基于一维水沙模型的三峡库区泥沙预报初探

为了得到结合短期水雨情和水库调度信息的水库泥沙预报,以指导水库泥沙实时调度,通过研究,建立了基于水雨情预报及水库调度信息的三峡水库短期泥沙预报模型,即建立以短期水雨情预报和水库调度信息为边界条件和适用于三峡库区的一维水动力学水沙数学模型。利用2006～2007年三峡工程库区清溪场、万县和坝前的水文资料对模型进行了率定,率定的模型分析了2007年7月洪水过程的库区泥沙运动情况。模型模拟结果与实测成果的对比分析表明：模型在库区沿程水力要素、悬移质含沙量及水库淤积量的模拟方面具有一定的精度。      

做好泥沙预测预报 服务一流三峡工程

长江委水文三峡局地处三峡工程所在地湖北宜昌,在三峡工程论证及建设时期,收集了丰富的河道水文泥沙资料,为工程建设提供了强有力的技术支持,并在多年的服务工作中培养了一支精干的技术力量,单位事业也取得了长足的发展。近年来,随着三峡工程的建成运行,做好工程运行期的水文泥沙     

人工神经网络与遗传算法在多泥沙洪水预报中的应用

由于水沙作用机制和演进规律的复杂性，以及河道形态变化等因素，多泥沙洪水预报一直是洪水预报的难点，对高含沙洪水快速、准确的预报是多年来国内外专家十分关注的课题。作者采用具有高度非线性识别能力的人工神经网络与遗传算法相结合的方法，探讨了建立智能预报模型的基本方法，进一步对如何提高预报精度的问题进行了研究，并结合黄河洪水预报实例检验了神经网络模型的可行性。检验结果表明，该方法能够较好地识别多泥沙洪水的演进规律，对水位、流量和含沙量都能进行合理预报。     

梯级-关联算法在多泥沙河流含沙量预报中的应用

本文借助历史加成法处理样本数据，并分别利用梯级-关联算法(CC)和误差反馈传播算法(BP)建立模型对黄河下游夹河滩水文站汛期含沙量进行预报。传统BP网络需要预先设定网络结构，预报过程虽利用了神经网络的内插特性，但其样本的处理方式和网络构建方式使得运算效率较低；CC算法仅要求初始网络含有输入层和输出层，通过运算不断向网络增加隐含节点，从而最大限度的减少了在网络构建过程中的主观因素。本文比较了当预报的峰值超出训练样本取值范围时两种算法的表现，结果显示：当预报的峰值为训练样本峰值的2.45倍时，二者均能实现较为准确的预报，BP网络在预报精度上要略高于CC网络，但CC网络在运算速度上要明显快于BP网络。     

用聚类预报模型预报三峡水库来水量的探讨

为了开展三峡水库入库来水量长期预报,从北半球500 hPa高度场、太平洋海温场、北半球100 hPa高度场、北半球地面气压场与74项环流特征指数作为预报因子,采用回归方程求解和回归效果检验,建立回归聚类预报物理模型,对三峡水库6～8月各月平均来水量进行了长期预报分析。结果表明,三峡水库6~8月份各月来水量回归聚类预报的技术路线是可行的,正、负距平符号一致的概率能达到80%以上,效果较好,基本上可以满足生产需要。回归聚类预报物理模型具有一定的应用推广价值。     

基于BP算法的龙门站含沙量预报模型

针对目前各种传统水文含沙量预报方法的不足,考虑吴堡至龙门区间入流的影响,建立了基于神经网络的BP预报模型,对龙门站最大含沙量进行了预报,并利用实测资料对模型的模拟效果进行了验证,预报精度比较理想.     

应用回归聚类预报物理模型预报三峡水库月平均来水量的试验与探讨

利用回归聚类预报物理模型进行长期预报，是水文预报方法上的进步，它不仅可以减少各个类型预报因子的回归预报值之间的矛盾，而且也可以减少个别预报因子的极端值对综合预报意见的影响。回归聚类预报物理模型提高了定量预报的可靠性，也比较客观。利用1960～2006年500hPa高度场、海温场、100hPa高度场、地面气压场与74项环流特征指数五类因子和三峡水库6～8月各月平均来水量资料，运用线性相关理论，采用回归分析方法对三峡水库6～8月各月平均来水量进行长期预报分析，试图探讨出一种可行的新预报方法。试验结果表明该回归聚类预报物理模型是可行的，具有一定的应用推广价值。     

基于误差修正的BP神经网络含沙量预报模型

以黄河龙门—潼关河段作为研究区域,在分析区间来沙来水对含沙量影响的基础上,建立了基于BP神经网络的潼关站含沙量过程预报模型。同时,为提高预报模型的预报精度,利用误差序列建立了相应的误差自回归模型对预报结果进行校正。校正前后泥沙过程的对比分析表明,校正后的泥沙过程预报精度有较显著的提高,5场验证泥沙场次的平均确定性系数由校正前的0.35提高到校正后的0.76。     

三峡特大流域洪水预报方案应用与分析

摘要：基于三峡工程572个遥测站点,进行三峡以上覆盖面积约39万km2流域的洪水预报方案制作,通过2008年汛期7场洪水的检验,证明方案可行、满足需要。洪水预报实践经验表明：多模型多方案组合预报、半分布式模型选用和通过相关关系确定各单元河网汇流参数以及流域分级预报、逐级检验是大型、特大型流域预报方案成功制作的关键;同时未来降雨接入、实时校正是提高实时预报精度、增长预见期的有效手段。     

