西辽河实时洪水统计预报模型

应用相应流量法建立西辽河主要断面的洪峰预报方案，并采用线性动态系统模型理论方法建立洪水过程的实时预报方程，形成了完整的河系预报系统模型．在洪峰预报方案中，考虑引入不同预报因子以反映不同的洪水特性；在洪水过程预报方程中，联合采用AIC准则和逐步回归算法确定模型结构，结合衰减记忆最小二乘递推算法的实时校正技术进行洪水过程预报．应用结果表明，开发的预报模型适用于西辽河的实时洪水预报问题，可供防洪决策参考。     

洪水预报实时校正技术研究综述

对典型的水文模型流量预报实时校正算法、误差自回归校正算法、衰减记忆最小二乘算法和卡尔曼滤波算法等洪水预报实时校正方法及其求解过程进行了分析,讨论了各种方法的利弊.结果表明:水文模型流量预报实时校正算法物理意义明确,容易编制程序,但预见期较长时的校正效果不明显,对于有多个水文站的较大流域,不适宜采用该法;误差自回归校正算法的阶数可以通过实际情况来确定,模型可以确定系数,也可以加入不断反馈的信息而成为变系数的时变模型;衰减记忆最小二乘算法仅适用于缓时变系统的参数识别,对于非确定性动态水文系统模型参数跟踪乏力,容易形成参数在线跟踪的滞后性;卡尔曼滤波技术目前应用较为广泛,但在实际使用中仍然存在各种各样的问题,需要借助滤波处理技术加以改善.     

实时洪水预报中的组合预测模型方法

通过分析最优加权组合预测模型的基本原理,提出了差分模型和衰减记忆最小二乘递推算法的组合预测模型,并将该模型应用到实时洪水预报中.结果表明:①最优组合预测模型比各单个预测模型精度高,稳定性较好;②提高单个预测模型的精度是提高组合预测模型精度的关键;③组合预测模型的实时洪水预报效果较好.     

应用带时变遗忘因子在线递推实时预报模型编制水文预报方案——对龙滩水电站施工水文预报方案的探讨

多元线性因归方程被广泛地应用于河道洪水演算。考虑上、下游，干、支流来水的影响，建立了多元线性回归模型。最新时刻的预报误差即新息依时序组成误差序列，带时变遗忘因子在线递实时预报方法，对该误差序列用衰减记忆最小二乘法在线识别，从当前现实的预报误差外推未来的预报误差，以实时校正预报结果。将该模型试用于红水河三个子流域后发现，模型具有物理概念明确，适用性强，便于移植等特点，万为突出的表现为，不但在洪水传播时间之内即传统意义上的预见期内的预报精度高，达到了规范要求的甲等方案标准，而且能对传播时间之外的未来洪水作出趋势预报，这对施工洪水预报用至水库洪水调度都是十分有益的。     

新安江模型与衰减记忆最小二乘法耦合洪水模型的应用

利用新安江模型进行流域产流计算，采用扩散波方程推得的汇流状态方程描述流域汇流过程，由衰减记忆递推最小二乘法实现参数估计实时化，从而使新安江模型与衰减记忆递推最小二乘法耦合，实现洪水实时预报。利用耦合模型对矶头水库76场入库洪水进行模拟，模拟结果表明，耦合模型适合中小水库入库洪水实时预报，预报精度比独立使用新安江模型得到了大大的提高。     

西江下游实时洪水预报研究

为了提高洪水预报的精度,采用预报加校正的模式探讨了卡尔曼滤波算法与衰减记忆最小二乘法在西江下游洪水预报实时校正中的应用。结果表明:两种方法均能明显提高预报精度,但是综合比较而言,卡尔曼滤波方法取得的结果更优。     

一维非恒定水动力学模型的实时洪水预报

本文建立了一维非恒定水动力学模型与最小二乘法耦合的实时洪水预报模型。运用最小二乘的递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,并动态修正参数,实时改变一维非恒定水动力学模型结构,对洪水预报进行实时修正。通过长江干流宜昌～螺山段洪水实时预报应用．改进后模型预报精度比原一维非恒定水动力学模型计算结果有很大提高,表明所建立的模型用于洪水预报是行之有效的,在洪水预报中具有推广应用价值。     

线性动态系统模型在实时洪水预报中的应用

应用一般的线性动态系统模型理论，并结合衰减记忆最小二乘递推识别的实时校正技术，建立了鄱阳湖吴城站水位过程的实时预报方案。模型结构采用AIC准则法和逐步回归筛选法综合确定，模型参数采用最小二乘法估计。应用结果表明，该预报模型适用于湖泊水位这类缓变型水文变量的预报，可以用于实时作业预报。     

递阶偏最小二乘回归在大坝安全监测中的应用

偏最小二乘回归能有效地消除因子间的多重相关性,但从其算法特点和实际应用来看,也存在不足.例如,在算法方面,偏最小二乘提取的主成分不一定能同时保证方差和相关程度最大;在应用方面,含有较多自变量的偏最小二乘回归模型的可解释性不高.递阶偏最小二乘回归是偏最小二乘回归后续研究的成果之一,在一定程度上克服了上述不足.算例表明,递阶偏最小二乘回归模型较其他回归模型的可解释性强,较为合理.     

