基于贝叶斯分析的概率洪水预报模型研究

根据贝叶斯分析,用先验分布考虑水文要素的自然不确定性,用似然函数描述水文模型和参数的不确定性,通过亚高斯模型对实际流量与模拟流量进行正态分位数转化,并对转化后的时间序列进行线性-正态假设,得到实际流量的后验密度函数的解析解。利用白云山水库的资料进行检验,结果表明贝叶斯概率洪水预报可显著提高预报精度,实现了预报与决策的有机结合。     

组合预报方法在洪水预报模型中的应用

针对流域水文模型预报中的不确定性问题,采用简单平均、最优线性组合、最优非线性组合三类4种组合方法构建了新安江模型、垂向混合产流模型和Tank模型相结合而组成的组合预报模型,以日照水库和东张水库入库洪水的各种实测特征值作为评价各种组合预报模型计算结果精度的指标,进而优选出相对稳定且精度较高的2种组合预报方法。与新安江模型相比,该组合预报方法在降低水文预报不确定的同时,有效提高了洪水预报精度。     

分布式水文模型在洪水预报中的对比研究

为提高洪水作业预报精度和及时程度,采用以GIS为基础的LL-Ⅱ分布式水文模型,选用增江流域应用较好的新安江水文模型进行洪水预报对比研究。结果表明,LL-Ⅱ分布式水文模型的模拟效果更好。     

基于贝叶斯模型平均法的洪水集合概率预报

为提高洪水预报模型的精度和可靠性,基于贝叶斯模型平均方法(BMA),结合水动力学模型和统计相关模型,对秦淮河流域东山站水位进行多模型集合预报并进行模型率定与验证。结果表明,BMA的预报确定性系数CCE均高于水动力学模型和统计相关模型,且均方差RRSME最小;BMA法降低了单一水文预报结果的不确定性,保证洪水预报具备较高的精度,并提供了洪水水位的置信区间,为防洪规划提供了依据。     

松涛水库入库洪水预报流溪河模型研究

为准确、可靠地预报松涛水库入库洪水,基于流域降雨量和下垫面物理特性,探讨了分布式水文模型流溪河模型在松涛水库入库洪水预报中的适用性.结果 表明,流溪河模型在松涛水库流域对场次洪水有较好的模拟效果,34场洪水模拟的确定性系数均值达0.869,洪峰误差均值为0.1.以洪峰流量的20％作为许可误差,松涛水库预报方案合格率为7...     

BFS在洪水预报中的应用研究

采用贝叶斯预报系统(BFS)水文不确定性处理器(HUP)对水文预报不确定性进行分析,实现概率洪水预报。以新安江流域水文模型为洪水预报模型提供流量初始预报系列,通过亚高斯模型对流量初始预报系列及实测系列分别进行正态分位数变换,由贝叶斯公式得到预报变量的后验概率分布并进行洪水过程的概率预报,采用分布点估值定值预报,并可通过构造置信区间对点估值预报的不确定性进行评估。以南一水库流域为例,将BFS后验概率分布均值与新安江模型预报进行对比,结果表明BFS可提高预报精度。     

基于水文—水力学耦合的淮河中游河道洪水预报及不确定性分析

淮河王家坝至鲁台子的中游干流,河道平缓,复式断面特征明显,单纯以传统的水文模型进行洪水预报难度较大。为此,利用新安江模型进行上游及区间入流预报,采用MIKE11水动力学模型进行主要支流及干流洪水演算,从而建立了淮河中游河道洪水预报方案。选取1990~2012年间的场次洪水资料,采用SCE-UA优化算法分别对新安江模型参数和MIKE11的糙率系数进行率定与验证,并使用水文不确定性处理器(HUP)对预报结果进行不确定性分析。结果表明,模型预报结果具有较高精度,不确定程度较小,并可提供某一置信度的预报区间,为实时作业提供参考。     

