基于LSTM模型的响洪甸水库旱警水位预测与效果检验

水库旱警水位预测对于水库进行生活、生产、环境等各方面用水的调度具有重要作用。水库的旱警水位受到各种用水需求和来水量、应供水量等多种情况的影响,而且与这些情况的相互关系错综复杂,无法用线性关系进行表示。基于LSTM模型,对响洪甸水库旱警水位进行预测,提出的基于LSTM模型的响洪甸旱警水位预测,通过效果检验,具有较高的预测精度,能够满足水库旱警水位预测的实际工作需要。     

基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究

为准确预测水文条件复杂的黄河开封段水位变化，提出一种基于ARIMA-CNN-LSTM的多变量水位预测模型。该模型通过综合考虑水位的多重影响因素，结合卷积神经网络(CNN)和长短时记忆网络(LSTM)来学习数据中的非线性特征，同时应用ARIMA模型进行参数校正，从而实现对黄河开封段水位未来一段时间的预测。结果表明：相较于LSTM模型、CNN-LSTM模型、ARIMA模型以及BP神经网络模型，ARIMA-CNN-LSTM模型的预测精度更高，对峰值反应更灵敏，可以更加精准地预测未来一段时间的黄河开封段水位变化。     

人工神经网络在灌区水库调度中的应用

针对云南省楚雄州蜻蛉河大型灌区水资源供需矛盾突出问题,将人工神经网络应用于水库调度,建立水库水位的BP模型.研究表明:模型能够反映水库调度中各要素间的相互联系和影响,具有较强的非线性映射能力,能反映出水库月末水位与影响因素(水库月初水位、来水量、出库水量)之间的复杂关系,具有较好的模拟精度.可利用该模型预测水库水位及水量变化,分析各要素间的联系与影响,为水库运行管理和优化调度提供决策依据.     

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。     

基于机器学习的三峡水库小时尺度坝前水位预测

针对三峡水库坝前水位影响因素繁多、变化机理复杂、传统水量平衡方法难以精确预测的问题，以水库历史运行数据为基础，分析了坝前水位变化规律，并采用3种机器学习方法(人工神经网络、支持向量机、随机森林)分别构建了小时尺度坝前水位预测模型，对模型预测效果进行了评价。测试结果表明：3个预测模型均具有较高预测精度，其中随机森林模型在精度评价中表现最优，k折交叉验证均方误差为5.2,R²平均值为0.82,在3个不同调峰量的典型测试案例中较传统水量平衡方法均具有明显优势。研究成果可为水库短期发电精准化调度提供技术支持。     

ERA5再分析数据在中小型水库水位模拟的适用性分析——以长江水库为例

库前水位是中小型水库流域重要的观测数据，再分析数据为中小型水库水位模拟提供了可选方案，但是其适用性有待评估。以中山市长江水库流域为例，评估了不同时间尺度下ERA5、ERA5-Land再分析降水、潜在蒸散发数据的准确性，并基于耦合水库调洪的三水源新安江模型，设置不同输入情景，分析了ERA5、ERA5-Land降水、潜在蒸散发数据在水库水位模拟中的适用性。结果表明：在年、月、日尺度下，研究区2种再分析降水数据与实测降水均具有明显的一致性，而再分析潜在蒸散发数据与实测蒸发的一致性较弱；7种水位模拟情景下，率定期的NSE均可达到0.6以上，验证期因为输入的不同存在差异；ERA5再分析数据的适应性好于ERA5-Land,再分析潜在蒸散发数据可作为模型蒸发数据的替代输入，而再分析降水数据不宜直接用于模型输入。研究可为ERA5、ERA5-Land数据在缺资料水库水位模拟预报的应用提供参考，为中小型水库流域构建可靠的水文模型提供可行方案。     

