基于流溪河模型的乐昌峡水库入库洪水预报模型研究

采用流溪河模型构建乐昌峡水库入库洪水预报模型,通过"粒子群(PSO)"算法优选模型参数,并对实测洪水过程进行了模拟,对比模型性能。研究发现,采用流溪河模型的乐昌峡水库入库洪水预报性能优良,可满足乐昌峡水库入库洪水预报对精度的要求;模型参数优选可明显提高乐昌峡水库入库洪水预报流溪河模型的洪水模拟精度;"粒子群"算法具有很强的全局优化能力,快速的计算收敛能力,参数优选中种群进化次数在30次以内;乐昌峡水库的建成运行产生了一定的水库洪水效应,10场洪水平均峰现时间提前1.3 h,次洪径流系数增加1.596%,洪峰流量增加0.207%。该模型可用于同类水库入库洪水预报。     

新安江模型与水箱模型在马家沟水库洪水预报的适用性研究

洪水预报是重要的非工程防洪措施之一,是防洪指挥决策的主要依据。为避免单一模型预报结果的不确定性,以城固县马家沟水库为对象,应用新安江模型和水箱模型分别模拟了2019—2021年流域日径流和次洪水过程,并结合遗传算法率定优化的模型参数比较了模拟结果与精度。日模方面,水箱模型的模拟效果更优,洪量相对误差小于16%,洪峰相对误差小于4%,峰现时差小于1 h, Nash-Sutcliffe效率系数大于0.58,均达到了《水文情报预报规范》的评定精度要求,且对于水库大洪水的模拟效果也较为理想。次模方面,2个模型的峰现时差表现相当,新安江模型的模拟效果更平滑,水箱模型的洪量和洪峰模拟更贴近实测流量过程。整体来看,水箱模型比新安江模型更适合马家沟水库的洪水预报。     

基于NAM模型的白龟山水库入库洪水预报方案研究

白龟山水库是沙河漯河以上库容最大的水库,在沙河防洪体系中处于"上压、下控、左右挤"的关键部位,位置极为重要,在调节洪水中起着承上启下的重要作用。为充分发挥水库防洪作用,采用国外知名的流域水文模型-NAM模型开展了白龟山水库洪水预报研究,建立了洪水预报模型,用3场实测入库洪水有关数据率定了模型参数,并对参数进行了人工微调,应用该模型对10场实测入库洪水进行了模拟,模型预测的洪峰误差平均为-9.00%,预报精度较高,具有一定的实践意义。     

TOPMODEL水文模型在九龙江北溪流域洪水模拟中的应用

该文以漳平水文站站址所在河道断面以上的九龙江北溪流域为研究区域,利用数字高程模型(DEM)处理的地形指数和距离面积分布函数、区域自动气象站雨量资料作为TOPMODEL水文模型的输入资料,以水库坝址及水文站站址进行流域单元划分,分单元流域模拟重要洪水过程的逐时流量,以水库入库流量和水文站点逐时实测流量作为模型率定依据,优化调整可应用于研究区域的水文模型参数。研究结果表明:TOPMODEL水文模型在研究流域内对洪水过程总平均确定性系数为0.88,平均径流深误差为-4.63%,平均洪峰误差为14.92%;水库入库流量模拟效果好,确定性系数达0.90。这表明TOPMODEL对九龙江北溪流域洪水预报模拟有一定的适用性,可作为洪水预报的参考依据。通过结合更多的洪水过程数据不断优化调整模型参数,应用本地化TOPMODEL水文模型和区域数值预报产品的逐时降水资料,将为水库入库流量及中小河流流域精细化水文气象预报服务的开展提供客观定量的预报产品。     

基于神经网络的小型水库洪水预报研究

针对经验预测方法精度不高,传统水文模型应用至小型水库进行洪水预报工作量大、推广较难的问题,引入具有强大特征学习能力的人工神经网络(ANN)方法,结合遗传算法(GA)寻参,对小型水库进行洪水预报。利用GA实现ANN中时间步长和隐含层神经元节点参数自动寻优,可避免寻参盲目性,针对性地为各小型水库构建个性化洪水预报模型。通过构建反向传播(BP)、长短期记忆(LSTM)、门控循环单元(GRU)神经网络洪水预报模型,对实测洪水过程进行模拟对比试验。结果表明：LSTM模型预报精度高、稳定性良好,能学习并模拟实际洪水过程水位变化规律,预报性能优于BP和GRU模型。     

