GFS预报信息在水电站运行中的应用研究

针对水电站水库的中长期优化调度中若能充分有效地利用预报信息将可获得更大经济效益的问题,利用GFS发布的10~14 d降雨数值预报信息,构建了其信息的统计方法,并以预报降雨为主因子建立了二滩水电站汛期旬径流的枯、平、丰三级预报模型,基于已建立的二滩水电站有、无预报信息相结合的发电调度模型,针对汛期无径流预报的时段,利用径流定性预报结果修正改进了其调度决策。模拟调度结果表明,改进方案可行、优越。     

GFS降雨预报图数值化处理算法在洪水预报中的应用

鉴于大部分气象系统对外发布的降雨预报信息均为降雨预报图的形式而不能直接用于水库调度,设计了一种GFS降雨预报图数值化处理算法,可计算出降雨预报图中任意像素点的降雨数值预报信息,然后利用计算出的GFS降雨数值预报信息与洪水预报模型耦合来进行洪水预报,并以桓仁水库2010年的一场洪水为例进行了验证。结果表明,利用该算法计算出的降雨数值预报信息可应用于洪水预报,具有较好的应用前景。     

GFS预报在大伙房水库分级利用方式中的应用

以综合利用水库群工程为背景,分析了美国全球预报系(GFS)发布的降雨预报信息利用方式及其可利用性,进而对大伙房流域2001～2007年17场洪水后未来10 d的预报降雨量和实际降雨量进行分析比较.结果表明,雨后大伙房水库流域GFS降雨预报信息精度更高,结合短期降雨可用于水库群调度决策.     

中期降雨分级预报信息的可利用性分析

分析了中期降雨分级预报用于跨流域调水中的必要性和重要性,研究了大伙房水库流域中期降雨的分级方式,采用聚类分级法及误差特征值分析法对2001～2007年5～9月流域实际3～7 d降雨资料与GFS提供的流域预报降雨量进行预报降雨分级统计,并分析了各量级降雨预报精度及在跨流域引水中的可利用性.结果表明,大伙房水库流域分级降雨预报信息基本达可利用程度,可为跨流域引水提供参考.     

基于参数分解法的无资料流域洪水预报研究

针对目前无资料流域洪水预报方法存在的不足,提出了参数分解法,即利用武江流域控制站犁市水文站1980~1996年43场降雨径流资料作为模型参数率定资料,分别率定武江流域大、中洪水的新安江洪水预报模型参数,并以1997~2004年16场降雨径流资料进行检验,在模拟和检验达到较好的结果后,再利用参数分解法推求武江流域内田头水子流域大、中洪水的新安江洪水预报模型参数,并利用田头水59场降雨洪水实测资料对模型进行验证。结果表明,利用该方法建立的田头水子流域洪水预报模型预报大、中洪水的验证精度均达到乙级以上标准。     

降雨径流模型及其应用

针对目前国内对降雨径流模型研究中存在的问题,介绍了降雨径流模型的原理与特点,以沙子岭流域为例对降雨径流模型实际应用效果进行分析,并用卡尔曼滤波方法对降雨径流模型的预报结果进行了实时校正。研究表明,该模型预报效果较好,经卡尔曼滤波后预报效果明显改善。     

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。     

基于Box-Cox算法的中期径流贝叶斯概率预报方法

为进一步降低中期径流预报信息受降雨不确定性和模型误差等因素的影响,采用贝叶斯预报处理器(BPF)对径流自身和预报过程的不确定性进行耦合,建立中期径流概率预报模型,对中期径流预报的不确定性进行描述。首先将Box-Cox正态变换引入BPF模型,建立基于Box-Cox变换的BPF模型;然后采用逐次优化算法(POA)对各时段的变换系数进行优化,并基于优化后的变换系数建立新的BPF模型;最后对变换系数优化前和优化后建立的BPF模型预报结果进行对比分析。实例应用表明,基于Box-Cox变换的BPF模型可较好地描述预报信息不确定性;变换系数经POA优化后,可进一步提高BPF模型的预报精度。研究成果可为中长期径流预报提供参考。     

可变模糊近似推理方法在径流中长期预报中的应用

将可变模糊集理论与相似关系近似推理法相结合,提出基于相似关系的可变模糊近似推理方法,可通过变换可变参数得到多种可能的预报数值结果,经综合分析确定最终数值结果,并给出该数值实际发生的概率、可能的变动范围等多方面信息.大伙房水库年径流预报的实例表明,该方法预报中长期径流可获得较全面的信息,有助于深入分析和利用预报值.     