基于BP神经网络的大伙房水库洪水预报

鉴于大伙房水库洪水预报模型为集总式模型,其参数不仅需要优选法选定或人工试错法确定,还需要实时校正,因此根据大伙房流域特点提出了一种半分布式BP神经网络洪水预报模型,实现了模型中参数的自动率定,且由于其半分布式的特点还规避了原集总式模型的部分劣势。即采用DEM和ArcGIS根据水文站及自然流域分水线划分流域,创建BP神经网络,然后应用于各子流域断面及入库断面,预报其流量值,并在每个网络中均运用逐步回归分析法对输入层数据进行筛选,以得到影响最显著因子。将所建模型应用于大伙房水库,预报精度较好,可用于大伙房水库的正式预报。     

安康水电站入库洪水预报模型的初步研究

模型包括由已降雨量和预报雨量进行入库洪水预报两个部分.第一部分重点阐述水库形成后水力条件及水文特性改变对洪水的影响问题,并提出与之汇流特性相适应的计算方法.第二部分着重对降雨发展过程中未来短时段降雨量估报的可能性及其计算途径进行研究,以增长入库洪水预报的预见期.     

基于HEC-HMS的西南山区中小河流洪水预报研究

针对目前中小河流洪水预报难度较大、预报精度偏低的问题,以西南山区荥经河流域为例,基于HEC-HMS构建了荥经河流域分布式水文模型,以2009～2018年23场洪水进行参数率定,4场洪水进行模型验证.通过参数敏感性分析和有效率定,模拟的洪水过程与实测洪水过程吻合较好,其中模拟洪峰流量平均误差为6.81％,平均纳什效率系数...     

多源降水信息在海河流域洪水预报中的应用

将气象数值预报降水格点信息、雷达反演降水信息插值到实测雨量站点中,分别通过覆盖、插补方式将插值的雨量信息统一整合到标准的实时水雨情库中,从而实现与该站点实测信息的融合,从降雨数据层面实现了测站的历史、实时、未来降水信息的统一。在此基础上,利用现有水文预报系统进行多源降水信息支持下的洪水预报,在确保一定精度的前提下,延长了洪水预报的预见期。将该方法应用于2012年海河流域洪水预报和防洪调度中,取得了较好的效果。     

神经网络在洪水实时预报中的应用研究

建立了一种基于神经网络的洪水实时预报模型。运用向后演算法，该模型的权重系数可以在每一时间步长上进行自动更新，较好地反映了实际水文过程和参数的时变性；由于该模型不再需要单独的误差序列实时校正模型，因而更加简洁。最后利用淮河鲇鱼山水库1975－1999年的小时降雨和入库洪水资料对模型参数进行了率定和校核。结果表明，洪水实时预报的效率系数超过96％，洪峰值合格率为92．5％，峰现时间误差都在1h以内。     

K均值聚类分析方法在洪水预报中的应用

针对在洪水预报中历史信息未得到充分利用的问题,采用K均值聚类分析方法对历史洪水进行聚类,并分类进行新安江模型的参数率定,通过计算洪水指标到各聚类中心的距离来判别即将发生洪水的归属类别,根据判别结果采用对应类的参数进行预报。结果表明,该方法扩大了信息的利用量,提高了洪水预报的精度。     

基于短期定量降水预报的隔河岩洪水预报研究

统计分析了清江流域短期定量降水预报不同降水等级下的确率、漏报率和空报率,应用最近邻抽样回归模型对逐日降水预报资料行时段分配,将得到的逐时段降水预报资料与所建清江隔河岩水库洪水预报方案相耦合,发布考虑预见期降水的洪水预报。结果表明,考虑预见期降水可显著提高隔河岩水库的洪水预报精度。     

HEC-HMS模型和TOPMODEL模型在东庄流域山洪预报的应用研究

水文模型是山洪预报的理论依据,不同模型间的结构、适用性、精度均不同。为探究HEC-HMS模型和TOPMODEL模型的特性及其模拟效果的差异,选取东庄流域10场代表性洪水,以峰现时间误差、径流深误差、时间误差和确定性系数为检验指标,进行场次洪水模拟。结果表明,两模型的预报方案在东庄流域模拟中各评定指标均达标,率定期均为甲等精度,验证期均为丙等精度。HEC-HMS模型和TOPMODEL模型对蒸散发的差异性参考,使得在半干旱区HEC-HMS模型的适用性更好。研究成果对于HEC-HMS模型和TOPMODEL模型在该区域的应用及防灾减灾有重要意义。