新安江模型在董铺水库洪水预报中的应用研究

针对大中型水库的水位观测资料较丰富,库区存在着难以观测的直接入库径流及主要入库河道径流观测资料缺乏的现状,以安徽省合肥市董铺水库流域为例,将水库流域划分为陆面和水面两部分,水面按直接产流计算,通过水库水位和水库泄水、用水资料反推入库径流过程,采用实码加速遗传算法对日模型和次洪模型的参数进行率定,构建了基于三水源新安江模型的董铺水库洪水预报模型。对董铺水库坝址以上所控制流域进行了模拟计算,日模型率定期14年中,径流深合格率为92.9%,确定性系数为0.94;日模型验证期18年中,径流深合格率为100%,确定性系数为0.93;次洪模型率定期34场洪水中,径流深合格率为88.2%;次洪模型验证期26场洪水中,径流深合格率为92.3%;60场洪水时水库水位推算合格率90%;方案整体预报精度达到甲级。研究结果表明考虑大中型水库流域产汇流特点和水文观测资料的现状,将水库流域的产流分为陆面和水库水面两部分,反推入库径流过程,基于三水源新安江模型进行大中型水库的洪水预报是可行的,其预报精度达到水库洪水调度的要求。     

基于多方法优选预报因子的天山西部山区融雪径流中长期水文预报

为实现天山西部山区喀什河流域冰川融雪区域的水资源可持续开发利用,更好地支撑所在区域工农业生产发展,有必要开展融雪径流中长期水文预报研究。基于相关系数法、主成分分析法及两种方法相结合的综合方法优选预报因子,采用BP神经网络模型和组合小波BP神经网络模型预报径流。结果表明,采用综合方法筛选出的预报因子集合可以得到更好的预报结果;组合小波BP神经网络模型在3个不同方案中的预测效果均优于BP神经网络模型的预测结果,其预报精度更高。研究成果可为该区域融雪径流模拟研究及洪水预报提供参考。     

基于地貌类型的岩溶小流域产流模型

针对广西横县镇龙乡小流域岩溶结构发育、地下暗河分布广泛、汛期多强降雨及产流过程中地下径流丰富、出流过程非线性、流域不闭合等特点,研究了岩溶小流域不同地貌类型的产流规律,将岩溶地区下垫面分为土壤覆盖区与岩溶裸露区,分别运用蓄满产流模型模拟土壤覆盖区产流,水箱模型模拟岩溶裸露区产流,进而模拟流域总产流,建立了基于地貌类型的岩溶小流域产流概念性水文模型,利用岩溶小流域2010~2011年9场洪水资料进行模型参数率定,2012年4场洪水进行产流量验证。结果表明,模型在岩溶区的模拟效果较好,其预报相对误差范围为4.15%~18.49%,均值为13.82%,但对于前期影响雨量较大、降雨历时长的洪水,水箱模型产流模块产流量更大,受到降雨影响更为敏感,模拟精度相对更高。     

遗传模拟退火算法在综合产流模型中的应用

针对确定综合产流模型的参数与模型精度关系密切,提出了将遗传模拟退火算法应用于综合产流模型的参数优化中,并以汤河水库流域为例进行了径流预报.结果表明,该法有效、可行,对改善综合产流模型初始优化参数、提高洪水预报模型的预报精度具有一定的理论研究意义和实际应用价值.     

基于SIBCC算法的含风电场的配电网无功优化

针对传统的无功优化算法在求解含风电场的配电网无功优化问题时存在的局限性,充分考虑风电出力的随机性及间歇性,将风电机组作为连续的无功源参与电网的无功优化,针对1 d中不同时段的风速变化情〖JP2〗况,建立包含有功网损及电压偏差的综合无功优化模型,并提出一种基于子空间的细菌群趋药性算法（SIBCC）〖JP〗参与无功优化计算。最后以改进IEEE33节点系统为例进行仿真计算,验证了所提方法的有效性及实用性。     

年径流变化的BP神经网络预报模型研究

针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。     

基于参数分解法的无资料流域洪水预报研究

针对目前无资料流域洪水预报方法存在的不足,提出了参数分解法,即利用武江流域控制站犁市水文站1980~1996年43场降雨径流资料作为模型参数率定资料,分别率定武江流域大、中洪水的新安江洪水预报模型参数,并以1997~2004年16场降雨径流资料进行检验,在模拟和检验达到较好的结果后,再利用参数分解法推求武江流域内田头水子流域大、中洪水的新安江洪水预报模型参数,并利用田头水59场降雨洪水实测资料对模型进行验证。结果表明,利用该方法建立的田头水子流域洪水预报模型预报大、中洪水的验证精度均达到乙级以上标准。     

龙角山水库入库洪水实用预报方法对比研究

为提高流域洪水预报精度,以山东半岛龙角山水库为例,利用25场洪水资料,选择降雨径流经验相关法和新安江模型对比分析二者的预报精度.结果表明,降雨径流经验相关法在率定期和验证期的地面径流深预报合格率分别为94.1％、87.5％,精度为甲等级别;新安江模型洪峰、峰现时间和径流深三个预报项目平均合格率在率定期、验证期分别为84...     