基于 Embedding-GRU 的水库水位预测模型

为解决因水库数据采集设备能力有限、水文数据不全导致预测水库水位时预测精度较低的问题，以四岭水 库每小时水位监测数据为例，提出基于嵌入式-门控循环单元（Embedding-gated?recurrent?unit，Embedding-GRU）的 水库水位预测模型，即利用 Embedding 方法将单维降雨量数据升维至多维数据，扩大降雨的气候特征，结合 GRU 算法进行水库水位预测。将该模型与传统深度学习算法长短期记忆（long?short-term?memory，LSTM）、门控循环单 元（gated?recurrent?unit，GRU）、双向门控循环单元（bidirectional?recurrent?neural?network，BiGRU）这 3 种模型对比， 结果显示：Embedding-GRU 模型的预测效果均优于其他传统模型，平均绝对误差 EMA和均方根误差 ERMS分别平均 下降 19.6% 和 7.7%，并且在预测次日水库水位的应用场景中决定系数 R2能够达到 0.989?37。结果表明：该模型耦 合多种算法，扩大单变量的气候特征，具有较高预测精度和泛化能力。相较传统模型，基于 Embedding-GRU 的水 库水位预测模型能够对缺少温度、气压、风速、蒸发量等监测数据的水库进行可靠度较高的预测，适用水库范围 更广，为水库日常运维、除险加固提供参考。     

西江梧州站基于支持向量机的水位预测模型研究

利用西江梧州站的水位历史观测数据,基于支持向量机对西江梧州站的水位预测模型进行深入研究,以总体方差最小为原则优选分析各模型变量,基于逐日平均历史数据的变化趋势,对2019年的日平均水位变化进行预测,并与自回归模型进行模拟效果对比分析。研究表明：支持向量机水位预测模型预测效果比自回归模型好;支持向量机水位预测模型预测精度较高,对于提高航道水位预测精度具有一定的参考价值。     

基于MIKE21FM的黄壁庄水库水动力模拟研究

黄壁庄水库是具有控制性作用的大(一)型水利枢纽工程,确保其稳定性的水位、优良的水质等显得尤为重要。借鉴前人研究经验,采用MIKE21FM数值模拟软件,对黄壁庄水库"7·19"洪水期建立二维河网水动力模型进行数值模拟研究。经多次参数率定,结果表明MIKE21FM模型可以真实、有效反映黄壁庄水库水位、水流场变化过程,模拟精度满足计算要求。鉴于此模拟研究,可为水库水文预报、水库群联合调度提供可靠依据及技术支撑,具有一定的应用价值。     

基于变分模态分解的分频径流预测模型

准确的径流预测对于流域防洪减灾、农业灌溉、水库调度等具有重要意义。针对径流序列具有较强的非线性和非平稳性特征,提出一种月径流预测混合模型VMD-(CNN-LSTM, ELMAN)。首先运用VMD将径流序列分解为多个模态分量,并计算各个模态分量的样本熵值(SE),将其划分为高频和中低频分量;然后运用CNN-LSTM模型预测高频分量,运用ELMAN模型预测中低频分量;最后将预测结果相加得到最终预测结果。将模型应用于黄河流域中下游段白马寺和黑石关水文站的月径流预测,并与CNN-LSTM、ELMAN、VMD-CNN-LSTM模型的预测结果进行对比与评价。研究结果表明：本文模型预测结果的NSE值均大于0.99,优于其他模型,表明VMD-(CNN-LSTM, ELMAN)模型具有较高的预测精度,可应用于实际研究区的径流预测。     

基于长短期记忆模型的汉江中下游藻类防控调度

创建基于长短期记忆模型的藻类防控调度方法,可提高藻类的模拟精度,提升水库调度效益。以汉江中下游藻类及丹江口水库为研究对象,构建包括经济和生态目标函数的藻类防控调度模型,采用水体综合营养指数和浮游植物密度的长短期记忆模型建立生态目标函数,最后采用布谷鸟优化算法求解。结果显示：基于长短期记忆模型的综合营养指数和浮游植物密度模拟模型的模拟值与实测值在0.01水平相关性显著,藻类模拟效果良好;与常规调度相比,提出的藻类防控调度方案多年平均供水量可提高0.45%,多年平均发电量可提高1.06%,浮游植物平均密度降低1.57%,在有效控制汉江中下游藻类的同时,可进一步提升丹江口水库调度综合效益。研究成果可以为河流藻类防控提供技术支撑。     

