基于GBDT的实时洪水预报误差校正方法

洪水预报实时校正是提高预报精度的有效途径。通过研究实时洪水预报误差系列构建方法,引入GBDT方法建立误差校正模型,并采用粒子群算法优选模型参数,选用洪峰段洪量相对误差、洪峰流量相对误差、确定性系数等指标评估实时校正效果。对淮河流域王家坝站点的实例应用结果表明,无论是率定期还是验证期,基于GBDT的实时预报误差校正方法精度均优于经典AR方法和KNN方法,各项指标精度均有不同程度提升,可有效提高实时洪水预报效果,且稳定性较高。     

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。     

BPPR网络模型在寸滩站洪水预报中的应用

以寸滩站为例,针对建立复杂区间入流河段洪水预报系统是水文预报领域的难点、峰值预报精度是洪水预报过程的关键,采用BPPR网络模型,构建了寸滩站BPPR洪水预报模型,并预报了寸潍站2008～2010年的洪水过程.结果表明,该模型对洪峰的映射及洪水过程的模拟精度较高,预报效果理想.     

基于集合卡尔曼滤波的实时校正技术在流域洪水预报中的应用

为提高金华江流域实时洪水预报精度，建立了耦合MIKE 11 NAM与MIKE 11 HD的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型，实现了金华江流域洪水预报实时校正。流域洪水预报模型对流域内主要站点的模拟效果较好，洪水流量和洪水水位模拟精度较高；实时校正模型在预见期10 h以内，校正效果随预见期增加而降低，在预见期前期可有效降低预报误差。整体上，建立的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型能够满足金华江流域洪水预报应用要求。     

基于集合Kalman滤波的河道洪水预报研究

为提高河道洪水预报精度,研究了集合Kalman滤波法与最小二乘法对马斯京根模型参数率定的河道洪水预报技术,并以长水-白马寺实测洪水为例进行了对比检验,探讨了集合Kalman滤波法的多时段预报洪水过程及其特点.检验结果表明,应用集合Kalman滤波技术优于最小二乘法的预报效果,可有效提高河道洪水预报的精度并能适度延长预报时段.     

基于动态水位流量关系的水动力洪水预报模型研究

鉴于下边界条件对水动力洪水预报模型精度的影响,采用提高下边界条件的质量来提高洪水预报精度,在考虑中下游地区洪水易受变动回水顶托影响的基础上,提出了动态处理水位流量关系下边界的方法,即利用最新信息,并采用分段线性拟合的方法动态拟合新的水位流量关系作为下一时刻的边界条件进行洪水预报,使模型边界具有一定的实时修正功能。在资水流域水动力洪水预报模型中的应用表明,该方法预报精度较高。     

基于模拟退火算法的河道糙率反演

河道糙率是河道水动力模型中的重要参数,其取值直接影响计算结果的精度。将模拟退火算法(SA)引入到河道糙率反演中,建立了糙率优化反演模型,通过概化河网对模型的优化性能进行验证,结果表明该模型不依赖于初值选取,具有良好的全局优化特性。应用该模型反演黄河干流兰州段糙率,取得了较好效果。研究成果可为河道糙率反演计算提供参考。     

洪水扩散波实时水位预报模型及其算法

运用洪水扩散波理论建立了河道水水位实时预报模型，改进了Ｔ．Ｋ．Ｆｏｒｔｃａｃｎｅ时变遗忘因子最不二乘估计时变参数的递推算法，经淮河河段的洪水实时水模拟预报应用，表明所建立的模型和实时递推算法对于河道洪水水位短期预报是有效的。     

乌溪江梯级水库洪水预报精度提高的方法

为提高乌溪江梯级水库洪水预报精度,对洪水预报精度的影响因素进行了分析,找出了提高洪水预报精度的方法,即增加自动测报雨量测站点数量、对流域小水电的开发情况进行详细调查并对有调蓄能力的小水电安装压力式水位计进行实时水情自动监测。经过2011、2012年的大洪水预报检验,雨量测站的增设更能反映流域降水实况,小水电的实际出流过程可对洪水初期的扣损进行调整、对中期进行流量修正,预报取得了良好的效果。     

长江河口段潮位预报及实时校正模型

针对长江河口段潮位周期性变化规律,采用调和分析法建立了潮汐预报模型,根据对分析期若干年潮位推算揭示了误差与上游径流闻关系,并建立了以上游大通水文站实测流量为输入的实时校正模型.潮汐预报模型与实时校正模型相结合,既可提前预知长江河口段的水情,又能根据动态掌握的大通流量信息对前期预报结果实时校正以提高预报精度,对类似河段的潮位预报具有参考价值.