洪泽湖以上流域洪水预报研究

为了给洪泽湖及整个淮河下游地区的防汛抗旱决策提供技术支持,基于API模型和三水源新安江模型,采用各区分单元、入湖分单元分区间的方法,考虑水利工程以及大洪水期蓄滞洪区的应用情况,进行降雨径流预报与洪水过程研究。选取洪泽湖以上2000-2018年实测数据,对蚌埠控制区、蚌埠以下淮北控制区、蚌埠以下淮南控制区进行场次洪水模拟;基于水量平衡法,以反推入湖流量作为实测入流,各区采用马斯京根法预报洪水,构建入湖洪水预报方案。结果表明:各区两种模型模拟效果比较接近,均取得较好的预报精度,且对于流域内大洪水的模拟效果更理想。在涨洪段,分单元分区间的API模型和新安江模型在大洪水期均能有效的预报入湖洪水,模拟精度相当;在退水段且预报时段较长时,分单元分区间的新安江模型模拟精度高于API模型,并且模拟的洪水过程与反推入流过程更接近。     

复杂水情下H-ADCP流量在线监测推流方法

为提高受水利工程影响测验断面推流精度及提升H-ADCP流量在线监测系统水平,综合考虑仪器入水深、落差等因素,建立多元线性回归模型推算断面平均流速,利用最小二乘法求解模型参数;同时针对小流量下推流精度低的问题,充分考虑相关性较强的单个流速网格单元,采用机器学习中的LASSO回归模型进行参数估计,充分挖掘每个网格流速与实测...     

基于小波分析的NARX神经网络在水位预测中的应用

高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。