多种水文模型在潘家口水库流域中的应用比较研究

由于传统水文预报模型的局限性,分别采用新安江模型、TOPMODEL模型及降雨径流相关图,对位于半湿润半干旱地区的潘家口水库流域进行洪水模拟计算并进行适用性分析。结果表明,采用蓄满产流机制的新安江模型及基于地理信息系统的TOPMODEL模型均适用于该流域,在潘家口水库洪水预报中预报精度较高,为海河流域洪水预报方案的建立提供了新的思路和模式,具有一定的理论基础和借鉴意义。     

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。     

基于GLUE的新安江模型参数不确定性分析及应用

结合新安江模型在东洋河流域的应用,提出了基于GLUE方法的新安江模型参数不确定性分析。采用GLUE算法抽样结果对东洋河流域进行不确定性预报,选用水文模拟中常用的确定性系数作为似然判据,通过设定0.7为阀值,得到的90%置信区间的流量过程,实例研究表明,以该结果进行不确定预报是可行的。     

潭水河流域预报方案构建探索

针对潭水河流域荆山水文站,首先进行了暴雨洪水特点及难点分析,介绍适用的新安江模型、单位线法、降雨径流相关法3种方法的原理及适用条件,然后通过应用以上3种方法建立潭水河荆山站洪水预报方案,使用201415"海鸥"暴雨径流过程进行方案检验。分析结果表明,荆山站资料齐备,使用新安江模型预报更为可靠。     

中日合作闽江洪水预警报系统信息处理技术

洪水预警报系统是以防洪减灾为目的非工程防洪措施,是现代高科技技术产物,它综合了计算机技术、通信技术、自动控制和水文等多门学科的最新发展技术,是防汛抗旱决策指挥的有力助手,也是防洪调度现代化的发展方向。本文主要论述中日合作闽江洪水预警报系统的信息采集、信息传输、信息处理以及信息网络系统集成,并简要介绍该系统的规模和建设背景。     

新安江模型在嫩江右侧主要支流洪水预报中的应用

根据嫩江流域的洪水特性,制作了嫩江右侧主要支流的三水源新安江预报模型.在缺少实测资料的情况下,采用SCE-UA算法进行模型自动率定,取得了较理想的结果,对于缺乏资料地区的洪水预报方案编制有一定的借鉴意义.     

人类活动对流域洪水过程的影响分析

流域洪水过程受降雨、流域下垫面等多种因素的综合影响,其中人类活动对流域出口洪水过程的影响在近些年越来越明显。选择第二松花江丰满水库以上为典型流域,在调查资料整理和分析的基础上,利用三水源新安江模型,结合人类活动对洪水的主要影响方式,建立了人类活动与模型参数之间的相关关系,依据参数物理意义对WM,B进行改进,并进行场次洪水模拟。通过结果对比分析可知,该方法模拟精度较高,模拟结果能合理反映人类活动对实际洪水过程的影响,可以为该流域水利工程建设与洪水预报提供参考,对其他流域洪水的研究也具有借鉴意义。     

基于岭估计的系统微分响应模型率定与应用

参数率定是水文模型实际应用中的关键步骤,是提高洪水预报准确性、可靠性的有效途径。文章以淮河上游大坡岭流域为研究对象,将基于岭估计解法的系统微分响应参数率定方法应用于新安江理想模型和实际模型的参数率定,探究新安江模型径流模拟中的适用性。结果表明：基于岭估计解法的系统微分响应参数率定方法适用于新安江模型的参数率定,其具有合理性和高效性。模型模拟的结果能很好地反映大坡岭流域的日径流过程,率定期和验证期样本纳什系数均大于0.70,年径流深相对误差控制在10%以内。基于岭估计解法的系统微分响应参数率定方法是一种有效的新安江模型参数率定方法。     

新安江模型参数优选的改进粒子群算法

借鉴竞争演化和多种群混合的思想,对粒子群算法(PSO)进行改进,建立并行种群混合进化的粒子群算法(PMSE-PSO)和序列主-从种群混合进行的粒子群算法(SMSE-PSO)。数值模拟结果表明,这两种改进的粒子群算法具有较高的计算效率、较强的自适应性和稳定性。将PMSE-PSO和SMSE-PSO应用于新安江模型的参数优选中,通过与PSO和SCE-UA的比较可以看出,PMSE-PSO和SMSE-PSO不仅具有较好的全局优化性能和稳定性,而且在调用目标函数次数相同的情况下精度较高,是一种有效的新安江模型参数优选方法。     

基于栅格的新安江模型与GTOPMODEL模型

根据新安江模型和TOPMODEL,建立了基于网格的分布式水文模型Grid-Xin’anjiang和GTOPMODEL。将模型用于黄河支流洛河流域以及钱塘江支流密赛和太湖支流西苕溪流域的洪水模拟计算,并与新安江模型和TOPMODEL的结果进行比较。结果显示,基于网格模型的模拟精度要高于原模型的精度。