关于提高鸭绿江流域洪水预报精度的探讨

本文介绍了在鸭绿江流域长期洪水预报作业中,采用了数理统计、洪水定性预报的方法;利用太阳黑子相对数与洪水的关系规律,预报大洪水的可能性.在短期洪水预报中采用降雨径流相关预报等方法,结合多年的洪水预报经验,提高预报精度,为洪水预报预测提供可靠的数据.     

流域中长期径流分类预报方法

以水文循环基本原理为基础,从流域径流水汽来源影响因素角度明确了中长期径流预报基本概念及分类,即以气象(中期)、气候(长期)和天文因素(超长期)为预报因子,针对流域出口断面(或典型断面)的旬、月、季(汛期)或年径流,以及流域旱涝趋势进行预报。通过比较不同时间尺度下的水汽系统物理运动机理,论证了"短期气候预测"作为中长期径流预报理论基础的合理性,并将流域径流来源影响因素及其表现概括为三大规律:天文因素表现出的周期性是主要规律,反映了水文气候过程的基本状态;大气环流表现出的随机性对水文气候基本状态存在干扰,导致了波动;流域特征性规律反映了各种因素综合作用结果,具有流域的特殊性。最终,将流域中长期径流预报分为正常年份的径流过程预报和异常灾变年份的大旱大涝预测,其中前者的预报因子为水文气象与气候要素,后者为天文因素;在服务对象上,前者为水利工程常规运行调度服务,后者为防洪抗旱部门防灾减灾提供灾情预测;在结果发布上,前者提供定量的径流过程预报,后者提供丰、平、枯等3级(或5级)定性预测,并给出相似年份;在预报方法上,前者采用数理统计方法或物理成因相关分析法,后者采用周期性、随机性和流域特殊性识别等综合预报方法。     

基于厄尔尼诺现象研究的丰满水库径流预测

利用PDO冷暖位相下El Nino和La Nina事件发生年份表,结合丰满水库流域来水实际,研究了PDO冷暖位相下El Nino和La Nina事件与丰满水库来水及洪水的统计规律。结果表明:PDO冷位相期El Nino发生年份丰满水库一般为枯水,PDO暖位相期El Nino发生年份丰满水库一般为丰水,丰满水库特丰水及大洪水多发生于PDO冷位相期。通过对1700—2014年太阳黑子相对数变化规律的分析,论证了1957年前后PDO冷位相期El Nino发生年份丰满水库来水规律异常与太阳黑子相对数阶段性趋势变化上的扰动有关。基于统计规律,预测2015年丰满水库来水为枯水。     

黄河水量调度径流预报方法研究

介绍了服务于黄河水量调度的中长期径流预报技术方法、主要模型、预报系统及应用情况,并对未来黄河流域径流预报发展方向进行展望。黄河中长期径流预报模型从每个控制站点水文序列的影响因子和自身演变规律出发,根据各站点不同时期、不同影响因素,选择适当的统计方法分别建立。非汛期径流预报模型主要以前期径流、降水为预报因子,采用多元回归分析、门限回归分析和时间序列分析等方法建立;汛期径流受降雨影响强烈,流域降水主要受大气环流等因子影响,因此从前期环流因子中挑选预报因子,建立了汛期径流预报模型;天然径流量预报模型主要采用实测径流还原、时间序列分析及大气海洋物理因子相关等方法建立。黄河中长期径流预报模型及预报系统的建立,提高了黄河流域径流预报技术水平和能力,在1999—2018年20 a的水量调度中,提供了准确的年度水量预报和旬月径流预报,其中每年10月中下旬发布的花园口站年度天然径流总量预报平均误差为3.7%,最小预报误差为0.6%。     

基于BP神经网络和遗传算法的丰满水库洪水预报模型研究

根据丰满水库的流域特性,尝试使用BP神经网络模型进行洪水预报。针对随机生成网络权重的盲目性,采用遗传算法进行初始权重优化。通过历史洪水检验,证实此模型在丰满水库的洪水预报中有很高的预报精度和应用价值。     

BP神经网络在柏叶口水库中长期径流预报中的应用

中长期径流预报是水资源进行合理开发利用的前提和基础。文章通过比较3种不同预报方案在BP神经网络模型下对柏叶口水库非汛期月径流预报效果,找出了在非汛期月径流预报中预报效果最好的方案。     

