SWAT为平台,选取模型多个参数为关键因子,借助EFAST方法探索融雪期(3月-5月)、非融雪期(6月-次年2月)的径流峰值以及全时段径流均值的参数敏感性,这些参数涉及降雨径流、积雪消融、蒸散发、下渗、地下水补给和壤中流等多种水文过程。同时,结合流域特征及参数物理意义,深入分析参数敏感的原因,并揭示参数背后的水文过程对开都河流域产汇流的重要影响。研究发现,坡面产流、下渗以及积雪消融等水文过程对开都河流域水循环具有重要影响。此外,对于寒旱区流域重要的融雪过程参数,其总敏感性显著而一阶敏感性不显著,表明通过EFAST方法得到的水文模型参数总敏感性更为合理。结果揭示了流域水文敏感因子及关键过程,为探索水循环机理,水文科学预测、管理流域水资源奠定了基础。     

Urbs水文模型及在长江流域防洪中的应用

中澳长江防洪及管理项目中引进水文Urbs模型,综合介绍了Urbs模型的基本原理以及在长江流域的应用情况.Urbs模型充分考虑流域下垫面水文特性的空间差异对流域降雨径流形成的影响,将流域分成若干个子分区,在各子分区上分别进行产汇流模拟并分段演算至流域出口断面.该模型是继新安江模型、API模型后在长江流域广泛适用的一种新的水文模型,对于长江水文预报中采用多模型比较,提高降雨径流预报精度,特别是无资料地区,具有较大的实用价值.     

紧水滩水库洪水预报方法与应用

介绍了紧水滩流域水文概况、报汛站网的布置及产汇流特点与机制．通过对流域历史洪水资料的统计和分析，寻求降雨径流各因子的成因关系．建立了一种能适用于本流域降雨径流预报的方法(五轴相关法与单位线演算法)．在应用中取得较好效果。     

龙门山区小流域降雨产流数值模拟研究

龙门山区小流域常由暴雨引发山洪泥石流等灾害,但由于数据的缺乏而无法明确其产流机制及发展过程.本文选取四川省龙溪河地区的山区小流域碱坪沟作为研究区域,利用基于物理概念的模型InHM对该流域的降雨产流过程进行分析.与实测流量数据的比较表明该模型在碱坪沟流域有较好的适用性.基于模拟结果分析了该流域土壤含水率以及地表/地下交换水量(入渗/出渗)在产流过程中的分布特征,结果表明:(1)土壤含水率以及地表/地下交换水量(入渗/出渗)在流域内不同位置分布不均匀;(2)在河道周边,Dunne产流机制占主要地位;(3)出渗常发生在河道周边;(4)流域内存在地下径流,且在总径流中占较大比例.该研究证实了InHM模型在西部山区小流域水文模拟中的适用性,也加深了对碱坪沟流域产流机制的了解,进而有助于明确该地区山洪泥石流灾害的产生机制.     

水库洪水实时优化校正预报模型的探究与应用

以经典流域水文模型——新安江模型为基础,耦合SCE-UA全局自动优化算法和AR自回归误差校正模型构建出适用于水库流域的洪水实时优化校正预报模型。根据实测的降雨径流过程对水文模型参数和流域状态变量参数进行全局优化实时校正计算,并依据预报降雨对未来一定时期内水库洪水过程进行高精度预报。选取亭下水库流域为实验对象,对亭下水库流域洪水分别进行初步预报和实时优化校正预报,两种预报结果比较分析显示,实时优化校正预报结果能更好地模拟实测洪水过程,其预报精度更高。     

基于水文水动力耦合模型的钱塘江流域洪水预报研究

基于实时水雨情监测数据的洪水演进机理模型叠加降雨产汇流水文模型可有效提高洪水预报精度。采用MIKE11的NAM水文模型与HD水动力模型耦合方法,收集和处理了钱塘江流域大量降雨、水位、流量等水文、地形资料,构建钱塘江衢州-澉浦段降雨径流-水动力演进模型,通过多次历史洪水资料进行率定和验证,从确定性系数、水量相对误差、洪峰相对误差、水位相对误差及峰现时差等多方面进行预报精度评定。结果表明：水文与水动力模型耦合方法可有效增加洪水预报模拟精度。     

