粒子群优化极限学习机模型在河南省干旱预测中的应用

干旱预测是提高防旱抗旱能力的重要非工程措施。在评价不同时间尺度标准化降水蒸散指数(S_SPEI)对河南省干旱识别能力的基础上,以能有效表征河南省干旱状况的S_SPEI为模型输出,以基于信息变化率和条件互信息的特征变量选择方法(ICR-CMIFS)筛选得到的河南省主要致旱气候系统指数为模型输入,构建了基于粒子群算法优化极限学习机(PSO-ELM)的干旱预测模型,通过对比该模型与标准极限学习机(ELM)、差分进化算法优化极限学习机(DE-ELM)模型的干旱预测结果,验证PSO-ELM模型在河南省干旱预测中的适用性。结果表明,S_SPEI-3能有效识别河南省典型干旱事件,从时间和空间上可较准确地反映河南省干旱状况;ICR-CMIFS筛选出的河南省主要致旱气候系统指数为西太平洋副高面积指数和NINO指数;PSO-ELM模型能较准确地预测河南省干旱,且预测精度优于DE-ELM模型和标准ELM模型,在河南省干旱预测中具有较好的适用性。     

基于遗传算法优化极限学习机模型的干旱预测——以云贵高原为例

为准确预测干旱情势,提高防旱抗旱能力,构建了遗传算法优化的极限学习机(GA-ELM)模型进行干旱预测。以近年来干旱频发的云贵高原为研究区,利用该模型以关键致旱因子为输入变量实现了云贵高原中长期干旱预测,并与自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System,ANFIS)模型、极限学习机(Extreme Learning Machine,ELM)模型的预测结果进行比较。结果表明:GA-ELM模型适用于云贵高原地区的干旱预测;与ELM模型相比,不同时间尺度下GA-ELM模型的干旱预测结果精度均有明显提升;在干旱强度和干旱历时方面,GA-ELM模型的预测精度总体上也优于ANFIS模型。     

河南省水权试点实践与探索

2014年水利部决定在河南等7个省区开展不同类型的水权试点工作,计划用2-3a,在水资源使用权确权登记、水权交易流转、相关制度建设等方面率先取得突破,为全国层面推进水权制度建设提供经验。河南省的试点任务主要是开展省内处于不同流域的地市间水量交易,根据各地经济发展水平以及对于水资源需求的程度,河南省水利厅决定在基础条件较好、水资源需求比较强烈的南水北调中线工程受水区率先开展跨区域的水量交易。从一年多的实践来看,已经积累了一定的经验,值得借鉴,也遇到一些问题需要研究与解决。     

标准化综合干旱指数在北汝河流域干旱评价中的应用

河南省北汝河流域频发的干旱灾害严重影响工农业生产和人民生活,分析评价干旱旱情对指导抗旱救灾、减轻干旱灾害损失具有重要意义。采用新安江模型模拟计算北汝河汝州站以上流域1985～2016年日尺度径流深、蒸散发、土壤含水率,对其月尺度值与月降水量进行核熵成分分析,构建综合干旱指数,在对比分析不同分布函数拟合优劣的基础上选取拟合最优的对数逻辑斯特分布函数对综合干旱指数进行标准化得到标准化综合干旱指数;基于标准化综合干旱指数分析流域1985～2016年干旱情势演变,并与标准化降水指数和降水距平百分率的评价结果进行比较。结果表明,北汝河流域1985～2016年干旱事件发生频率呈增加趋势;标准化综合干旱指数对轻度干旱事件更为敏感,能较好地反映流域干旱特性及典型干旱事件的演进过程。研究结果为北汝河流域抗旱减灾提供了科学支撑,亦对其他地区干旱评价具有借鉴意义。