岩溶地区径流预报中BP网络的改进

岩溶地区下垫面复杂,各种岩溶管道、裂隙、溶洞发育使得流域不闭合,地下暗河存在水量交换,而地下水库的调蓄作用,使得流域出口断面总流量与降雨量不成绝对的线性关系。为了克服上述问题带来的岩溶地区降雨径流预报精度低问题,提出了改进的BP网络方法,并通过实例验证了此方法的可行性。以六冲河七星关站断面以上流域的平均日降水量、平均日蒸发量、前期流量作为影响因子,建立了2种预报模型：①传统BP网络模型;②运用SPASS软件筛选BP的影响因子数和调整输入层初始权值,并对逐日径流量资料进行对数处理建立改进的BP网络模型。通过实例分析发现改进的BP网络模型预报效果更好,可以有效地提高大洪峰和小洪峰的预报精度。     

基于多项式回归模型的枯季径流预报与分析

冶河流域径流的补给来源主要是大气降水,径流和降水主要集中在5月-10月.由于受地质环境条件、流域下垫面因素作用,汛期径流与枯季径流存在良好的相关关系.枯季径流预报采用汛期径流量与枯季径流量建立多项式回归模型,通过对不同阶数的多项式进行对比分析,三阶多项式曲线拟合程度较好.采用符号检验和偏离数值检验法对该曲线进行检验,曲线拟合效果显著.并对枯季径流预报结果进行评价,按照枯季径流预报规范的要求,预报合格率达89.3%.该流域枯季径流,是沿河工业用水、灌溉用水的主要来源,分析和预报冶河枯季径流来水情况,为制定工农业用水方案提供科学依据.     

太阳黑子活动周期规律分析及趋势预测

针对太阳黑子活动趋势预测问题,以提高预报可信度、减少预测误差为目标,基于1700年以来太阳黑子相对数月、年资料,依据太阳黑子活动周期特征分析,得出太阳黑子具有100a大周期、11a小周期、100a大周期之间存在2～3个连续低值小周期的活动规律,进而对318a太阳黑子相对数系列进行阶段划分并进行周期性规律特征分析。采用拟合优度和纳什效应系数对2019—2030年太阳黑子相对数所在小周期轨迹段与历史小周期片段进行相关性分析、挑选最相似的历史小周期轨迹段的方法,以预报2019—2030年太阳黑子活动趋势。结果表明:2024年为下一小周期峰值年、2030年为下一小周期谷值年份。研究成果可以为以用太阳黑子相对数作为影响因子进行洪水灾害预报提供基础信息。     

太阳黑子活动与松辽流域汛期降雨及洪水关系分析

从防汛和预报的角度出发,就太阳黑子活动的周期与松辽流域汛期的降雨及洪水关系,进行了探讨,并采用微机进行了大量相关数据信息的统计分析处理。通过分析研究认为:在太阳黑子活动位相的m年,以及在太阳黑子活动单周的M 1和m-1年,均容易发生松辽流域汛期降雨的极值年份;在太阳黑子活动位相的峰值年和谷值年,即M和m年,较容易发生松辽流域洪水的极值年份。利用太阳黑子活动的周期位相,再考虑其它水文气象要素,对松辽流域的汛期降雨和洪水进行预报是可行的。     

基于数值预报模式的柘溪水库流域径流预报系统

水库的优化调度运行需要依赖预报准确率高、预见期长的径流预报结果。现有的柘溪水库流域径流预报系统由于未考虑水库流域未来时段的降水过程,径流预报的预见期和准确率无法满足汛期优化调度的要求。为此,在分析柘溪水库流域的水文和气候特征基础上,提出了数值预报模式和水文模型的耦合预报框架,设计了基于数值预报模式的柘溪水库流域径流预报系统架构,阐述了系统的主要功能与逻辑结构。通过系统的应用,可为提高汛期洪水的利用率、减少弃水、提高发电和防洪效益提供重要决策支撑。     

基于Elman网络的黄河源区径流评估模型

黄河源区来水量对黄河上游乃至整个流域供水有重要影响,研究黄河源区汛期径流变化规律和来水趋势,对黄河流域水量持续利用和优化配置有重要作用.针对黄河唐乃亥水文站近48 a(1959～2006年)径流流量及年降雨情况,利用反馈Elman网络,尝试建立了黄河源区汛期径流评估模型.并利用matlab7所提供的神经网络工具箱对其进行了仿真实验.预报结果表明,该模型能较好地反映唐乃亥水文站汛期径流量的规律.     

潼关站汛期月径流SSA—MEN分析预报研究

采用奇异谱-熵谱方法对潼关水文站1986年以来汛期月径流序列进行了周期分析和预报试验,结果表明潼关站汛期月径流变化存在4～5年的周期.对2004～2007年汛期月径流进行的试预报结果显示,该方法对汛期月径流具有较强的预报能力,可以作为汛期径流预报的重要工具.     

