玛纳斯河中长期径流预报研究

随着统计学的不断完善,利用时间序列和回归分析理论来预报各种水文变量的未来变化已得到越来越广泛的应用。本文基于1955年--2008年玛纳斯河实测年径流量、蒸发量、平均气温资料分别建立了时间序列模型和多元回归模型,并进行了预报拟合及精度检验。结果表明玛纳斯河时间序列模型虽然预报精度较低,但有较好的适应性;而多元回归模型精度较高,完全可以达到实用要求,可为新疆北疆各地区抗旱、年用水计划、水库的兴利调度等提供较好的参考。     

基于降雨径流相似性的短期径流预报研究

径流预报是水力发电、防汛抗旱、水资源综合利用、电力生产与保障等的重要依据。针对物理驱动模型在参数率定困难和数据驱动模型预报结果可解释性差的问题,研究提出基于降雨径流相似性的短期径流预报模型,深入分析径流成因,采用数据挖掘技术剖析数据之间的关系以进一步提高预报精度;根据不同时期和量级的产汇流差异进行流量分级,并滚动更新降雨径流信息以实现滚动预报。该研究成果在乌江的应用显示,入库1日、 7日预报结果平均相对误差分别为10.79%、 14.39%,预报效果良好。     

最近邻抽样回归模型及其在枯水期月径流预报中的应用

为合理调配水资源,做好枯季径流预报,可采用最近邻抽样回归模型进行预测。按照最近邻抽样回归模型的基本思路和实现算法,根据长江上游主要控制站——寸滩站1893年1月—2009年12月历史同期月整编资料,对该流域的枯季径流特性进行分析研究,通过建立模型,对模型预测效果进行验证。结果表明：该模型对枯季径流的预报精度较高,可用于作业预报。     

中长期径流预报研究进展与展望

概述了中长期径流变化的主要影响因素,从发展历程和研究方法两个角度总结了中长期径流预报方法。从研究技术、径流成因、数据驱动模型、预报不确定性4个方面综述了中长期径流预报的研究进展,分析了在径流关键驱动因子及其驱动机制、数据驱动方法的物理可解释性、预报结果的不确定性认识等方面研究的不足,指出未来应注重对中长期径流物理成因、预报方法适用性和可靠性、中长期径流演变相关研究成果的应用等方面的研究。     

数学模型在漫湾水电站中长期预报中的应用

水文中长期预报作为防灾减灾以及进行水资源优化调度、水电站运行管理的重要依据,一直是水文工作中的重点和难点。为了探究不同数学模型在漫湾水库的适用性,选定人工神经网络、最近邻抽样回归、线性回归3个模型对漫湾水库进行月径流模拟,并将各个模型的模拟径流进行对比和精度评价。最终选定模拟精度较高的最近邻抽样回归方法建立漫湾水库月径流来水预报方案。     

WPT-HPO-ELM径流多步预报模型研究

为提高径流时间序列多步预报精度,建立了小波包变换(WPT)-猎人猎物优化(HPO)算法-极限学习机(ELM)相融合的径流时间序列多步预报模型,并应用于云南省南康河水文站月径流和日径流时间序列多步预报。引入HPO算法原理,在不同维度条件下选取6个典型函数对HPO进行仿真验证;利用2层WPT将径流时序数据分解为4个子序列分量,达到降低径流序列数据复杂性和不平稳性的目的;采用HPO优化ELM输入层权值和隐含层偏值,建立WPT-HPO-ELM模型对实例月径流和日径流进行多步预报。结果表明：HPO算法具有较好的寻优精度和全局搜索能力;WPT-HPO-ELM模型对预见期为1～3个月的月径流具有理想的预报效果,预报的平均绝对百分比误差≤2.43%,合格率≥99.2%,确定性系数≥0.999;对预见期为4～6个月的月径流具有较好的预报效果,预报的平均绝对百分比误差≤15.0%,合格率≥73.3%,确定性系数≥0.991;当预见期≥7个月时,预报效果较差。对预见期为1～3 d的日径流具有理想的预报效果,预报的平均绝对百分比误差≤1.23%,合格率为100%,确定性系数≥0.999;对预见期为4～7 d的...     

