基于水文水动力耦合模型的钱塘江流域洪水预报研究

基于实时水雨情监测数据的洪水演进机理模型叠加降雨产汇流水文模型可有效提高洪水预报精度。采用MIKE11的NAM水文模型与HD水动力模型耦合方法,收集和处理了钱塘江流域大量降雨、水位、流量等水文、地形资料,构建钱塘江衢州-澉浦段降雨径流-水动力演进模型,通过多次历史洪水资料进行率定和验证,从确定性系数、水量相对误差、洪峰相对误差、水位相对误差及峰现时差等多方面进行预报精度评定。结果表明：水文与水动力模型耦合方法可有效增加洪水预报模拟精度。     

新安江模型与水箱模型在马家沟水库洪水预报的适用性研究

洪水预报是重要的非工程防洪措施之一,是防洪指挥决策的主要依据。为避免单一模型预报结果的不确定性,以城固县马家沟水库为对象,应用新安江模型和水箱模型分别模拟了2019—2021年流域日径流和次洪水过程,并结合遗传算法率定优化的模型参数比较了模拟结果与精度。日模方面,水箱模型的模拟效果更优,洪量相对误差小于16%,洪峰相对误差小于4%,峰现时差小于1 h, Nash-Sutcliffe效率系数大于0.58,均达到了《水文情报预报规范》的评定精度要求,且对于水库大洪水的模拟效果也较为理想。次模方面,2个模型的峰现时差表现相当,新安江模型的模拟效果更平滑,水箱模型的洪量和洪峰模拟更贴近实测流量过程。整体来看,水箱模型比新安江模型更适合马家沟水库的洪水预报。     

小型水库洪水预报模型研究及应用

针对缺资料地区小型水库入库洪水预报难的问题,构建了一种小型水库入库洪水预报模型,其产流模块采用SCS模型,汇流模块采用地貌瞬时单位线,模型参数基于高精度地形地貌数据确定,不依赖于实测流量资料进行模型参数率定,并在安徽省永堌水库进行了应用。采用1818号台风“温比亚”期间永堌水库强降雨洪水进行了验证分析,应用结果表明,构建的模型对该场次洪水过程两次洪峰模拟值与专家反推的入库洪峰较为一致,相对误差分别为3.2%和-11.8%,均在±20%以内,峰现时差均为0,径流深模拟相对误差为-19.2%,确定性系数为0.949,说明建立的小型水库入库洪水预报模型对本次降雨洪水模拟效果较好,对其他小型水库入库洪水预报具有较好的参考和借鉴意义。     

SWAT模型在天山西部山区的应用

以伊犁喀什河流域为研究对象,采用分布式流域水文物理模型SWAT对喀什河流域进行径流模拟,并建立模型所需的土壤、土地利用、气象数据库。应用1990-1996年的月径流资料进行模型参数的率定;1997-2000年月径流资料进行模型的验证,评估了模型在天山西部山区的适用性。模型经过多次的参数率定后,能较好地模拟新疆山区水文过程。结果表明:率定期的径流相对误差RE为8.6%,Nash-Sutcliffe效率系数为0.8,模拟值与实测值之间的拟合程度较好。融雪是新疆径流形成的重要环节,模型中的融雪参数对模拟径流结果的影响较大,适当的调整融雪参数值,可提高模拟精度。     

基于多重演化模式重构的水文预报模型及应用

因长期受人类活动、气候变化等多重因素作用,水文时间序列表现出多时间尺度、多频率、动态变化、自记忆性等复杂性特征,增加了水文预报结果的不确定性。本文将经验模态分解模型,核主成分分析模型和支持向量机模型耦合,建立了针对复杂性水文时间序列的预报模型,并采用NASH效率系数、自相关系数、相对误差作为模拟预测精度及参数率定的多目标判断标准。模型应用于黄河花园口水文站径流序列的长期水文预报中,结果表明:模型预报时段长,具有较好的预测准确性和实践应用价值。该模型为多重因素作用的复杂性水文时间序列预报提供了一种方法。     

基于TOPMODEL的分布式水文模型在中小流域的应用研究

及时准确的洪水预报可为防汛减灾、洪水风险评估、水资源调配管理等方面提供重要的理论指导和决策依据.本文根据TOPMODEL和一维水动力学原理,构建了一套适用于中小流域的松散型分布式水文模型,筛选了40场代表性洪水,对模型的模拟精度进行了评价.结果表明:所有场次洪水模拟结果的峰现时间误差绝对值合格率为97.5%、达到甲级预报精度,洪峰相对误差合格率为75%、达到乙级预报精度,效率系数合格率为77.5%、可达乙级预报精度.本文构建的松散型分布式水文模型,模型参数少、运算速度快且具有较强的物理机制,可为分布式水文模型在实时洪水预报领域的应用提供一条新思路.     