校正后的降雨格点预报在洪水预报中的应用

针对实现降雨数值格点预报与洪水预报的耦合为延长洪水预见期的有效手段及降雨数值格点预报与实际降雨情况存在的偏差,采用误差外推法考虑格点预报误差的影响,并提出了利用实测雨量站(校正参照量)所在格点的降雨信息及绝对误差校正其他格点降雨数值方法,无需将校正参照量插值于每一个格点,避免了不准确插值的影响,使降雨格点预报的整体偏差获得修正的同时,降雨空间分布亦得到很好的保持.以潘家口水库以上流域为例,检验结果表明,该方法取得了较好的效果.     

基于逐步回归—LMBP算法的大通站旬径流与月径流预报

为提高长江干流大通站旬径流与月径流预报精度,选取大通站1980~2012年各旬、各月径流观测资料及国家气候中心同期发布的72项大气环流资料,采用逐步回归法—LMBP算法对大通站的旬平均径流序列进行模拟和预报,并与月尺度径流序列的计算结果做了对比。结果表明,预测值与原序列的趋势基本相同,旬尺度的径流预报精度高于月尺度的预报精度,表明时间尺度的选择影响径流预报的精度。     

基于遗传算法的参数投影寻踪回归径流预报模型及应用

为提高径流预报精度,采用单相关系数法挑选预报因子,建立了基于遗传算法的参数投影寻踪回归径流预报模型,利用该模型对雅砻江二滩水电站月平均流量进行了预报。结果表明,与BP神经网络模型预报结果相比,投影寻踪回归模型具有更好的预报结果和更高的预报精度。     

基于支持向量机的水电站中长期径流组合预报

中长期径流预报是充分利用水资源、实现水电站优化运行的重要环节。以金沙江中游龙盘电站为研究对象,分别采用自回归滑动平均模型、最近邻抽样回归模型、BP神经网络建立了该水电站月径流预报模型,在分析三种模型预报结果具有一定互补性的基础上进一步建立了支持向量机分月组合预报模型。统计结果表明,与单一预报模型相比,该组合预报模型具有更高的精度和稳定性,为寻求水电站径流预报规律和制定中长期调度计划提供了技术支持。     

基于气象因子的汛期径流预报模型

针对现有汛期径流预报方法的缺陷,从物理成因出发,采用投影寻踪方法从74项大气环流因子中筛选出影响汛期总径流量的主因子,结合汛期前期降雨量进行相似分析获取相似年份,构建基于气象因子的汛期径流预报模型。以长江流域关键断面汛期来水预报为例开展了模型的实例研究,结果表明,该模型考虑了气象因子对长期径流变化的影响,对汛期总径流量的预报以及汛期月径流预报的精度均高于门限回归模型,是汛期径流预报的一种行之有效的方法。     

WANN模型的改进及日径流预测中的应用

介绍基于小波分析建立的人工神经网络模型的方法原理,并给出构造模型的一般步骤及关键算法。针对一般BP算法收敛速度慢,易陷入局部极小值的缺陷,受Fletcher—Reeves线性搜索方法的启发．提出基于改进共轭梯度法的BP算法。利用此优化模型对日径流进行模拟与预测,实验表明,基于小波分析的人工神经网络模型在日径流模拟过程中具有很好的仿真能力．训练后的模型用于预测具有较高的精度。     