耦合数值降雨信息的径流预报方法对比

为优化流域径流预报方案,引入数值降雨预报信息,对比分析了不同预见期下新安江-融雪径流预报模型(XAJ-DDF)、基于总误差分析途径的概率预报模型(HUP)、多因子最近邻抽样回归模型(NNBR)在大渡河上游丹巴断面的日径流预报精度.结果表明,汛期,HUP模型表现最优且稳定,3、7 d预见期NS分别大于0.9、0.7,且伴...     

流域中长期径流分类预报方法

以水文循环基本原理为基础,从流域径流水汽来源影响因素角度明确了中长期径流预报基本概念及分类,即以气象(中期)、气候(长期)和天文因素(超长期)为预报因子,针对流域出口断面(或典型断面)的旬、月、季(汛期)或年径流,以及流域旱涝趋势进行预报。通过比较不同时间尺度下的水汽系统物理运动机理,论证了"短期气候预测"作为中长期径流预报理论基础的合理性,并将流域径流来源影响因素及其表现概括为三大规律:天文因素表现出的周期性是主要规律,反映了水文气候过程的基本状态;大气环流表现出的随机性对水文气候基本状态存在干扰,导致了波动;流域特征性规律反映了各种因素综合作用结果,具有流域的特殊性。最终,将流域中长期径流预报分为正常年份的径流过程预报和异常灾变年份的大旱大涝预测,其中前者的预报因子为水文气象与气候要素,后者为天文因素;在服务对象上,前者为水利工程常规运行调度服务,后者为防洪抗旱部门防灾减灾提供灾情预测;在结果发布上,前者提供定量的径流过程预报,后者提供丰、平、枯等3级(或5级)定性预测,并给出相似年份;在预报方法上,前者采用数理统计方法或物理成因相关分析法,后者采用周期性、随机性和流域特殊性识别等综合预报方法。     

基于降水一径流模型的中长期径流预测

通过物理成因分析确定了降水与径流的相关性,并采用相关概率法,利用卡方检验证明黄河上游贵德站降水与径流相关关系显著。在此基础上,采用最小二乘支持向量机方法建立了降水一径流预测模型。计算结果表明,预测的十个点位值,除一个不满足流量距平值小于10%的要求以外,余者的预测流量值与多年平均值相比均小于10%,预测精度相对较好。     

时间序列模型在径流长期预报中的应用研究

自回归积分移动平均法(ARIMA法)通过对噪声概率分布的研究,可知道预测在各种概率下可能出现的偏差大小,能很好地处理随机干扰问题.随着计算机技术的发展,该方法的计算工作量大的缺点,也迎刃而解.介绍了ARIMA预测模型的建模原理和建模方法,并将该方法应用到塔里木河上游源流卡群水文站的年径流量预报中,以误差在±20%以内为全合格标准,合格率达到90%以上.     

基于近邻估计的年径流预测动态 联系数回归模型

集对分析理论为处理确定、不确定系统提供了新的途径,根据集对分析理论建立起来的预测联系数回归模型可以明显改善回归模型的预测精度。对于预测因子结构具有的动态性,文中将利用近邻估计,通过计算各个预测因子的变异系数,来判断预测因子在某次预测中处于强势或者弱势,进而动态地选择预报功能大的强势因子,消除对预报起负面作用的弱势因子的作用,这样很好地体现了预测因子结构中具有的动态性。基于此建立了基于近邻估计的年径流预测动态联系数回归模型（NNE-DCNR）。结果说明：用NNE-DCNR去预测年径流量,预测精度比常用预测方法有显著提高,在水文水资源的预测中具有推广应用价值     

基于数值预报模式的柘溪水库流域径流预报系统

水库的优化调度运行需要依赖预报准确率高、预见期长的径流预报结果。现有的柘溪水库流域径流预报系统由于未考虑水库流域未来时段的降水过程,径流预报的预见期和准确率无法满足汛期优化调度的要求。为此,在分析柘溪水库流域的水文和气候特征基础上,提出了数值预报模式和水文模型的耦合预报框架,设计了基于数值预报模式的柘溪水库流域径流预报系统架构,阐述了系统的主要功能与逻辑结构。通过系统的应用,可为提高汛期洪水的利用率、减少弃水、提高发电和防洪效益提供重要决策支撑。     

