感潮河段水位演算模型研究

感潮河段洪水波运动，受潮汐影响，且流量观测资料误差也大，由流量预报再转换为水位，很难达到理想的效果，本文据水量平衡和蓄量水位关系，导出感潮河段的水位演算基本模型，通过上游洪水波和下游潮水波的分离演算，组合叠加，直接预报河道洪水位，既简化了预报方法，又提高了预报精度。     

遥测系统降雨观测粗差修正研究

通过对遥测系统雨量观测资料中粗差特点和产生方式的分析,提出了借鉴曲面拟合算法的思路,利用抗差最小二乘估计和雨量空间分布函数修正粗差的方法.对闽江七里街流域43个雨量站46场暴雨26万余条记录,用生成的误差系列,进行模拟估计,分析了此方法的有效性和合理性,获得了较好的结果.并且把修正过的降雨资料应用于新安江模型,对计算的流量和实测流量进行比较分析,达到了较满意的效果,表明本方法有较好的实用性.     

函数曲面参数率定方法在SAC 模型中的应用

传统优化算法和现代优化算法均是基于目标函数曲面寻求优值,而大多数参数率定方法的目标函数均为误差平方和。直观看来,基于误差平方和的目标函数曲面往往较参数函数曲面更为复杂。此外,这些算法常常无法证明寻得的优值是全局优值,而且计算过程较复杂,效率较低。鉴于此,提出函数曲面参数率定方法,并应用于SAC理想模型和实际模型的参数率定。首先,通过理想模型验证了该方法的可行性;其次,通过东张流域13年日资料和13场洪水验证了该方法的实际应用效果。结果表明,该方法在实际应用中是可行的、效率与精度皆较高,是一种有效的参数优选方法。     

面平均雨量的系统响应曲线修正方法及其在富春江流域洪水预报中的应用北大核心CSCD

空间集总式水文模型的洪水预报精度会受到面平均雨量估计误差的严重影响。点雨量测量值的误差类型、误差大小以及流域的雨量站点密度和站点的空间分布都会影响到面平均雨量的计算,这种误差的影响在雨量站个数较少的大流域尤为明显。为提高实时洪水预报精度,本文提出了一种基于降雨系统响应曲线洪水预报误差修正方法。此方法将水文模型作为输入和输出之间的响应系统,用实测流量和计算流量之间的差值作为信息,通过降雨系统响应曲线,采用最小二乘估计方法,对面平均雨量进行修正,再使用修正后的面平均雨量重新计算出流过程。将此修正方法与新安江模型相结合,首先使用理想案例进行检验,然后将此方法应用于浙江富春江流域实时洪水预报中,通过2010—2014年间的14场历史洪水的应用检验,结果表明该方法具有明显修正效果,是一种结构简单、不增加模型参数且不改变预报模型结构的实时洪水预报修正的新方法。     

富春江水库上游梯级电站库容反演方法研究

富春江水库是典型的河道型水库，洪水期间干流梯级电站的调控对入库洪水过程影响很大，该影响还会与坝前倒三角地形嵌套产生放大作用，严重影响富春江水库洪水调控。通常采用地形测量法确定不同水位时的梯级电站库容，但该方法不仅技术要求高，而且需要消耗大量的人、财、物和时间。因此，以富春江水库2019～2020年受梯级电站调控影响较大的5场洪水为例，提出水文模型分析与系统微分响应反演技术结合的方法确定库容。结果表明，采用系统微分响应反演确定的库容具有较高的精度。     

组合预报方法在洪水预报模型中的应用

针对流域水文模型预报中的不确定性问题,采用简单平均、最优线性组合、最优非线性组合三类4种组合方法构建了新安江模型、垂向混合产流模型和Tank模型相结合而组成的组合预报模型,以日照水库和东张水库入库洪水的各种实测特征值作为评价各种组合预报模型计算结果精度的指标,进而优选出相对稳定且精度较高的2种组合预报方法。与新安江模型相比,该组合预报方法在降低水文预报不确定的同时,有效提高了洪水预报精度。     

黄土地区的小流域产沙计算

根据黄土地区小流域泥沙概念性模型，选取黄河中游的三个小流域，分别运用分时段和以次洪为单位的方法进行了产沙计算，总体效果良好。表明了模型结构简单、概念明确、便于应用，可以在实际工作中采用。     

遥测系统降雨观测误差估计方法研究

本文分析了遥测系统雨量观测资料误差的类型和特点，提出了雨量观测误差的三步修正方法。对闽江七里街流域43个雨量站65场暴雨26万余条记录，用生成的误差系列，进行模拟估计，分析了三步修正方法的有效性和合理性，获得了较好的结果。     

水库入库河段洪水汇流参数抗差估计研究

水库入库流量,通常通过实测库水位、出库流量和库容曲线反推,这过程常存在大的、不服从正态分布的误差,使常规的参数估计方法不能使用.为此,提出采用抗差估计方法,研究当河段实测出流遭受粗差和极值误差污染时,抗差最小二乘法用于估计马斯京根汇流参数的效果.给出了两个水库流域的结果,分析了抗差最小二乘法相对于最小二乘法的效果.     

基于强化学习的集群多目标分配与智能决策方法

为提升高动态协同攻击条件下的攻防效能,研究基于强化学习的集群多目标智能分配与决策方法。建立综合攻击性能评估准则,包括基于相对运动信息的攻击优势度评估以及基于目标固有信息的威胁度评估。综合攻击性能、突防概率以及攻击消耗,设计攻防效费比性能指标。构建基于强化学习的多目标决策架构,设计以分配向量为基本元素的动作空间,以及基于量化性能指标的状态空间,利用Q-Learning方法对协同攻击方案,包括导弹选取以及分配形式进行智能决策。仿真结果表明,强化学习能够实现攻防效能最优的多目标在线决策,其计算效率相对于粒子群优化算法具有更明显的优势。