混合门限回归模型在河道水位预报中的应用

针对松花江干流汛期洪水的特点以及松花江流域防洪减灾的需求,采用多元门限回归模型建立了松花江干流肇源、三家子、涝洲、木兰、富锦5个水位站的水位预报模型;在多元门限回归模型的基础上进行改进,得到混合门限回归模型,并以此建立松花江干流5个站的水位预报模型。两种模型的预报因子均通过AIC准则和DW检验法筛选确定,并用最小二乘法估算模型的参数。选取各水位站2008—2012年汛期的水位资料分别率定相应的水位预报模型,选取2013年汛期的水位资料对各个率定的模型进行验证。率定和验证的结果表明:多元门限回归模型的预报精度偏低,而混合门限回归模型的预报精度高,且有一定的通用性,适用于水位预报。     

Comparative Study of Three Updating Procedures for Real-Time Flood Forecasting

Accurate real-time flood forecasting is essential for flood control and warning system, reservoir operation and other relevant water resources management activities. The objective of this study is to investigate and compare the capability of three updating procedures, namely autoregressive (AR) model, recursive least-squares (RLS) model and hydrologic uncertainty processor (HUP) in the real-time flood forecasting. The Baiyunshan reservoir basin located in southern China was selected as a case study. These three procedures were employed to update outputs of the established Xinanjiang flood forecasting model. The Nash-Sutcliffe efficiency (NSE) and Relative Error (RE) are used as model evaluation criteria. It is found that all of these three updating procedures significantly improve the accuracy of Xinanjiang model when operating in real-time forecasting mode. Comparison results also indicated that the HUP performed better than the AR and RLS models, while RLS model was slightly superior to AR model. In addition, the HUP implemented in the probabilistic form can quantify the uncertainty of the actual discharge to be forecasted and provide a posterior distribution as well as interval estimation, which offer more useful information than two other deterministic updating procedures. Thus, the HUP updating procedure is more promising and recommended for real-time flood forecasting in practice.     

A coupled rainfall-runoff and runoff-routing model for adaptive real-time flood forecasting

This paper describes an adaptive hydrologic modelling technique for real-time flood forecasting. The modelling approach is based on a linear stochastic time-varying representation of the rainfall-runoff process and on the Muskingum routing method formulated as an optimal linear filtering problem. The most general stochastic rainfall-runoff model used for linear forecasting is known as the transfer function noise model. An on-line identification procedure based on an extension of the recursive Instrumental Variable estimator is discussed. The routing procedure, based on the Muskingum method, is written in a state-space representation. This allows real-time updating of the state and the system parameters by means of Kalman filtering. The described method is used to forecast extreme flood events for the River Ourthe (drainage basin: approx 3626 km²), one of the main tributaries of the River Meuse, Belgium. The method is compared with stationary modelling procedures and its superiority based on objective forecasting criteria is demonstrated.     

实时洪水预报中基于岭估计的AR修正模型研究

为提高实时洪水预报精度,经常将水文模型与误差修正模型相结合,AR模型因其结构简单广泛应用于实时洪水预报误差修正。然而,实际应用显示,AR模型时常出现修正结果不稳定现象,表现为流量修正幅度过大,甚至出现“震荡”现象,严重影响修正效果。鉴于此,本文从矩阵特征值角度解释了AR模型出现不稳定现象的原因,并引入岭估计方法选择性利用流量信息更新自回归系数,使其更满足真实流量的涨落过程,增强该模型的稳健性。将新方法应用于蔺河口流域,结果显示岭估计方法显著提高了AR模型的稳健性,从而改善了模型修正效果,进一步提高了洪水预报精度。     

基于协整理论的淮河流域上游洪水预报实时校正方法

为了提高淮河流域上游的洪水预报精度,引入计量经济学中的协整理论与误差修正模型用于洪水预报实时校正;同时为了解决自回归算法无法针对非平稳序列建模以及序贯相关性问题,构建了基于误差修正概念的自回归误差修正模型。以淮河鲁台子站以上流域为研究区域,基于分布式垂向混合产流模型模拟结果,分别构建一阶至三阶自回归模型、误差修正模型和基于误差修正的自回归模型对模拟结果进行校正,采用修正效果评价系数、确定性系数、洪峰相对误差、径流深相对误差和峰现时差5个评价指标,分析对比各校正模型对流域2003—2014年10场洪水的校正效果。结果表明:3种实时校正方法均对淮河流域上游洪水有一定的校正效果,其中,自回归模型校正效果最差,排除误差序列非平稳的两次洪水后,其平均修正效果评价系数为0.20;误差修正模型能够有效校正预报洪水,其平均修正效果评价系数为0.76;基于误差修正的自回归模型校正效果较好,与传统自回归模型相比,对洪峰流量的校正效果显著提高,其平均修正效果评价系数达到0.98,可用于淮河流域上游洪水预报的实时校正。     