基于奇异谱分析的闽江流域径流长期预报研究

以闽江流域1950-2007年月径流时间序列为例,采用毛毛虫-奇异谱分析方法进行长期径流预报研究。经过嵌套、奇异值分解、聚合、对角线平均等步骤,识别序列的趋势、周期等特征,得到趋势成分,以及3个月、4个月、6个月、12个月、2.6年和6.7年的周期成分。进一步基于获得的趋势、周期成分,采用线性递归公式检验验证期(2006-2007年)预测效果,并对未来24个月份(2008-2009年)的径流进行预测。结果表明:毛毛虫-奇异谱分析对水文时间序列具有较好的长期预测能力。     

混沌理论与BPNN耦合的径流中长期预测模型

受诸多因素的影响,径流时间序列具有非线性和混沌特征.单一的BPNN模型可以进行径流的中长期预测,但存在对径流影响因素量化不够的缺点;单一的混沌模型可以量化径流的影响因素,但只能实现短期预测.为此建立了混沌理论与BPNN耦合的径流中长期预测模型.针对黑河上游莺落峡水文站1944-2017年的径流序列,利用混沌理论计算了径...     

基于Hilbert-Huang变换的径流演变周期提取

提出一种基于Hilbert-Huang变换的周期提取方法。对径流序列直接进行变换后,经频率搜索处理得到径流波动频率及其演变过程。通过对黄河上游兰州站径流序列的分析,表明该方法能够真实地描述径流序列的非平稳非线性特性,具有很高的准确性与可行性。     

基于信息熵与改进极限学习机的中长期径流预测

为提高流域中长期径流预测精度,提出一种基于信息熵与改进极限学习机的中长期径流预测方法。首先,基于不同水文站点的流域控制面积构造径流综合指数,在较宏观层面表征流域水情丰枯变化;其次,采用偏互信息法计算影响对象与径流综合指数之间的相关性,获得径流过程变化的关键因子集,形成预测模型输入;最后,结合K折交叉验证与改进粒子群算法优化极限学习机(ELM)参数,构建IPSO-ELM模型,用于中长期径流预测。以雅砻江流域为例,将所建模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和PSO-ELM等预测模型进行对比分析。结果表明:所提模型的E_(mape)、E_(rmse)、E_(dc)、E_(qr)和E_(re)等性能评价指标明显优于上述4种模型;5种预测模型在D1数据集上的预测效果整体上胜于D2。     

基于分位点回归模型的洪水概率预报方法

采用分位点回归模型分析洪水预报的不确定性, 提供洪水预报倾向值( 预报概率分布的中位数) 和 90% 置信度的预报区间成果, 实现了洪水概率预报。基于/ 精度2可靠性0 联合评价指标对分位点回归模型计算的预报倾向值 和预报区间成果进行了评估。在信江流域梅港站的应用结果表明: 基于分位点回归模型提供的倾向值定值预报结 果可进一步提升洪水预报的精度; 同时该模型提供的 90% 预报区间结果具有较高的覆盖率( 约 90% ) 且离散度较小 ( 小于 01 20) , 表明预报区间以较窄的宽度包含了绝大多数的实测值, 预报可靠性较强。     

基于贝叶斯网络的黄河径流预测

基于黄河流域1979—2018年的ERA-Interim再分析气候与水文数据,以及CMIP5中10个气候模式下3种典型排放情景(RCP2.6、RCP4.5、RCP8.5)的全球气候变化数据,采用离散数据的处理方法,建立黄河流域贝叶斯网络模型,推断黄河流域近40余年来气候要素对径流的影响概率,预测黄河流域未来径流量。结果表明:1979—2018年黄河天然径流量呈减小趋势,基于贝叶斯网络分区间概率预测预报的径流量也呈减小趋势;黄河流域的不同区间(低、中、高)径流量对气候的敏感程度不同,但径流始终与降水相关性最高;在RCP2.6情景下,黄河流域未来20年、60年的径流量为585.50亿、588.57亿m~3;在RCP4.5情景下,其值为585.42亿、587.53亿m~3;在RCP8.5情景下,其值为593.50亿、585.11亿m~3。