基于多方法优选预报因子的天山西部山区融雪径流中长期水文预报

为实现天山西部山区喀什河流域冰川融雪区域的水资源可持续开发利用,更好地支撑所在区域工农业生产发展,有必要开展融雪径流中长期水文预报研究。基于相关系数法、主成分分析法及两种方法相结合的综合方法优选预报因子,采用BP神经网络模型和组合小波BP神经网络模型预报径流。结果表明,采用综合方法筛选出的预报因子集合可以得到更好的预报结果;组合小波BP神经网络模型在3个不同方案中的预测效果均优于BP神经网络模型的预测结果,其预报精度更高。研究成果可为该区域融雪径流模拟研究及洪水预报提供参考。     

基于CFS的汉江上游梯级水库系统月入库径流预测

将天气预报产品引入水文模型是提高长期径流预测精度的有效途径,但引入方法仍存在难度。为此,以汉江上游梯级水库系统为例,引入智能算法及相似典型放缩,构建基于分预见期校正的CFS与SWAT耦合径流预测模型,首先甄选智能算法校正CFS降雨,然后基于相似典型放缩对其进行时空展布,最终将其输入分区率定的梯级水库SWAT模型,从而实现月径流预测。结果表明,随机森林和人工神经网络更适合于CFS预测校正且不受预见期影响,基于相似典型时空分布的耦合模型预测效果较好,能为梯级水库系统提供更为可靠的径流预测。     

ENSO事件影响下长江大通站汛期径流预测建模分析

从环流指数和ENSO事件指数出发,考虑到大尺度环流系统和海温影响的长期性,使用滑动平均方法对预报因子做前期处理,计算了预报因子在2、3、6月尺度的滑动平均值。在此基础上采用BP神经网络建立了长江大通站汛期径流预测模型（BP-Pre）,重点对ENSO事件影响下的径流极值进行预测。为验证模型可行性,采用均生函数模型和利用传统因子建立的BP模型（BP-Ori）作对照分析并进行精度评价。结果表明,部分因子在滑动平均处理下Spearman秩相关系数得到提高;历史平均上,大通站汛期径流与前年发生的ENSO事件关系密切;事件类别不同,对应径流也相对偏大或偏小;BP-Pre模型在率定期拟合效果不及均生函数模型和BP-Ori模型,但从多方法综合评价分析来看其检验期的预测精度更高,对径流极值预测更为精准。     

牛栏江中上段枯季径流分析及月径流模拟

为分析牛栏江中上段中长期径流特征,基于牛栏江中上段七星桥水文站1990～2016年降水、蒸发、径流实测资料,使用一元线性回归、退水系数、离散系数等分析了牛栏江枯季径流特点及趋势。结果表明,牛栏江中上段枯季径流量、降水量无明显变化趋势,但蒸发量有明显减少趋势,枯季径流量占年度径流量的比例有增加趋势,11月至次年4月,月径流量逐步大幅减少,但趋势分析表明,11月径流量有明显减少趋势,12月无明显变化趋势,1～4月径流量呈增加趋势,枯季各月径流量总体趋向于均衡。使用Pearson相关分析法识别枯季月径流预报因子,基于二次回归正交旋转设计,构建了枯季各月预报模型,模型模拟检验表明,11月径流预报模型精度为丙级,12月至次年4月径流预报模型精度为乙级。研究成果可为牛栏江—滇池补水工程枯季水资源调度提供依据。     

基于相似过程衍生的月径流概率预报模型研究

针对传统月径流预报模型存在的缺陷,建立了相似过程衍生法与概率预报相结合的月径流概率预报模型。运用相似过程衍生法发布确定的预报结果,在定点预报的基础上利用概率预报提供一定置信水平下的预报区间作为模型预报结果。模型结构简单、易于构建且建模过程中无需考虑预报因子的选择问题。将该模型与BP神经网络模型进行对比仿真试验,结果表明该预报模型具有较好的预报精度,且合格率高于BP神经网络模型,可在水库月径流预报中推广应用。