基于气象因子的中长期水文预报方法研究

气象因子与径流序列在物理成因上有着比较密切的关系。基于此，对气象因子与径流的关联性进行空间上的变异分析。先对气象因子进行R型主成分分析．然后选择出影响径流量的主因子，计算因子得分．通过聚类分析进行径流量的定性预报。实践证明，此种方法有很好的可靠性，值得应用和推广。     

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。     

年径流变化的BP神经网络预报模型研究

针对现有基于线性方法的年径流预报模型预报精度不高的问题,利用乌江洪家渡1963~2016年径流系列资料,以5~10月月平均流量作为预报影响因子,构建以年径流量为预报对象的BP神经网络模型,形成6-11-1的网络结构,并选取泛化能力强的贝叶斯规则法TRAINBR为训练函数。模拟结果表明,模型预报效果良好,对于年径流预报具有实用价值;BP神经网络模型相比逐步线性回归方法能更精确表达年径流预报因子与预报对象的映射关系;采用的训练函数TRAINBR能有效改善模型的泛化能力。研究成果可为径流预报提供参考。     

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。     

月径流的分期组合预报模型及应用

针对年内汛期与非汛期径流变化规律的差异,建立了月径流分期组合预报模型.针对汛期径流预报不确定性较强的特点,该模型可量化预报不确定性并发布概率预报进而为制定决策提供参考.针对原贝叶斯平均模型参数优化方法存在的缺陷,提出了基于模糊优选模型的多目标粒子群算法优化参数.实例表明,该模型预报精度高,发布的概率预报对制定水电站的月调度计划具有一定的参考价值.     

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。     

安哥拉宽扎河径流演变特性分析

为合理开发、高效利用安哥拉宽扎河水力资源,需深入分析其河川径流的演变特性。基于堪班贝站天然径流资料,采用Mann-Kendall秩次相关检验法、滑动t检验法等统计学方法,分析了径流的变化趋势和突变特性。结果表明,年径流量和汛期径流量均有减少趋势,但变化趋势不显著;非汛期径流量有显著的减少趋势,若未来维持该趋势,将加剧径流的年内丰枯差异,对水资源综合利用产生不利影响;年径流量和汛期径流量在1970、2001年发生突变,非汛期径流量在1971、2004年发生突变,突变点前后序列的变化趋势均发生改变。     

二滩水电站中长期径流预报研究

针对二滩水电站的实际径流特性和水电站发电调度的要求,应用季节性自回归模型和人工神经网络模型对二滩水电站的月径流、汛期分段和年径流预报进行研究.结果表明,这两种模型对二滩水电站的月径流预报、汛期定性预报均达到了一定精度,可为二滩水电站优化调度的径流输入提供参考依据,尤其是AR(P)模型的非汛期月径流预测和BP模型年径流预测结果可在实际运行中使用.     

基于Elman神经网络的锦屏一级水电站年平均径流量集合预报研究

为预报锦屏一级水电站年平均径流量,根据其1960~1999年逐年年平均径流量与上年(1959~1998年)逐月74项大气环流指数的相关关系,选出相关性高且与年平均径流有物理联系的大气环流指数作为预报因子;利用多个Elman神经网络建立年平均径流量的集合预报模型,并采用锦屏一级水电站1960~1999年的逐年年平均径流量和筛选的预报因子数据对模型参数进行率定,2000~2011年的逐年年平均径流量对模型预报效果进行检验。结果表明,基于Elman神经网络的单一模型的范化能力较好,多模型的集合预报精度比单一模型的预报精度有进一步提高,可为锦屏一级水电站水资源调度提供参考。     

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。     

受水利水电工程影响流域产流预报方法的探论

本文从研究流域上大中型水库及小水库群(包括据堰)在防洪、灌溉、发电中的调蓄作用及运用基本规律出发。在天然流域产汇流预报原理基础上。提出了一套考虑上游水利水电工程影响的产流预报方法。该法应用于广东枫树坝流域,使产流预报方案的合格率从85.1％提高到91.7％,并克服了原方案在汛初及久旱后预报洪水的产流量远远偏大的问题。     

官地水库汛期发电优化调度方案研究

为增加水库的多年平均发电量,以官地水库为例,利用电站特征水位、库区回水和移民成果、下游河道防洪现状及洪水预报情况,拟定了根据洪水预报流量确定汛期运行水位的分级预报预泄方案,根据预泄能力约束将汛期运行水位控制在一定范围,在预报流量较大时将水位逐级预降下来,在预报流量较小时将水位逐级回蓄上去。实例应用结果表明,利用汛期发电优化调度方案进行调度后,多年平均发电量由118.7×108kW·h增加为127.6×108kW·h,兴利效益明显,且在一定范围内洪水预见期越长,优化调度方案的发电量越大,但当洪水预见期增加到10h后,库区淹没和电站下游防洪安全会制约发电量的增加。     

龙角山水库入库洪水实用预报方法对比研究

为提高流域洪水预报精度,以山东半岛龙角山水库为例,利用25场洪水资料,选择降雨径流经验相关法和新安江模型对比分析二者的预报精度.结果表明,降雨径流经验相关法在率定期和验证期的地面径流深预报合格率分别为94.1％、87.5％,精度为甲等级别;新安江模型洪峰、峰现时间和径流深三个预报项目平均合格率在率定期、验证期分别为84...     

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。     

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。