三峡水库近坝区三维流场及温度场的数值模拟

基于三维不可压缩流动的N-S方程建立水流水温模型,模型在动量方程中考虑浮力作用并取消了静水压力假定,采用大涡模拟紊流模型计算紊动扩散,并考虑水面散热及其太阳辐射的影响因素,适合于对复杂流态及其有密度分层流动的数值模拟。应用所建立的数学模型对三峡近坝区从庙河至坝前水域的三维流场及温度场进行了数值模拟,计算出的水温分布与坝前观测的水温分布二者符合良好。模拟结果表明,三峡水库在蓄水至139 m水位时,垂向没有明显的水温分层,与实测结果相符。     

1D/1D及1D/2D耦合水动力模型构建方法研究

为实现高速率、精细化的洪涝模拟,以丹麦R市A区的排水系统为研究对象,构建和比较基于GIS空域建模技术及SWMM水动力耦合的1D/1D(双一维)排水模型与基于MIKE URBAN的1D/2D(一维管流和二维洪涝)耦合排水模型,对研究区的排水系统进行暴雨洪涝模拟及评估比较。研究两种模型的建模过程、模拟精度及计算效率,描述两种模型的优劣性和适用条件。结果表明:1D/1D排水模型可实现地表淹没的拓展分析,同时确保较高的稳定度和运算速度,且在较低重现期下具有较高的计算精度,适用于大尺度、应急管理且模拟精度要求相对较低的情景; 1D/2D排水模型能实现地表积水的双向流动计算,具有良好的精细度,但其信息处理和计算时间较长,适用于计算环境和模拟精度要求较高的情景。研究结果将为不同情景、不同尺度的洪涝模拟提供科学依据。     

三峡水库不同水位运行下大宁河水动力过程模拟

三峡大坝的建成运行对库区支流水动力过程具有重要影响。以三峡库区支流大宁河为例,基于Delft3D模型,建立了大宁河大昌到长江口段平面二维水动力模型,并对三峡水库高水位和低水位运行条件下大宁河的水动力特征进行模拟计算,得到大宁河模拟区段水流流场的沿河分布。模拟结果表明:不管是三峡水库低水位或高水位运行,大宁河整体流速缓慢,均低于0.04 m/s;河流库湾区低水位时流速低于0.01 m/s,高水位时低于0.001 m/s,呈现明显的"湖相"特征,水体自净能力极大地削弱,易发"水华",影响大宁河水质安全。研究结果可为三峡库区支流的区域化管理提供决策参考。     

Improved Thomas–Fiering and wavelet neural network models for cumulative errors reduction in reservoir inflow forecast

Inflow forecasting for reservoirs is a key component for reservoir operation, water resources management, and inter-regional water transfer. In this paper, to obtain enhanced accuracy in forecasting reservoir inflow, the Thomas–Fiering (TF) model as a typical stochastic model was improved through pre-defining an array in the model that was previously supposed to be a random one to find the suitable parameters for the data series for forecast errors' reduction. Also, a wavelet neural network (WNN) model was utilized to represent a machine learning approach which was improved through using an input–output matrix for the model parameter training to timely adjust input parameters according to the errors produced in the model application process, so as to reduce overall forecast errors as much as possible. Through comparing the performance of the two models within a test year, the TF model was performing better in the wet season and the WNN model had better performance in the dry seasons at the Danjiangkou Reservoir, an important water-providing area of the South-North Water Transfer Project in China. Through comparing the abilities of the improved TF and the WNN models to forecast reservoir inflow, consistencies, differences and reasonable suggestions could be obtained for helping select appropriate models over different hydrologic seasons. Thus, these two models were combined to support the forecast of reservoir inflow within an entire hydrological year. Using these models improved in this paper, the forecasted inflow to the Danjiangkou Reservoir was 4.52 × 10¹⁰ m³ in the coming year (here is 2006), which is approximately 70% of incoming frequency based on daily observed inflow data from 1980 to 2005.     

