新安江模型与水箱模型在柘溪流域适用性研究

为提高柘溪流域洪水预报精度,充分合理利用洪水资源,缓解该流域下游的防洪压力,同时为水库防洪调度以及经济运行提供科学合理的决策依据,研究了集总式概念性水文模型新安江模型及水箱模型在该湿润流域的适用性。选取该流域2004~2015年实测数据,应用三目标MOSCDE算法分别优选三水源新安江模型以及水箱模型参数,从而对该流域划分的多个子流域单元进行了场次洪水模拟计算,并对比分析不同流域单元两种模型的模拟结果,探究不同模型结构在柘溪流域场次洪水模拟中的差异,分析总结这两种模型在该流域的适用性。结果表明:两种模型模拟效果比较接近,均可以达到《水文情报预报规范》规定的作业预报精度要求,且对于流域内的大洪水的模拟效果也比较理想。从洪量以及洪水过程方面分析,两个模型的模拟效果比较接近;从洪峰拟合角度分析,新安江模型比水箱模型更适合该流域。     

概念性水文模型与智能模型在中小河流洪水模拟中的比较研究

相较于大江大河的流域水文预报研究,中小流域的研究相对匮乏。以沅江河溪水文站以上流域为例,研究LSTM(Long Short-Term Memory)模型和新安江模型在场次洪水中的模拟效果。通过对比,新安江模型的整体模拟精度较高,洪量、洪峰、峰现时间的平均相对误差分别为9.39%、9.55%、1.6 h,确定性系数为0.73,综合合格率为100%,达到甲级精度标准;LSTM模型的模拟精度较低,洪量、洪峰、峰现时间的平均相对误差分别为11.76%、12.33%、2.3 h,确定性系数为0.60,综合合格率为75%,达到乙级精度标准。结果表明,新安江模型和LSTM模型是中小河流洪水预报的有效方法,均可用于河溪流域的正式预报,且对于河溪流域,新安江模型的模拟精度比LSTM模型更高。     

后湾水库以上流域下垫面变化对洪水影响分析

由于人类活动影响导致海河流域下垫面发生变化,造成流域产、汇流特性的变化。为掌握流域下垫面变化对洪水的影响情况,对后湾水库流域采用改进的新安江—海河模型进行分析、研究。结果表明,后湾流域下垫面发生变化的年代为1980年左右;改进的新安江—海河模型用于不同量级的洪水模拟,其效果较好;由于下垫面的变化,改进的新安江-海河模型的产、汇流参数1980年后比1980年前有增大趋势,并在相同降雨情况下,1980年后的洪量比1980年前呈减少的趋势,且洪水量级越小减少幅度越大。     

人工神经网络模型与新安江模型的应用比较

新安江模型是我国研制的经典的概念性流域水文模型,其参数往往通过人工试错法进行率定,在洪水的实时预报中需建立误差自回归模型来修正预报值.人工神经网络模型是一种数据驱动模型,它可以通过算法调节权值和偏王值来模拟信息,实现了模型参数的自动率定.在实时预报的应用中,人工神经网络模型可以根据计算误差调节权值和偏置值,反映水文过程的时变性,模型结构显得更加简洁.本文将两种模型应用于潢川流域并作比较.它们的预报结果都达到了作业预报要求.在实际应用中可以根据资料情况选择模型进行洪水预报.     

拒马河偏道子沟12·7暴雨洪水分析

2012年7月21日至7月22日,大清河水系拒马河流域普降暴雨,同时在拒马河上发生了自1964年来最大的洪水,重点对拒马河支流偏道子沟的降水成因、特性、重现期、洪水情况及河道行洪能力进行分析,为防涝减灾提供参考。     

特征加权FCM算法在洪水样本分类中的应用

基于聚类分析和模糊数学的基本原理，对历史洪水建立属性和数值特征的洪水样本，并运用特征加权FCM算法对流域历史洪水特征样本进行聚类分析。在分散式新安江三水源模型的基础上对不同聚类的洪水分别进行参数率定．利用样本特征的模糊识别以提高实时水文预报的精度。     

三峡区间入库洪水实时预报系统研究

三峡区间的数字流域水系模型采用基于格网型的数字高程模型坡面流模拟方法和处理"洼地"的最短流程法构建,并以新安江模型为基础建立具有诸多特点的三峡区间流域水文模型;以水动力学理论为基础建立考虑水利工程影响的河川型水库洪水演进模型,并实现这两者的有机耦合。在GIS平台上,将三峡区间流域水文模型、库区洪水演进模型和流域水系生成模型在底层集成,研制了功能先进和完善的三峡水库实时洪水预报系统。该系统已安装在三峡总公司梯级水库调度中心,投入试运行。     

半干旱半湿润地区洪水预报模型适用性研究

针对半干旱半湿润地区的流域特性和产汇流特点,比较了河北雨洪模型和新安江模型的模型原理和模型特性,以滦河支流老牛河流域为例,开展了洪水预报适用性研究。结果表明,河北雨洪模型的预报精度较高,更适用于半干旱半湿润地区的洪水预报。     

三种基于神经网络的洪水实时预报方案的比较研究

在总结神经网络应用的基础上,归纳了3种基于神经网络的洪水实时预报方案。第一种是神经网络水文模型的模拟模式加模拟误差的自回归校正模型,第二种是权重系数固定的神经网络实时预报方案,第三种是权重系数自动更新的神经网络实时预报方案。采用10个不同流域的日流量资料对这3种方案进行率定和校核。比较这3种方案的实时预报精度。结果发现,第三种方案不仅预报精度要高于其他两种方案,而且比第一种方案少了一个自回归校正模型,结构简洁。本文建议采用第三种洪水实时预报方案。     

海河流域“63.8”特大洪水简介

海河流域历史上的洪涝灾害极为频繁。沿太行山迎风坡发生的暴雨是本流域洪水的主要来源。进入平原以后,河道狭窄而平缓,形成了一系列的滞洪洼地,如著名的白洋淀、东淀、文安洼、贾口洼等,减轻了河道的防洪负担,但由于标准较低,遇大洪水常常泛滥成灾。 1963年8月洪水是本流域有纪录以来的最大洪水。这次洪水主要发生在海河流域中部、南部的大清河、子牙河及南运河三个水系(简称海河南系),三