基于VIC的中小尺度黄泥庄流域径流模拟

为对黄泥庄流域水资源进行评价与规划,探讨VIC大尺度分布式水文模型在中小尺度流域上的适用性,采用VIC模型对黄泥庄流域的径流进行模拟,结果表明:VIC模型在黄泥庄流域具有较好的适用性,说明VIC大尺度水文模型在中小尺度流域具有一定适用性;月径流模拟的Nash-Sutcliffe效率系数均在0.80以上,相对误差大部分在0.10以内,满足该流域水资源评价与规划的要求;模拟过程中部分较大洪峰,VIC模型的径流模拟效果稍显欠佳,参数率定结果的不确定性也给模拟结果带来一定误差,需进一步研究改进。     

基于PDM的飞来峡水库实时水文预报模型

水文预报模型是实时预报预警系统的核心。基于新型的概率水文预报PDM(The Probability Distributed Model),构建了北江流域飞来峡水库概率水文预报模型。将整个流域划分为18个子流域,对每个子流域分别建立PDM,并采用历史降雨流量数据序列对各子流域和流域PDM进行参数率定;以横石站为参考站,采用52场次实测历史洪水进行模型验证和精度评定,洪峰预报合格率为99%,精度等级为甲等,模拟精度高,说明了PDM结构和参数取值的合理性,以及模型在该流域的适用性。     

SWAT模型在缺资料地区的应用——以高明河为例

将SWAT分布式水文模型应用于珠江三角洲地区的佛山市高明河流域,利用GIS强大的空间分析与数据处理能力,对流域流量、气象、DEM、土地利用、土壤等水文气象和下垫面资料进行分析处理,率定模型参数,研究SWAT模型在降雨资料系列短、无长系列实测的河道水位流量数据、缺少有效的水文预报方案等缺资料的中小流域或区域的适用性,并分析误差原因。采用相对误差、相关系数以及Nash-Sutcliffe效率系数三项指标对模型进行评价检验,率定期和验证期的相对误差均在0.2以下,相关系数均在0.6以上,Nash-Sutcliffe效率系数均在0.5以上。结果表明,SWAT分布式水文模型能够对高明河流域日时间尺度水文过程进行准确模拟,达到GB/T 22482—2008《水文情报预报规范》中精度评定的丙级,在缺资料的珠三角中小流域具有较好的适用性。     

湿润地区山区小流域水文模型应用与比较

将新安江模型、萨克拉门托模型及TOPMODEL应用在3个不同的湿润地区山区小流域,将洪峰相对误差及峰现时间误差作为预报精度主要评价指标,分析不同水文模型在各流域的精度及适用性。结果表明:在南阳河流域,新安江模型略优于另外两种模型,但3种模型总体精度均不高;在雾渡河流域,新安江模型精度较高,萨克拉门托模型次之,TOPMODEL精度最低;茅坪河流域资料匮乏,仅有的6场洪水全部用于模型率定,3种模型均能达到预报精度要求。综合比较后发现,新安江模型在3个研究流域预报精度最高。     

卡尔曼滤波对水箱模型的应用校正

采用粒子群法对水箱模型的参数进行了率定,并将该模型应用于长湖水库进行洪水模拟预报,对洪水验证时采用卡尔曼滤波进行校正,最终得到的验证结果证明卡尔曼滤波对于单独采用水文模型进行预报的精度有较大的提高。     

水文集合预报与实时校正在伊河上游的应用

用新安江模型和PBK模型对伊河上游东湾站洪水进行了模拟预报,然后分别用先集合预报后实时校正的方法和先实时校正后集合预报的方法对预报结果进行修正,以洪峰相对误差、洪量相对误差和确定性系数作为评价指标分析了集合预报和实时校正后的预报精度。结果表明:利用加权平均法集合预报和KNN法实时校正均能有效减小洪水预报误差,先集合预报后实时校正方法的洪峰预报精度优于先实时校正后集合预报方法,而洪量预报精度不如先实时校正后集合预报法。     

系统水文模型在洮河干流洪水演算中的应用

利用系统水文模型分别对洮河岷县－李家村、岷县－红旗段建模，根据历史洪水资料优选拟合，得出相应的洪水演算模型。并对未参加参数率定的资料进行试报，结果表明：本方法具有较高的预报精度，可用于发布实时洪水预报。     