京津冀平原浅层地下水漏斗演变规律与影响因素

为研究华北地区河湖生态补水对地下水漏斗演变的影响,以京津冀平原浅层地下水漏斗2003年至2022年的相对变化作为识别目标,从气象因素、地形因素、人为因素和含水层水力学特性4个方面进行考虑,选取8个具体指标构建特征变量数据集,使用逻辑回归（logistic regression, LR）、支持向量机（support vector machine, SVM）和随机森林（random forest, RF）方法建立漏斗演变识别模型,并利用敏感度、特异度和决定系数R2 对拟合效果进行对比评价,结果显示随机森林为最优模型。进而利用模型分析研究区地下水漏斗演变规律,阐明具体因素对漏斗演变的影响作用。研究表明：京津冀平原区浅层地下水漏斗在2010年之前整体呈扩张趋势,之后在部分地区呈现缩减和消失的态势。河湖补水前,地下水漏斗发展主要受开采影响,其重要度约50%;2018年后河湖补水对抑制漏斗扩张发挥了较为明显的作用,重要度达16%。从发展过程来看,地下水开采依然是控制京津冀平原浅层地下水漏斗变化最重要的因素。对比宁柏隆和高蠡清两个典型浅层地下水漏斗的发展变化可知,河道生态补水对宁柏隆漏斗变化的贡献率接近10%,而对高蠡清漏斗变化影响的重要度仅为1%,因此持续的河流生态补水对宁柏隆漏斗水位恢复会产生积极影响,而对于高蠡清漏斗则需要以水源置换压减农业灌溉地下水量为关键手段实现水位恢复。     

变化环境下七里山水域高洪水位研究

七里山水域是洞庭湖汇入长江的江湖交汇区,受三峡工程及上游溪洛渡、向家坝水库运用清水下泄影响,江湖水沙输运、河道冲淤及河势演变、河段蓄泄关系、洪水位和泄流能力等出现诸多新变化,对长江中游特别是洞庭湖区的防洪蓄洪格局产生影响。在长江中下游水沙整体宏观数学模型的基础上建立了七里山水域二维水沙局部细致模拟数值模型,模拟研究了水库群运用后,在不同控制水位、不同蓄滞洪区启用条件下,针对各种典型洪水的防洪蓄洪问题。对于1998年型洪水,通过三峡等上游水库调节并抬高七里山控制水位0.5 m时,可不分蓄洪;对于1954年目标洪水,则需利用洞庭湖区24蓄洪垸和洪湖对等承担分蓄洪任务。     

基于机器学习模型的河道水位预测

结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积循环神经网络(CNN-GRU)模型,PCNN-GRU模型的均方根误差和平均绝对误差分别降低了18.39%、21.11%、15.48%和21.31%、18.64%、14.28%,纳什-萨特克里夫效率系数和准确率分别提高至0.999 2和88.12%,表明所建模型具有良好的预测性能,可用于河道水位预测。     

基于目标库容曲线的水库出流模拟模型

随着水库的不断建设，水库对水循环的影响越发重要，水库出流过程已成为陆地水循环的重要一环。为了模拟水库对水循环的影响，需要构建水库出流模拟模型（Reservoir Outflow Simulation Model，ROSM）模拟水库的出流过程，然而，目前提出的ROSM仅适用于预设运行模式的水库，通用性不强。本文假设水库在年内不同季节的目标库容构成目标库容函数曲线（Target Capacity Curve，TCC），通过为不同水库设置不同的TCC提高ROSM的通用性，并从两方面考虑TCC对水库出流的影响，提出了两种模型结构：（1）水库在目标库容较高的季节倾向于蓄水，出流减少，在目标库容较低的季节则倾向于放水，出流增加；（2）水库出流应使得实际蓄水量接近目标库容。根据两种模型结构，构建了4种基于TCC的ROSM，并将其与常用的ROSM应用于长江、珠江、黄河流域的26座水库中。结果发现：（1）考虑了两种模型结构的ROSM的出流模拟、蓄水量模拟表现均为最优，说明所提出的两种模型结构合理有效；（2）考虑了TCC的ROSM模型在多年调节、年调节水库中的出流模拟精度、蓄水量模拟精度均远超其他ROSM，说明考虑TCC可以有效提高在这两类水库的模拟精度，提高了ROSM的通用性。