基于遗传程序设计的中长期径流预报模型研究与应用

应用遗传程序设计建立径流中长期预报模型,结合径流序列数据的特点通过自相关分析确定其滞时输入变量的个数,采用均方误差作为其适应度评价函数,以漫湾实测月径流序列(1953~2003年)和洪家渡实测月径流序列(1951~2004年)为例,通过与ARMA模型、人工神经网络模型的预报结果比较,显示该模型应用于径流中长期预报简单易行且精度较高。     

基于加权秩次集对分析法的年径流预报模型

针对秩次集对分析方法在年径流预报中存在的问题,对其历史集合中的各元素所在位置与后续值的位置之间的间隔赋予了不同的影响权重,构建了年径流加权秩次集对分析预报模型,给出了模型在年径流预报应用中的步骤,利用黑河干流莺落峡站1945～2009年的实测径流资料检验了该模型的有效性,并与秩次集对预报模型、ARIMA预测模型及BP预测模型的预测结果进行了比较。结果表明,加权秩次集对预报模型的平均误差为12.29%、合格率为100%,本文对秩次集对预报模型的改进有效、可行。     

青海湖流域径流变化趋势及归因分析

针对青海湖流域近年来径流量增加的现状,根据流域内1976~2016年水文、遥感观测数据,采用滑动平均法、Mann-Kendall趋势检验及突变检验法、距平累积法和双累积曲线法研究了流域气温、降水、径流及积雪等的时空特性。结果表明,青海湖流域气温总体变化呈上升趋势,并在1998年前后发生突变;1976~2016年气温上升率为0.06℃/a;流域内降水量呈缓慢上升,2014年后降水量显著增加。布哈河流域近5年冰雪覆盖面积缩小较迅速且入湖径流量上升趋势显著;通过径流影响因素分析,2005~2015年冻土及冰雪融化对径流影响占主导地位,达75%,降水量占25%。这说明青海湖流域正向暖湿化发展,近年来青海湖湖泊的扩张主要是由降水和径流增加所致。     

基于气象因子的汛期径流预报模型

针对现有汛期径流预报方法的缺陷,从物理成因出发,采用投影寻踪方法从74项大气环流因子中筛选出影响汛期总径流量的主因子,结合汛期前期降雨量进行相似分析获取相似年份,构建基于气象因子的汛期径流预报模型。以长江流域关键断面汛期来水预报为例开展了模型的实例研究,结果表明,该模型考虑了气象因子对长期径流变化的影响,对汛期总径流量的预报以及汛期月径流预报的精度均高于门限回归模型,是汛期径流预报的一种行之有效的方法。     

基于相空间重构和GA-BP网络的径流预测

将相空间重构理论与神经网络以及遗传算法相结合提出了径流时间序列预测模型,通过相空间重构将一维径流时间序列拓展为多维序列,挖掘了更为丰富的信息,反映出系统的非线性特征,有利于神经网络建模和训练。研究表明,基于相空间重构理论的遗传算法和BP神经网络组合模型可较好地解决径流预测。以深圳宝安铁岗水库月径流为例,采用小波消噪对数据预处理,利用遗传算法训练BP神经网络,计算结果表明模型具有较高的预测精度。     

基于相似过程衍生的月径流概率预报模型研究

针对传统月径流预报模型存在的缺陷,建立了相似过程衍生法与概率预报相结合的月径流概率预报模型。运用相似过程衍生法发布确定的预报结果,在定点预报的基础上利用概率预报提供一定置信水平下的预报区间作为模型预报结果。模型结构简单、易于构建且建模过程中无需考虑预报因子的选择问题。将该模型与BP神经网络模型进行对比仿真试验,结果表明该预报模型具有较好的预报精度,且合格率高于BP神经网络模型,可在水库月径流预报中推广应用。     

ENSO事件影响下长江大通站汛期径流预测建模分析

从环流指数和ENSO事件指数出发,考虑到大尺度环流系统和海温影响的长期性,使用滑动平均方法对预报因子做前期处理,计算了预报因子在2、3、6月尺度的滑动平均值。在此基础上采用BP神经网络建立了长江大通站汛期径流预测模型（BP-Pre）,重点对ENSO事件影响下的径流极值进行预测。为验证模型可行性,采用均生函数模型和利用传统因子建立的BP模型（BP-Ori）作对照分析并进行精度评价。结果表明,部分因子在滑动平均处理下Spearman秩相关系数得到提高;历史平均上,大通站汛期径流与前年发生的ENSO事件关系密切;事件类别不同,对应径流也相对偏大或偏小;BP-Pre模型在率定期拟合效果不及均生函数模型和BP-Ori模型,但从多方法综合评价分析来看其检验期的预测精度更高,对径流极值预测更为精准。     

MCEEMD-HGWO-MGU混合模型在径流预测中的应用

为分析径流非线性特征对预测精度的影响,在改良的互补集成经验模态分解(MCEEMD)基础上,建立混合灰狼优化算法(HGWO)与最小门控单元(MGU)混合的径流预测模型,并利用该模型预测黄河下游三个水文站处的月径流.选取纳什效率系数和合格率评价模型性能,并选择多个误差指标与其他模型进行比较.结果表明,与其他模型相比,MCE...     

基于LH-BP松散耦合模型的日径流预测

鉴于基流过程对降雨不敏感,致使传统的BP神经网络日径流预测性能受到制约的问题,结合LyneHollick(LH)数字滤波算法和BP算法的优点,建立了基于LH分割基流与BP神经网络日径流预测的松散耦合模型(LH-BP)。先采用LH数字滤波算法分割出基流,再利用BP神经网络预测锦江流域四个水文站的直接径流和基流。结果表明,LH-BP耦合模型较传统的BP模型性能更优,弥补了传统的BP模型对日径流模拟与预测的不足。     

基于逐步回归—LMBP算法的大通站旬径流与月径流预报

为提高长江干流大通站旬径流与月径流预报精度,选取大通站1980~2012年各旬、各月径流观测资料及国家气候中心同期发布的72项大气环流资料,采用逐步回归法—LMBP算法对大通站的旬平均径流序列进行模拟和预报,并与月尺度径流序列的计算结果做了对比。结果表明,预测值与原序列的趋势基本相同,旬尺度的径流预报精度高于月尺度的预报精度,表明时间尺度的选择影响径流预报的精度。