改进垂向混合产流模型在营口洪水模拟中的应用

为分析改进的垂向混合产流模型在营口地区河流洪水模拟的适用性,以营口地区熊岳站为研究实例,结合熊岳站15场典型实测洪水数据对比改进前后模型的模拟精度。分析表明:改进的垂向混合产流模型在熊岳站模拟精度总体可达乙级标准,在洪峰和洪量模拟精度均较传统模型有着较为明显的改善。研究成果对于营口地区洪水预报方案制定具有重要参考价值。     

基于GLUE的新安江模型参数不确定性分析及应用

结合新安江模型在东洋河流域的应用,提出了基于GLUE方法的新安江模型参数不确定性分析。采用GLUE算法抽样结果对东洋河流域进行不确定性预报,选用水文模拟中常用的确定性系数作为似然判据,通过设定0.7为阀值,得到的90%置信区间的流量过程,实例研究表明,以该结果进行不确定预报是可行的。     

垂向混合产流模型在清河水库流域的改进应用

基于清河水库流域气候特点并结合垂向混合产流模型的结构特征,对模型结构进行改进应用,通过分时段双源蒸散发计算和改进的格林—安普特下渗公式的应用计算,在此基础之上进行洪水模拟计算,分析对比模型在清河水库流域改进前后的结果,使模型在北方干旱冻土地区具有一定的适应性、成熟性和有效性。     

改进的垂向混合产流模型在大凌河流域的运用

考虑传统垂向混合产流模型在河道汇流演算时将槽蓄系数设置为定值的缺点,引入变动态存储系数法对其进行改进,并将两种模型在大凌河流域进行对比分析。此外,基于改进的垂向混合产流模型定量分析不同蒸发输入和不同计算时段对水文模拟的影响。研究结果表明:相比于传统垂向混合产流模型,改进的垂向混合产流模型模拟的平均相对误差降低1.06%,确定性系数提高0.1;计算的蒸发输入相比于实测蒸发输入,平均相对误差减少0.61%,确定性系数提高0.03,计算的蒸发可代替实测蒸发作为大凌河流域无资料地区水文模拟的蒸发输入,研究成果可为大凌河流域水文模拟提供新的方法。     

GLUE方法分析新安江模型参数不确定性的应用研究

采用普适似然不确定估计（GLUE）方法,研究新安江流域水文模型参数的不确定性问题。通过江西乐安河流域资料的模拟分析表明,模型参数间存在“异参同效”现象,即存在许多可接受的似然估计值的参数值组合。利用这些参数组的概率分布,可以对模型模拟的不确定性范围进行分析。     

GLUE法分析水文模型参数不确定性的研究

应用新安江模型,采用普适似然不确定估计(GLUE)方法,对梁辉水库洪水预报中参数的不确定性问题进行研究并对预报误差进行分析,结果发现,模型参数中存在大量的"异参同效"参数组,即存在许多可接受的似然估计值的参数值组合.据此,将参数分为敏感性参数和不敏感性参数两大类.深入了解新安江模型参数的意义及其敏感性问题为今后流域水文模拟提供参考,以助于新安江模型参数的率定和模型的推广应用.     

利用 GLUE 方法不同算法分析 TOPMODEL模型不确定性

以丹江的西峡流域为研究对象,采用GLUE方法探讨TOPMODEL模型不确定性。分析不同似然函数算法、调节参数、模型参数和结果预测区间的不确定性,结果表明不同算法的似然函数值既有差异又有相似性,值变化会引起不同似然函数分布的变化,也影响模型参数与似然值的关系。分析不同阈值的90％置信区间的实测值覆盖率、预测区间宽度及预测区间对称性等特征,结果说明阈值越小,预测区间的可靠性越高,但不确定性范围越大;阈值越大则情况相反。说明选定似然函数和阈值时需综合考虑多方面因素。     

基于GLUE 方法的饱和多孔介质中溶质运移模型参数不确定性分析

模型参数的不确定性分析是模型不确定性研究的重要内容之一。本文以示踪剂Br和反应性溶质Cu在石英砂中的运移为例,采用GLUE方法探讨了多孔介质中溶质运移模型参数的不确定性。研究结果表明,仅对水力学参数θs和λ进行识别时,θs和λ的可识别性较强。对耦合Freundlich等温吸附的模型参数进行识别时,由于参数间的相互作用,θs和λ的可识别性降低;吸附特性参数kF的后验分布基本呈均匀分布,可识别性较差,吸附特性参数β、ω、f的取值区间则相对收敛,可识别性较强。K-S检验结果表明,参数区域敏感度由高到底的排序为f、ω、β、kF、λ、θs,主要是因为石英砂对Cu的吸附以动力学反应为主,而f和ω是与动力学吸附反应相关的两个参数。上述结论有助于加深对溶质运移模型参数的理解和提高模型预测的可靠性。     

改进的垂向混合产流模型在辽西干旱半干旱区域洪水模拟中的应用

本文引入改进的Grenn-Ampt下渗曲线对垂向混合产流模型的下渗计算进行改进,并以辽西干旱半干旱区域为研究区域,对区域洪水进行模拟分析。研究结果表明:相比于传统模型,改进的垂向混合产流模型在洪水模拟精度上有明显改善,日尺度和小时尺度洪水模拟的相对误差分别减少8.7%和10.6%,洪水过程拟合系数分别提高0.26和0.30,改进模型更适用于辽宁西部干旱半干旱区域的水文模拟。研究成果对于北方干旱半干旱区域洪水模拟提供方法参考。     

