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。     

多元线性回归在水库短期洪水预报中的应用

应用Excel,以流域平均降雨量、前期影响和主要降雨历时为因子,建立多元线性回归方程,进行水库短期洪水预报,预报结果精度较高,具有简单易用的特点。     

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。     

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。     

丹江口水库流域月尺度降雨与径流预报研究

以汉江上游丹江口水库流域为研究区域,通过降雨-气象遥相关分析从74项大气环流因子中筛选出预报因子,建立月降雨量与预报因子间的多元线性回归模型,根据大气环流因子对月降雨量进行预报,并构建研究区域的SWAT模型,以预报的月降雨量作为模型输入,实现月径流量的预报。以2012年逐月降雨及径流为例,模型对降雨和径流预报的合格率均约为83%,预报效果较好。研究表明,根据降雨量-大气环流因子的统计相关关系预报月降雨,并结合水文模型进行径流预报,对研究区域具有一定的适用性。     

实时水文气象预报研究

水文预报同气象预报的有机结合可以增长洪水预报的预见期，提高预报精度。为洪水预报服务的定量降水预报方法，必须在输入量的获得、计算量的大小及预报值的时空尺度等方面，适应实时洪水预报的要求。在分析国内外水文气象预报方法和为洪水预报服务的定量降不预报技术后，简要介绍了一个为实时洪水预报服务的概念性定量降不预报模型。该模型是以ＧＢ模型为框架，对模型中的水分输出部分作了修正，使用了凝结水粒数浓度γ分布，建立了     

实时洪水预报研究进展与展望

洪水预报是防汛指挥调度的重要依据,而实时洪水预报是提高洪水预报的重要技术手段,对提高防汛效率、保障防汛安全具有重要意义.针对实时洪水预报的复杂性和不确定性,提出了基于神经网络异联想记忆技术的综合修正方法和考虑降雨不确定性的概率预报模型等理论方法,通过误差反传、迭代计算和滚动预报等技术手段不断提高实时洪水预报的修正水平,...     

随机森林算法在西江洪水预报中的应用研究

以西江迁江站、柳州站和武宣站1952—2005年实测洪水数据为基础，通过分析上下游站点洪水流量的相关关系选取洪水预报特征因子，采用随机森林算法建立了武宣站洪水预报模型。结果表明：模型率定期预测的武宣站12～48 h洪水过程确定性系数大于0.98、合格率大于98%,验证期预测的12～24 h洪水过程确定性系数大于0.72、合格率大于82%,预报精度较高，预报结果不确定性较小，可为洪水预报提供方法参考。     

新疆克孜尔水库洪水预报存在问题的探讨

在对新疆克孜尔水库洪水预报模型预报成果进行分析的基础上,探讨该洪水预报模型存在的问题和预报误差产生的原因;提出了在渭干河流域洪水系列和稀遇频率洪水洪量都发生了较大变化的情况下,如何提高克孜尔水库洪水预报精度的建议,为水库防洪调度提供科学参考。     

河道洪水实时预报模型及在寸滩—螺山河段的应用

采用水力学和水文学相结合的方法，根据河道非恒定流的圣维南方程组，建立了河道洪水相应涨至预报模型和扩散波洪水预报模型，既可预报流量，又可预报水位。在模型的实时校正技术中，采用了具有时变遗忘因子的递推最小二乘实时校正算法，提高了参数实时跟踪能力和辨识精度。相应涨差实时预报模型和扩散波实时预报模型在寸滩－螺山河段上的应用均获得较好的效果。     

模糊数学在陆水水库退水预报中的应用

对洪水的退水过程进行预报,对合理利用洪水资源具有重要意义。影响洪水退水过程的因素很多,为了做好洪水退水预报,需要对各影响因子进行分类研究。以陆水水库为例,在进行影响因子聚类分析时,联合采用了模糊等价关系聚类法与模糊软划分求聚类中心法,较好地利用了两者的优势。将基于影响因子聚类分析基础上建立的陆水水库洪水退水预报方案应用到实际工作中,取得了较好的效果,退水过程的预报值与实际发生值较为接近,合格率较高。     

复杂河道实时洪水预报的半自适应模型研究

具有行蓄洪区的复杂河道的洪水演算是洪水预报中的一难点。对于复杂河道如何在水文学方法中考虑分洪、蓄洪并提高实时洪水预报的精度是一个重要的问题。为解决这一难题，在提出基于马斯京根流量演算河道洪水实时预报的半自适应滤波模型的基础上，对该模型在具有行蓄洪区的复杂河道中的应用问题进行了深入的研究，提出了蓄洪区的计算与预报方法，使得半适应滤模型可以用于复杂河道行蓄洪的调度和实时洪水预报。     

基于多元线性回归模型的大坝变形预报研究

大坝变形监测预报的准确性对大坝安全评估具有重要作用,而其变形又受诸多相互关系复杂的外界因素的影响。阐述了目前大坝变形预报的几种主要模型和方法,重点对多元线性回归模型进行了分析。针对温度因子和时效因子的特点,在建模时考虑了温度因子对大坝的时延影响,采用三角函数对温度因子进行表述;对时效因子采用衰减蠕变因子描述,建立了科学合理的回归方程。以三峡工程大坝安全监测为例,采用M at-lab语言对回归模型进行了编程实现。计算结果表明,采用多元线性回归模型能有效地对大坝变形进行预报,预报精度较高,对大坝安全评估具有重要意义。     