基于NAM模型的白龟山水库入库洪水预报方案研究

白龟山水库是沙河漯河以上库容最大的水库,在沙河防洪体系中处于"上压、下控、左右挤"的关键部位,位置极为重要,在调节洪水中起着承上启下的重要作用。为充分发挥水库防洪作用,采用国外知名的流域水文模型-NAM模型开展了白龟山水库洪水预报研究,建立了洪水预报模型,用3场实测入库洪水有关数据率定了模型参数,并对参数进行了人工微调,应用该模型对10场实测入库洪水进行了模拟,模型预测的洪峰误差平均为-9.00%,预报精度较高,具有一定的实践意义。     

基于流溪河模型的中小河流洪水预报方法

针对中小河流缺乏河道断面资料而无法实际应用分布式水文模型的问题,以流溪河模型为原型,假定河道断面为矩形,采用卫星遥感影像估算河道断面尺寸,通过实测洪水资料优选模型参数,提出了中小河流洪水预报的流溪河改进模型。应用于江西省典型中小河流——太平江流域的结果表明:河道分级越多,模型模拟的洪水的洪峰流量越大、次洪径流系数越大;洪峰出现时间越提前,模拟的洪水过程的效果越好,精度越高;改进的流溪河模型对50场洪水模拟的相关系数达0.92,洪峰误差均值为5.54%,最大不超过20%,平均峰现时间差为0 h;洪水过程的预报结果可评定为甲等。该模型可应用于中小河流实时洪水预报中。     

遗传算法在水文预报中的应用

本文简要介绍了遗传算法的基本原理，利用该算法率定新安江模型的参数，并应用于江界河-思南区间的水文预报。结果表明，利用遗传算法率定水文模型参数直观、简便、适用性强，能较大的提高水文预报的效率和精度。     

基于神经网络与遗传算法的洪水分类预报研究

针对水文模型参数的不确定性,对洪水进行分类预报,不同类型洪水采用不同预报参数,旨在提高洪水预报精度。基于BP神经网络模型,依据分类因子选取原则,选取6项具有代表性的影响因子作为模型输入,可将洪水划分成高、中、低3类。基于遗传算法,对3类洪水进行参数率定,获得3组不同的参数组,最终利用训练好的分类预报模型实现不同类型洪水的变参数预报。以大伙房水库25场历史典型洪水进行实例验证与分析,结果表明:分类预报结果的洪峰误差、峰现误差、确定性系数及典型洪水过程的拟合效果明显优于分类前。经训练后的基于BP神经网络与遗传算法的洪水分类预报模型可较好适用于大伙房水库,结果更贴合实测值,效果整体上优于分类前,方法可行、有效。     

煤矿采空区对降雨径流的影响研究

山西省是煤矿开采大省,长期大规模地开采煤层,导致很多地区形成了煤矿采空区和伴生的地表裂隙,认识煤矿开采所导致的水文过程变化意义深远。文中以汾河水库水文站控制流域为研究对象,构建适用于该流域的水文模型,选取流域内1973—2010年的13场代表性降雨对模型参数进行率定和验证,将传统模型参数率定结果与考虑采空区模型参数率定结果进行对比,以洪峰流量相对误差为指标评价模拟精度,并给出了考虑采空区特殊下垫面影响的主要敏感参数的取值范围,结果表明采空区地裂缝对洪峰的削减作用较强。     

基于自回归模型的分布式水文模型预报校正

以清江水布垭上游流域为研究对象,利用1 km×1 km精度的数字高程模型(DEM)提取流域特征信息,采用基于DEM的分布式水文模型(DDRM)对清江流域进行降雨-径流模拟。由于分布式水文模型所需资料在目前的技术水平下难以完全满足或者建模理论不完善等原因,其在水文预报中的应用效果还不太理想。因此,本文建立了自回归模型尝试对DDRM模型的模拟结果进行降雨-径流的实时校正。利用Nash-Sutcliffe效率系数、径流深相对误差等方面对校正前后的模拟结果进行比较分析,结果表明:在DDRM模型的基础上采用自回归模型对误差进行校正提高了预报精度,能在一定程度上弥补分布式水文模型在实际应用中由于资料不足等原因而带来的精度下降的问题。     

POS优化算法在SWAT模型参数优化中的应用

当前,分布式水文模型SWAT模型在国内水文模拟中应用较为广泛,但模型参数较多,人工经验设定参数存在工作量较为繁杂,且模拟精度不高的缺陷,为此本文引入POS优化算法,对SWAT模型参数进行批量优化,并以汤河西支流域为研究区域,结合区域实测水文数据,对比分析参数优化前后,对SWAT模型模拟精度的影响。研究结果表明： POS优化算法可实现SWAT模型参数的批量优化,相比参数优化前,参数优化后SWAT模型模拟径流深相对误差减少5.7%,流量过程拟合系数提高0.118。研究成果对于水文模型参数优化和自动率定提供参考价值。