基于悬移质泥沙分布理论的泥沙扬动流速公式

扬动流速是泥沙由间歇性滚动、滑动、跳跃运动转化为悬浮运动的临界流速,确定扬动流速对于预判沙质河床冲淤状态具有重要意义。在回顾前人研究成果的基础上,认为扬动流速概念适用的对象主要是非黏性沙质颗粒,它们的扬动状态同含沙量垂线分布图形存在的关系较为清晰,从而依据张红武及张罗号先后建立的含沙量垂线分布公式分别计算了不同悬浮指标下相对含沙量为0.85时的相对水深,得到一定水流条件下的颗粒悬浮高度拟合关系式,再通过假定泥沙扬动的临界状态为颗粒实际离开床面的运动高度已达相对水深0.03,即可得出泥沙扬动流速公式。通过与沙玉清和张罗号扬动流速公式的比较以及沙质河床实测水沙资料的检验,结果表明本文建立的泥沙扬动流速公式能较好地描述天然河流的泥沙扬动规律。     

水库径流预报的递阶结构组合模型研究与应用

由于传统水库径流预报模型未充分考虑单个模型的预报信息,且缺乏对单一模型及其预报结果的前期预处理,为此引入预报精度和预报稳定性两个评价指标,基于对各单一模型及其预报结果的前期预处理,分步确定各单一模型的权重,建立了水电站水库径流预报的递阶结构组合模型。应用于三峡水库的计算结果表明,所建组合模型能够充分利用各单一模型的预报信息,其预报精度和预报稳定性较单一模型都有一定程度的提高,可为水电站水库入库径流预报提供多模型综合的预报信息,对水库调度运行计划的合理制定提供一定的技术支持。     

基于机器学习模型的短期降雨多模式集成预报

短期降雨预报对洪水预报和水库调度极为重要,提高短期降雨预报精度有着重要的意义。以TIGGE资料中心的ECMWF、CMA及NCEP三个集合预报中心发布的桓仁水库流域预报降雨数据为基础,利用ANN、ELM以及SVM模型对桓仁水库流域未来1～3d降雨进行多模式集成预报,以期提高预报精度,并从绝对平均误差、均方根误差、相对误差、纳什系数、预报准确率等多个方面分析了集成预报的效果。试验结果表明,基于SVM和ELM的多模式集成预报模型预报效果均优于单一模式,基于ANN的集成预报模型在输入因子选择合适的情况下,其预报效果也优于单一模式,三种模型中,SVM模型对降雨预报精度改善最为明显。说明基于机器学习模型的多模式降雨集成预报方法可行且能够提高短期预报降雨精度。     

考虑预见期降水的三峡水库区间洪水预报模型研究

 选用长江三峡水库区间流域的历史雨洪资料与短期定量降水预报资料,编制三峡水库区间流域洪水预报模型,并将区间定量降水预报与区间洪水预报模型相耦合,研究了预见期降水对洪水预报的影响。提出了一个随机降水模型,随机生成 500组序列作为降水预报值输入到区间洪水预报模型,并以均值作为预报结果发布。方案比较结果表明,考虑预见期内的降水预报可提高三峡水库的洪水预报精度。     

基于大气环流和海温场的降水组合预报模型

针对降水具有混沌性和随机性,准确进行长期降水预报难度高的问题,提出时变海温多极指数和因子预报意见指数,基于大气环流和海温场构建长期降水组合预报模型,以三峡水库流域为例进行了验证。结果表明：组合预报模型在三峡水库流域1961—2020年汛期的月降水预报中有较好的适用性,特别在6月和9月降水预报上表现优异;与多因子回归、随机森林数理统计模型和CFSv2、ECMWF system 4动力数值模型相比,该模型更为稳健、预报精度提高显著。     

基于洪水预报模型的哈尔滨站预报

在分析哈尔滨站水文气象特性的基础上,探讨了基于中国洪水预报系统的哈尔滨站洪水预报方法,相对于常用的相关图预报方法,能满足实际工作的需求。     

基于分形插值理论的水库泥沙淤积量模型构建

水库泥沙淤积量的科学预测对于水库的合理调度、综合效益的发挥有着重要的意义。为了准确预测水库泥沙淤积量,首先,基于分形理论,探讨了基于分形插值的、具有外推功能的预测模型构建方法;其次,通过实例验证了水库泥沙淤积量变化具有较好的分形特征;最后,利用分形插值预测模型对未来时间点水库泥沙淤积量进行了预测。实证分析表明:采用这种方法构建的水库泥沙淤积量模型具有较高的可靠性,且便于编程,因此是一种实用性较强的水库泥沙淤积量模型建构方法。     

基于神经网络的水沙运动预报模型与回归模型比较及应用

河道水沙运动过程中是一个复杂的非线性动力学过程，鉴于神经网络具有很强的处理大规模复杂非线性动力学系统的能力，本文将神经网络理论应用于河道水沙运动规律的模拟与预报，以期识别水流泥沙运动变化过程与其影响因素因子之间的复杂非线性关系，为河道水沙模拟和预报提供一条新的方法和途径。在此基础上将神经网络模型与传统回归模拟进行了对比分析并用于螺山站流量大于5000m^3/s的水沙规律模拟，两模型模拟结果与实际水沙规律一带，神经网络模型在水沙因素选择方面回归模型简单，有较成熟的数学理论基础，而回归模型数学表达直观，易于理解。     

河流泥沙数学模型的研究与应用

本文介绍了我所近十年来,在泥沙数学模型的研究和完善工作中所取得的进展以及所建立的泥沙数学模型的验证和应用情况。     

预报模型的组合及其在韩江流域洪水预报中的应用

简要介绍了几种预报模型原理,结合韩江流域现有水文站点的分布特点及预报需要对预报模型进行组合,并用水文资料率定参数和检验,据此分析论证了其在洪水预报中的应用和作用。