AR模型在宝珠寺水库实时洪水预报校正中的应用

人类活动改变了流域下垫面,对洪水预报精度产生极大的影响,引进实时校正模型以提高洪水预报精度。根据宝珠寺水库的自然地理和水文气象特性,宝珠寺水库实时洪水预报采用新安江模型,实时校正模型采用时间序列AR模型。利用10年历史降雨径流资料,对新安江和实时校正模型的参数进行率定,并利用近年的2次洪水对模型进行检验,检验结果表明实时校正能明显地提高洪水预报的精度。     

洪水预报实时校正技术研究进展

回顾国内外洪水预报实时校正的产生背景,评述其理论与方法的发展历程。在此基础上,将实时校正方法归纳为终端误差校正和过程误差校正两类,并梳理出各自的典型校正方法以及联合校正方法,概述不同方法的研究成果及进展。重点介绍其中的反馈模拟技术、误差自回归算法(AR)、递推最小二乘算法(RLS)、卡尔曼滤波技术(KF)和动态系统响应曲线算法(DSRC)等5种代表性的实时校正技术,阐述其计算过程,并分析其特点与适用性。对洪水预报实时校正的未来发展方向及研究热点进行了展望。     

数字水系分级对流溪河模型中小河流洪水预报的影响

为了探讨流溪河模型在中小河流洪水预报中的适用性,以及基于DEM的数字水系提取和分级对流域洪水预报的影响,构建了江西省龙华江流域洪水预报流溪河模型,采用PSO算法优选模型参数,最后验证模型并讨论了数字水系分级对流域洪水预报的影响。结果表明:随着数字水系分级变多,流域洪水峰值增大、峰现时间提前、径流系数越大、模拟过程越接近实测值;采用流溪河模型进行中小河流洪水预报时,不能采用1级数字水系构建模型,适宜采用3级水系构建模型;流溪河模型采用PSO算法的自动优选模型参数,实际应用中只需要一场具有代表性的实测洪水过程就可以优选模型参数,有效提高了模型的性能;基于3级水系构建龙华江流域洪水预报流溪河模型,采用PSO算法优选模型参数,对50场洪水过程的模拟结果与实测值吻合很好,模型可用于龙华江流域实时洪水预报。     

Rainfall-runoff simulation and flood forecasting for Huaihe Basin

The main purpose of this study was to forecast the inflow to Hongze Lake using the Xin＇anjiang rainfall-runoff model. The upper area of Hongze Lake in the Huaihe Basin was divided into 23 sub-basins, including the surface of Hongze Lake. The influence of reservoirs and gates on flood forecasting was considered in a practical and simple way. With a one-day time step, the linear and non-linear Muskingum method was used for channel flood routing, and the least-square regression model was used for real-time correction in flood forecasting. Representative historical data were collected for the model calibration. The hydrological model parameters for each sub-basin were calibrated individually, so the parameters of the Xin＇anjiang model were different for different sub-basins. This flood forecasting system was used in the real-time simulation of the large flood in 2005 and the results are satisfactory when compared with measured data from the flood.     

MSKLOSS河道洪水演算模型参数敏感性分析

模型参数的敏感性分析是洪水预报的基础性工作。以中国洪水预报系统为平台,采用局部分析法,对MSKLOSS河道洪水演算模型参数进行敏感性分析,以提高洪水预报的精度。为提高MSKLOSS河道洪水演算模型的应用效率,考虑模型适用性、模拟分析方便性,选取海河南系河道下垫面接近现状条件的滹沱河黄壁庄-北中山、南运河岳城-蔡小庄"96·8"和大清河东茨村-新盖房"12·7"三场洪水资料对模型参数进行分析。分析表明:河道分段数、初始下渗率、下渗曲线指数和湿周等参数的敏感性较高,稳定下渗率的敏感性在洪水量级较小时相对较高,在参数优选和实时作业预报时需注意其初始范围的设定。     

基于流溪河模型的连江流域洪水模拟

为了提高连江流域洪水预报的技术水平和精度,探讨流溪河模型在大流域洪水预报中应用的效果,该文采用SRTM和USGS的DEM数据,分别建立了连江流域洪水预报流溪河模型,采用1场实测洪水对模型参数进行了优选,并对2场实测洪水进行了模拟,发现流溪河模型可较好的模拟连江流域洪水过程。研究发现,采用空间分辨率为90 m的SRTM的DEM建立的流溪河模型计算量是以1000 m的USGS的DEM建立的模型的计算量的56倍,但两者洪水模拟的效果相当。