飞来峡水利枢纽基于DEM的分布式流域水文预报模型

利用飞来峡水利枢纽建库运行后的水文资料,建立基于DEM的分布式水文预报模型,对参数进行率定,并进行预报模拟。从模拟结果看,模型确定性系数、洪峰相对误差、径流总量相对误差等指标基本在可接受范围内,对大部分场次洪水的预报精度较好,洪峰流量合格率也较好,但整体上对洪峰的模拟值偏低,预报精度有待进一步提高。今后随着资料的不断延长和积累,对参数进行重新率定,其预报结果可应用于预报作业中。     

察尔森水库洪水预报模型的研究与应用

文章结合察尔森流域水文气象以及地形数据,在深入分析流域产汇流特性的基础上,建立基于子流域的流域降雨径流模型及河道水动力模型的洪水预报方案。对降雨产汇流过程进行模拟分析表明,该流域建立的预报模型水量总体平衡,洪峰及过程均满足精度要求,可以对暴雨洪水过程进行较好的模拟。2013年预报察尔森水库最大入库流量误差6.68%,最大8 d洪量误差仅为5.88%,验证了模型的适用性,为察尔森水库精细化调度提供了重要的技术支撑。     

葫芦岛地区洪水资源化水库调度模拟研究

研究对不同土壤含水状态下不同降雨情况的水库来水量、洪峰流量和洪峰出现时间等进行了论证;对不同土壤含水状态下不同起调水位的水库抗暴雨能力进行了计算。研究表明,经过水库防洪预报调度后,水库的蓄水量比多年汛后平均蓄水量大,拦蓄洪水量更多。将水库模拟预报与水库防洪预报调度相结合,以预报水库入库洪量为判别条件,以水库汛限水位为控制条件使洪水经过水库调节达到提前均匀泄流,在保障防洪效益的前提下最大地发挥兴利效益,提高了洪水资源利用率,实现洪水资源化。     

缺资料条件下赵村水库入库洪水集合预报研究

水库入库洪水预报对水库调度和水资源综合利用意义重大。在实测资料序列较短的赵村水库,新安江模型预报因为缺乏历史大洪水的信息,预报结果很可能偏小,借用设计入库洪水参数预报的入库洪水往往偏安全。鉴于此,尝试将2种方法的预报结果加权,在生产实践中应用效果较好。     

HEC-HMS模型在缺资料地区山洪预报的应用研究

以桃河阳泉小流域为例,探索了HEC-HMS模型在缺资料地区山洪预报的应用可行性。产流模块采用Green-Ampt模型、坡面汇流模块采用SCS单位线、河道汇流模块采用运动波,通过流域DEM、土壤、土地利用等下垫面信息获取了主要参数,构建了山洪预报模型。在1970—2015年的流量系列中筛选出14场典型洪水场次,对模型进行了验证。结果表明,验证期洪峰流量相对误差均小于10%,平均纳什效率为0.88,对于起涨和退水速度快的单峰型洪水,模拟效果较好,通过下垫面信息获取的模型参数准确有效,达到了山洪预报的技术要求。     

基于新安江模型的台风期间福州山区水库入库洪水预报

为对台风期间福州市区的洪涝灾害进行及时预警,采用新安江模型,建立了一套适用于台风期的福州市山区水库的入库洪水预报模型。由于水库资料较难获取,采用赤桥站的降雨径流资料对新安江模型参数进行了率定及验证,并将率定后的参数移植到各个水库进行验证。采用赤桥流域2007-2015年6场台风引发的洪水进行了率定模拟计算,采用2016年的2场台风引发的洪水进行验证模拟计算,将得到的参数移植到各水库子流域,运用八一水库及登云水库的降雨资料及由水库水位和水库泄流过程资料反推得到的同时段的入库流量资料,对新安江模型进行验证。结果表明:新安江模型在赤桥流域具有适用性,且对于雨型单一的降雨模拟效果良好。将赤桥流域率定得到的新安江模型参数移植到其他水库流域进行水库入库洪水预报的方法具有一定的可行性,可收集充分的资料进一步进行验证。     

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。     

新安江参数移植法在沿海中小水库入库洪水分析中的应用

运用中国洪水预报系统，采用新安江参数移植法对石康水库建立入库洪水预报方案，以2021年4月26日洪水为例，开展石康水库入库流量过程预报，并联合规程调度，预报水库最高库水位及库容，为沿海地区中小水库开展入库洪水分析及预报提供参考。     