水库春汛施工期来水量预报方法的探讨

丰满水库大坝坡面整修加固期间(1990年3～5月),需要做好春汛施工期来水量预报工作.通过大量资料收集、分析,从中找到规律,探索出春汛施工期径流预报的方法.长、中期预报采用数理统计和经验相关的方法,如周期分析、逐步回归、AR(P)模型、经验相关图.经多种方法、多途径分析预报,再结合丰满水库春汛特点,综合出一套成果.短期预报采用经验相关的方法,对融冰融雪径流和降雨径流采用不同的方法,预报两次来水过程,精度较高.由于有了比较可靠的长、中、短期预报,为水库施工和安全运行起到了很好的作用.     

丰满水库人类活动影响研究与洪水预报实践

丰满水库流域水利工程众多,人类活动对水库来水影响巨大。由于人类活动对流域产、汇流条件的改变,原水文预报模型精度下降,不利于流域正常水文预报工作的开展,严重影响了流域内水库防洪与兴利效益的发挥。为此,进行人类活动影响调查与研究,为考虑人类活动影响的洪水预报、水库运行调度工作打下基础。     

基于BP网络的河道径流预报方法与应用

河道径流预报过程可以认为是一种复杂非线性函数关系的逼近过程。BP网络具有表达任意非线性映射的特性,因此建立了基于MATLAB神经网络工具箱的BP网络的径流预报模型。其中采用自相关函数确定网络输入层的神经元数,通过比较样本均方误差值来确定隐含层的神经元数。利用清江渔峡口以上流域1989~1995年的径流量资料对该模型进行了训练和检验,从而完成了该流域年径流量的预报,并且用多项精度评定指标对其进行了精度定量评价。结果表明:所建模型对所选流域的径流预报精度达到了乙等以上水平,具有一定的实用性。     

丹江口水库流域月尺度降雨与径流预报研究

以汉江上游丹江口水库流域为研究区域,通过降雨-气象遥相关分析从74项大气环流因子中筛选出预报因子,建立月降雨量与预报因子间的多元线性回归模型,根据大气环流因子对月降雨量进行预报,并构建研究区域的SWAT模型,以预报的月降雨量作为模型输入,实现月径流量的预报。以2012年逐月降雨及径流为例,模型对降雨和径流预报的合格率均约为83%,预报效果较好。研究表明,根据降雨量-大气环流因子的统计相关关系预报月降雨,并结合水文模型进行径流预报,对研究区域具有一定的适用性。     

基于Copula熵-随机森林的中长期径流预报研究

预测因子作为中长期预报模型的输入项,是影响预报结果精度的关键要素。为进一步提高预报精度,提出了一种Copula熵与随机森林模型相结合的中长期径流预报方法。该方法首先采用Copula熵指标对预测因子进行筛选,然后将选取的预测因子作为输入项,导入随机森林模型中对月径流进行相应预测。将该方法应用于汉江流域丹江口水库的逐月入库径流预报中,并与相关系数筛选法进行对比。结果表明:基于Copula熵指标筛选出的预测因子对应的模拟结果具有更高的精度,尤其对于汛期而言,其模拟值与实测值的拟合优度显著优于比选方法,说明其筛选出的预测因子具有更好的合理性。     

基于随机森林与支持向量机的水库长期径流预报

水库长期径流预报对于研判水文情势变化和指导水库调度管理具有重要意义。针对云南龙江水库年、汛期和枯水期平均入库径流,利用随机森林从环流指数、海温、气压和前期月径流中选取关键预报因子,基于粒子群与交叉验证相结合的算法优选参数,建立随机森林与支持向量机模型,开展龙江水库入库径流预报研究。结果表明:太平洋中北部与西部气候因子对径流预报的影响较大,前期月径流对年、汛期径流的重要性偏低,但对枯水期的影响程度与部分气候因子相当。随机森林与支持向量机模型总体精度较高,模拟与预报的合格率均达到85%以上,平均绝对百分比误差均低于15%,支持向量机的泛化能力强于随机森林,但二者在局部极值流量处的预报精度尚有待提升。     

潘家口水库枯水期月径流预报

在分析研究流域气候特征及枯季径流来水规律的基础上，用水文气象方法和水文方法分别建立了枯水期月径流预报模型。水文气象方法是先挑选出与预报对象关系最好的气象因子作为预报因子，据此建立预报模型和预报集成模型。水文方法是利用水文序列资料建立自回归模型和多元递推模型。用实测资料对预报模型进行了验证，结果表明：预报精度令人满意。