基于参数不确定性的概率预报研究

水文模型参数的选取通常依靠经验判断或者依赖历史库中的不完备数据集进行自动优选,所选参数并不一定能够准确反映流域降雨径流特点,更不足以反映不同洪水涨落阶段洪水特征的变化。基于水文模型参数存在显著不确定性的客观事实,以随机参数驱动水文模型,并结合数值模型实现概率预报。通过东湾流域36场洪水模拟试验,揭示了水文参数不确定性对洪水预报结果的显著影响,提出的概率预报算法能够给出精确、可靠的预报结果,说明该算法能够降低水文模型参数所带来的洪水预报不确定性。     

基于参数不确定性的洪水概率预报研究

水文模型参数的选取通常依靠经验判断或者依赖历史库中的不完备数据集进行自动优选,所选参数并不一定能够准确反映流域降雨径流特点,更不足以反映不同洪水涨落阶段洪水特征的变化。基于水文模型的参数存在显著不确定性的客观事实,以随机参数驱动水文模型,并结合数值模型实现概率预报。通过东湾流域36场洪水模拟试验,揭示了水文参数不确定性对洪水预报结果的显著影响,验证了概率预报算法能够给出精确、可靠的预报结果,说明该算法能够降低水文模型参数所带来的洪水预报不确定性。     

流域有众多小水电站的锦江水库降雨径流预报

根据降雨径流相关原理,结合锦江水库流域地理环境、水文、气象、上游小型水电站众多特点,将该流域划分为8个单元区,并在各单元区建立一个虚拟水库,代替众多小水电站调节水量的水库降雨径流预报模型,应用于锦江水库水文预报系统。2008年至今共6年的入库流量短期预报实践证明,该模型预报精度高,在水库防洪发电、水库调度应用中效果优良。     

数字水文学的萌芽及前景

简要阐述了数字水文学产生的背景及主要内涵.指出数字化技术正在使水文要素的采集、传输、存储、处理和显示等产生根本性的变革.展示了迄今为止国内外学者在数字高程模型(DEM)平台上所取得的初步研究成果,包括:自动生成流域和水系,自动提取流域地形地貌特征,给出下垫面特性和降雨的空间分布的定量描述,揭示水文的规律和机理,构建具有物理基础的完全分布式水文模型等.事实初步证明,以信息化带动水文科技现代化将会给水文科学的发展增添无限生机.     

LL-Ⅲ模型在美国Baron Fork流域的应用

有物理基础的流域分布式水文模型对流域产汇流以及对洪水过程的模拟与预报一直是水文研究的重点.分析了美国Baron Fork流域的降雨产汇流特性,应用基于DEM的LL-Ⅲ水文模型对Baron Fork流域进行产汇流模拟及洪水预报,结果表明,从模型模拟精度来看,该水文模型在Baron Fork流域洪水预报、流量模拟应用中取得了较好的效果,可以在水文、地质、地貌、气候等方面与该地区类似的流域推广.     

基于长短时记忆神经网络（LSTM）的降雨径流模拟及预报

长短时记忆神经网络(LSTM)具有很强的时间序列关系拟合能力,非常适用于模拟及预报流域产汇流这一复杂的时间序列过程。基于LSTM针对不同预见期的径流预报分别建立了流域降雨径流模型,以探讨LSTM在水文预报当中的应用。模型采用流域降雨、气象及水文数据作为输入,不同预见期后的径流过程作为输出,率定期为14a,验证期为2a。结果显示,在预见期为0～2d时LSTM预报精度很高,在预见期为3d时预报精度较差,但仍优于新安江模型。隐藏层神经元数量作为神经网络复杂程度的代表既会影响模型预报精度,也会影响模型训练速度。而输入数据长度则仅会在预见期为0的条件下影响模型预报效果。