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。     

垂向混合模型在湫水河洪水预报预警中的应用

针对半干旱半湿润地区的产汇流特点,采用垂向混合模型进行了洪水模拟与预报研究;面向洪水等级预警需求,提出了洪水等级与相对误差相结合的洪峰预报精度等级评价标准,并结合置信区间洪峰包含比这一评估指标,构建了洪水预报预警可靠性的综合评价方法。以黄河中游湫水河流域为例,选取流域出口林家坪水文站1980—2012年间洪峰大于300 m3/s的20场洪水进行模型率定与验证。结果表明:洪峰预报精度等级评价合格率在70%以上,可靠度为95%,优于新安江模型或陕北模型,在一定程度上能够满足当地洪水预报预警需求。     

提高汤河水库后汛期产流预报精度研究

汤河水库洪水预报方案在主汛期的产流、汇流精度均在90％以上，应用效果较好。但在后汛期（8月21日～9月20日）发生的洪水预报径流量比实际入库径流量偏大，预报精度较低，不能满足水库调度的需要。对汤河水库建库后的洪水资料进行了全面计算分析，通过修订模型参数，可使平均预报精度达到82％。     

地貌瞬时单位线在江西省无资料地区洪水预报的适用性研究

本文选取吉安南车水库流域为研究区域,基于吉安南车水库流域的原始地形高程,运用GIS技术提取流域内的三级河流,并得到模型所需的流域参数和地貌单位线。通过编程简化了计算过程,便于不同流域中重复使用,也为流域信息化集成提供了基础,计算得到的地貌单位线嵌入江西省吉安市水库防汛调度预报系统,完成了场次洪水预报。研究结果表明:对南车水库流域确定的6场洪水过程进行模拟统计,采用地貌单位线进行流域汇流计算,模拟结果洪量、洪峰、峰现时间的平均相对误差分别为17%、19%和3h,综合预报合格率50%。     

基于神经网络与遗传算法的洪水分类预报研究

针对水文模型参数的不确定性,对洪水进行分类预报,不同类型洪水采用不同预报参数,旨在提高洪水预报精度。基于BP神经网络模型,依据分类因子选取原则,选取6项具有代表性的影响因子作为模型输入,可将洪水划分成高、中、低3类。基于遗传算法,对3类洪水进行参数率定,获得3组不同的参数组,最终利用训练好的分类预报模型实现不同类型洪水的变参数预报。以大伙房水库25场历史典型洪水进行实例验证与分析,结果表明:分类预报结果的洪峰误差、峰现误差、确定性系数及典型洪水过程的拟合效果明显优于分类前。经训练后的基于BP神经网络与遗传算法的洪水分类预报模型可较好适用于大伙房水库,结果更贴合实测值,效果整体上优于分类前,方法可行、有效。     

基于HEC-HMS模型的大水峪水库洪水预报研究

为有效解决潮白河流域中小水库洪水监测、预报调度的实际问题，本研究选取潮白河流域内暴雨频发、山洪沟道密集、防洪库容偏小的大水峪水库为研究对象，基于HEC-HMS水文模型，构建大水峪水库洪水预报模型，为水库科学优化洪水调度提供依据。HEC-HMS模型是一个具有物理概念的分布式降雨径流模型，在洪水预报中具有广泛的应用。通过大水峪水库上游4场降雨洪水过程，对该模型进行了率定验证，洪峰流量场次模拟合格率为75%，满足乙级预报精度要求。分析表明该模型在大水峪水库洪水预报模拟上有很好的应用。     

基于TOPMODEL的分布式水文模型在中小流域的应用研究

及时准确的洪水预报可为防汛减灾、洪水风险评估、水资源调配管理等方面提供重要的理论指导和决策依据.本文根据TOPMODEL和一维水动力学原理,构建了一套适用于中小流域的松散型分布式水文模型,筛选了40场代表性洪水,对模型的模拟精度进行了评价.结果表明：所有场次洪水模拟结果的峰现时间误差绝对值合格率为97.5%、达到甲级预报精度,洪峰相对误差合格率为75%、达到乙级预报精度,效率系数合格率为77.5%、可达乙级预报精度.本文构建的松散型分布式水文模型,模型参数少、运算速度快且具有较强的物理机制,可为分布式水文模型在实时洪水预报领域的应用提供一条新思路.