GLUE框架下似然函数对水文模型不确定性的影响

似然函数的选取对模型参数不确定性结果存在较大影响。本文以淮河上游大坡岭水文站控制流域为例,采用GLUE不确定性分析方法、SCE-UA优化算法与流域水循环系统模型(HEQM)耦合,探索Nash-Sutcliffe系数与水量平衡系数这两个似然函数对模型参数敏感性、取值分布特征以及不确定性的影响。结果表明:从敏感性分析结果来看,Nash-Sutcliffe系数作为似然函数时,所选择的9个参数均为敏感性参数,而水量平衡系数作似然函数时,仅有1个敏感性参数,Nash-Sutcliffe系数更适合作似然函数;从不确定性区间评价结果来看,水量平衡系数作为似然函数时,模拟结果的覆盖率和对称性均优于Nash-Sutcliffe系数。以上研究可为GLUE方法似然函数的选取提供参考,也为多目标GLUE方法中权重的分配提供理论依据。     

SWAT模型径流模拟的校正与不确定性分析

为比较SUFI-2和GLUE两种常用的SWAT模型校正与不确定性分析方法的优劣,以三峡库区大宁河流域为研究对象,应用Arc SWAT 2012对大宁河流域进行径流模拟,并分别基于SUFI-2和GLUE方法进行校正和不确定性分析,进而从模型模拟结果的不确定性、拟合效果、运算效率和参数不确定性分析等方面对SUFI-2和GLUE进行比较。结果表明:SUFI-2和GLUE都可以较好地应用于大宁河流域SWAT模型的校正和不确定性分析,但SUFI-2方法能通过较少的模拟次数获得更小的模拟不确定性带以及更佳的拟合效果,而GLUE方法在参数不确定性分析方面的表现更佳。对于SWAT模型径流模拟,建议用SUFI-2方法进行校正和模拟结果不确定性分析,用GLUE方法进行参数不确定性分析。     

MIKE SHE水文模型参数的不确定性研究

为了估测水文模型的不确定性参数特征,更准确地构建水文模型,利用妫水河流域东大桥水文站径流资料,对MIKE SHE模型参数进行了不确定性分析。结果表明:选取的参数中不确定性较大的为水平传导系数、壤中流下渗常量、壤中流给水度、壤中流渗透阈值,不确定性较小的为山林地及平原耕地的饱和渗透系数、蒸散发经验系数;模型模拟结果与实测数据符合较好,校核期有55%的实测数据落入模拟径流量的置信区间内,但模拟精度仍有待提高。     

水力学模型试验两种参数的测量不确定度评定

将测量不确定度与水工模型试验结合起来,对水工模型试验测量中常见的2种检测参数(流量、流速)进行不确定度评定。评定结果表明:①对流量检测不确定度影响最大的参数是堰上水头,其次是堰宽、堰高。因此,在堰上水头的测量过程中应注意各操作步骤精度的控制,量水堰制作过程中应特别注意堰宽的控制。②对流速检测不确定度影响最大的是水体脉动及位置误差,由于水体脉动无法人为控制,因此应特别注意每次测量时测点位置的控制。     

基于 Morris的SWMM模型参数敏感性分析

随着城市化的不断推进,城市洪水、内涝问题日益严重。国内外广泛使用的SWMM模型在防洪排涝的实践中发挥着重要作用,模型参数的确定是其应用可靠的关键性问题。本文利用Morris筛选法,以龙岩市中心城区为例,研究SWMM模型的不同水文水力参数对区域洪峰流量和径流系数的影响程度。研究结果表明,对径流系数影响最大的参数是不渗透性、最小渗入速率和漫流宽度,对洪峰流量影响最大的参数是不渗透性、漫流宽度和渗透性粗糙系数。文中结果有利于提高模型参数选取的效率,也能提高模拟结果的准确度,为今后SWMM模型的应用研究提供参考。     

基于Monte Carlo方法的地表水地下水耦合模拟模型不确定分析

为分析参数的不确定性对地表水地下水耦合模拟模型输出结果的影响,本文运用Monte Carlo方法对地表水地下水耦合模拟模型进行不确定性分析,并根据不确定性分析结果进行生态恶化风险评估。以石头口门水库上游饮马河汇水流域为例,建立地表水地下水耦合模拟模型,并运用HydroGeosphere(HGS)软件求解。利用局部灵敏度分析方法甄选出耦合模拟模型中灵敏度较高的参数,作为随机变量。最后,运用Monte Carlo方法对耦合模拟模型进行不确定性分析。为了减少不确定性分析过程中的计算负荷,应用Kriging方法,建立耦合模拟模型的替代模型。结果表明:地表水地下水耦合模拟模型中灵敏度较高的参数为渗透系数、孔隙度和曼宁粗糙系数,其中渗透系数的变化不仅对耦合模型中地下水水位产生影响,也对地表水流量产生影响;Kriging替代模型可以在保证一定精度的条件下大幅度减少计算负荷;风险评估结果表明,在当前的水资源开发利用条件状态下,研究区地下水生态环境恶化风险的概率为6%,地表水生态环境恶化风险概率为15%。     

小波网络模型在年径流预测中的应用

结合人工神经网络（ANN）的较强非线性逼近功能和自学习、自适应特点。充分发挥两者优势，将小波分析与人工神经网络进行耦合（即小波网络模型）。将非线性时间序列实行小波变换．再以小波变换序列作为ANN的输入、原始时间序列作为ANN的输出，最后训练网络并进行预测。