多源城市暴雨预报数据融合研究进展

全球气候变化和快速城市化改变了城市水循环过程,加剧了城市暴雨洪涝问题。为有效预报洪水,减轻洪涝灾害,借助水文水力模型对城市水循环的各个环节进行模拟。而单一暴雨预报数据的不确定性是使用水文水力模型模拟预报洪水面临的重大挑战。从城市雨洪模型输入不确定性的角度出发,回顾了暴雨预报技术的发展历程,总结了各种预报方法的特点、适用性和局限性,指出基于单一暴雨预报数据驱动模型预报洪水的不足,提出多源暴雨预报数据融合的基本框架。未来应强化降雨观测和定量降水预报能力,发展多源信息耦合技术,实现高精度、长预见期的洪水预报,为城市防洪减灾提供依据。     

大流域洪水预报与洪水调度管理方法研究

采用水文学与水力学、确定与随机相结合的方法，研究大流域洪水预报与洪水调度管理。确定性模型采用降雨～径流模型的新安江模型和经验预报方案进行流域流量过程预报，一维非恒定流水力学方法进行河道流量与水位以及蓄滞洪预报。随机模型采用线性动态模型进行下断面水位实时预报，最小二乘递推模型进行误差实时校正。以长江支流修水流域为例，采用新安江模型、经验方案进行万家埠与柘林水库入库洪水预报作为水力学计算的上边界条件，采用一维非恒定流水力学方法进行河道洪水流量、水位计算以及分洪计算。该方法为流域的防洪减灾提供了科学的途径。     

基于神经网络的小型水库洪水预报研究

针对经验预测方法精度不高,传统水文模型应用至小型水库进行洪水预报工作量大、推广较难的问题,引入具有强大特征学习能力的人工神经网络(ANN)方法,结合遗传算法(GA)寻参,对小型水库进行洪水预报。利用GA实现ANN中时间步长和隐含层神经元节点参数自动寻优,可避免寻参盲目性,针对性地为各小型水库构建个性化洪水预报模型。通过构建反向传播(BP)、长短期记忆(LSTM)、门控循环单元(GRU)神经网络洪水预报模型,对实测洪水过程进行模拟对比试验。结果表明：LSTM模型预报精度高、稳定性良好,能学习并模拟实际洪水过程水位变化规律,预报性能优于BP和GRU模型。     

基于集合预报的淮河流域洪水预报研究

建立基于集合预报的淮河具有行蓄洪区流域洪水预报及早期预警模型。在洪水预报中引入数值天气预报以延长洪水预报的预见期。集合预报采用多模式和多分析集合预报技术,考虑初始场的不确定性和模式的不确定性,避免“单一”确定性数值天气预报结果易存在的预报误区。THORPEX 项目支撑的THORPEXInteractiveGrand GlobalEnsemble（TIGGE ）集合预报目的是建立全球交互式预报系统。本文以淮河流域为试验流域,以TIGGE 集合预报（加拿大气象中心（简称CMC,集合成员数为15个）、 欧洲中期天气预报中心（简称ECMWF,集合成员数为51个）、 英国气象局（简称UKMO ,集合成员数为24个）、 美国国家环境预测中心（简称NCEP,集合成员数为15个））驱动构建的水文与水力学相结合的具有行蓄洪区流域洪水预报模型以达延长洪水预报的预见期,新安江模型用于降雨径流计算、一维水动力学模型用于河道洪水演算,实现洪水预报及早期预警。为了进行比较,同时采用地面雨量计观测降水驱动构建的洪水预报模型,对2007和2008年淮河汛期洪水进行检验。结果表明,基于TIGGE 集合预报驱动的洪水预报预见期延长了72~120h ,证明了TIGGE 集合预报可以应用于洪水预报及早期预警。     

分布式水文模型结合气象预报方法初步探讨

为了尽量消除因流域空间非均一性引起的水文模拟不确定性,采用基于GBHM分布式水文模型以及具有明确物理意义的模型参数,利用三峡区间2011年5~6月期间的气象预报信息,探讨该区域实时洪水预报方法,以及不同预见期的洪水预报精度。结果表明,分布式水文模型与气象预报数据结合,能够较好地模拟该区间的洪水过程。该方法在一定预见期内能够对实时洪水过程进行预报,预报精度很大程度上取决于降水预报的准确性。     

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。     

淮河洪水预报现状和展望

《淮河流域综合规划（2012-2030年）》指出,淮河流域洪涝灾害频繁发生,洪水预报是淮河防洪的重要非工程措施,对于防洪减灾具有重要决策支持作用。本文从洪水预报任务、预报模型方法、预报系统建设等几个方面介绍了淮河流域洪水预报现状及存在问题,展望了淮河洪水预报的发展前景和今后的工作重点。