基于分布式水文模拟的三峡区间洪水预报(Ⅱ)——雷达测雨应用

降雨时空分布信息缺失是影响洪水预报精度的一个重要因素,尤其是雨量站点稀疏的山区,站点观测的降雨信息难以充分地表征山区降雨的空间差异.本文针对长江三峡区间,利用雨量站点观测值来校准雷达测雨数据,并作为分布式水文模型的降雨输入,借助水文模拟结果综合评价雷达测雨数据的适用性.两个示例小流域的研究结果表明:相对于雨量站而言,雷达估测的降雨信息更能体现降雨的空间变化,它与分布式水文模型相结合,是提高洪水预报精度的有效途径.     

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。     

基于DEM的三峡区间洪水淹没范围模拟

基于栅格型数字高程模型，采用VC 6．0和MapObjects进行三峡区间的洪水淹没模拟，包括数字高程模型数据的预处理、矢量与栅格数据的一体化管理、无源淹没和有源淹没分析模拟。应用结果表明：洪水淹没区范围可以准确计算，洪水淹没过程的动态可以清楚地图示，这为灾情评估和防洪决策提供了科学依据。     

利用涨落洪规律建立洪水预报模型

为了提高大江河洪水预报精度,结合本地大江河洪水特性,提出利用涨落洪规律建立洪水预报模型。该模型可以解决以下两个问题：一是大江河预报河段上游站不能通过降雨径流关系推求入流过程,而需要作下游站洪水过程预报问题;二是按马斯京根法进行河道流演算的没有预见期的问题。     

洪水预报模型输入与输出的误差分布及相关性分析

降雨预报信息作为洪水预报模型的输入,该信息的准确性直接影响洪水预报模型输出的准确性.为探究模型输入(降雨预报)误差与输出(洪水预报)误差之间的关系,以英那河流域为例,分析了不同雨量等级下,预报模型的输入误差与输出误差的分布规律,并定性分析了两种误差的相关关系.结果表明,降雨量等级若为无雨及小雨时,两种误差不相关;若为中...     

由DEM确定R-V地貌瞬时单位线的研究

介绍了地貌瞬时单位线（R－V GIUH）的基本理论与理论基础。由于以往确定流域单位线需要大量的降雨径流实测资料，试图应用地理信息系统（GIS）技术建立流域数字高程模型（DEM），从而可以仅依据地形资料来确定R－V地貌瞬时单位线，解决无资料地区的洪水预报问题。以长江三峡区间沿渡河流域为例，取得了较好的成果。     

基于分布式水文模型的中小河流洪水预报技术

中小河流大多位于资料短缺的山丘区,洪水具有突发性强、汇流时间快、预见期短以及分布广的特点。中小河流洪水预报首要目的和任务是预警预报,预报方式应以自动预报为主,以实现及时预警,最大程度地避免人员伤亡,减轻灾害损失。本文分析了中小河流洪水预报的特点与难点,提出了中小河流洪水预报的思路及实用预报模型与方法,开展了基于分布式水文模型的中小河流洪水预报技术在新安江上游屯溪流域预警预报中的应用研究,以期为当前所开展的全国中小河流洪水预警预报系统建设提供参考。研究表明:分布式水文模型是资料短缺地区中小河流洪水预报的有效方法,基于分布式水文模型的洪水预报技术能够满足中小河流洪水自动预警预报的生产需要。     

考虑区间正负入流量的自适应洪水预报模型

根据甘肃省气候条件和地理环境十分复杂，河流站网密度低，面对上下游区间有正负入流量且没有观测资料，以水量平衡原理为基础的河道洪水演算无法进行的实际情况，立足于利用现有上下游水站的水情信息，在传统系统水模型和河道汇流理论有关原理、方法的基础上，提出了考虑区间正负入流量的自适应洪水预报模型，改进了现行系统输入～输出水量不平衡关系，解决了甘肃省河流洪水过程无法预报的问题。具有十分广阔的应用前景。     

基于流溪河模型的新丰江水库入库洪水预报模型研究

基于流溪河模型构建了不同空间分辨率的新丰江水库入库洪水预报模型,采用粒子群算法优选模型参数进行洪水模拟,对比实测资料验证了模型性能。结果表明,建立的新丰江水库入库洪水预报流溪河模型模拟效果优良,符合新丰江水库入库洪水预报的精度要求,可用于新丰江水库入库洪水预报：90 m空间分辨率的模型模拟效果最好,200 m空间分辨率的模型也具有良好的模拟性能,500 m空间分辨率的模型模拟性能有明显降低。模型计算工作量随分辨率的提高呈指数增加,90 m空间分辨率的参数优选时间是200 m空间分辨率参数优选时间的7.04倍,而200 m空间分辨率的参数优选时间是500 m空间分辨率参数优选时间的3.53倍。     

联合天气雷达洪水预警系统中的不确定性,可靠度和风险

洪水预报中的不确定性是由作为输入的降水观测和预报的误差所决定的。误差大小受雨量计站网密度（大多与天气雷达联合运用），降水强度和所采用的降水预报方法的影响。在不更颠南部，采用一种经验方法来量化降水观测及预报的不确定性性，数据由两个密集的雨量计站网和天气雷达共同提供。降水不确定性对洪水预报的影响，通过在伦敦附近的泰晤士流域一个综合实验研究进行了检验。此项研究就模型和流域对洪水预报不确定性的相地影响也很     

水箱模型在大尺度流域实时洪水预报模型研制中的应用

水箱模型用于实时洪水作业预报的具体成果尚不多，本文研究的目的在于将水箱模型用于大尺度流域实时洪水预报。本文介绍了应用水箱模型建立实时洪水预报模型的方法。按照河段流量传播时间将寸滩以上干、支流划分为若干子河段，各子河段按照计算时段长分成若干单元河段，各单元河段区间降雨径流预报采用水箱模型．河道流量演算采用连续马斯京根法。河系预报模型精度在85％以上，能够满足实时洪水预报的要求。     

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.     

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。     

河道洪水实时概率预报模型与应用

通过数据同化方法合理地将实时水文观测数据融入到洪水预报模型中,可提高洪水预报模型的实时性和精确度。选取沿程断面流量、水位和糙率系数作为代表水流状态的基本粒子,以监测断面实测水位数据作为观测信息,建立了基于粒子滤波数据同化算法的河道洪水实时概率预报模型。模型应用于黄河中下游河道洪水预报计算的结果表明,采用粒子滤波方法同化观测水位后,不仅可以直接校正水位,同时也可以有效地校正流量和糙率,为未来时刻模型预报计算提供更准确的水流初始条件和糙率取值区间,进而有效地提高模型预报结果的精度,给出合理的概率预报区间。不同预报期的预报结果表明,随着预报期的增长,同化效果减弱,模型预报结果的精度会有所降低,水位概率预报结果受粒子间糙率不同的影响不确定性增加,而流量概率预报结果受给定模型边界条件的影响不确定性降低。所提出模型可以有效同化真实水位观测数据,适合应用于实际的洪水预报工作中。     

对API模型的改进

对ＡＰＩ模型的改进张恭肃，王成明（中国水利水电科学研究院）１问题的提出ＡＰＩ（ＡｎｔｅｃｅｄｅｎｔＰｒｅｃｌｐｌｔａｔｌｏｎＩｎｄｅｘ）模型即前期降雨指数模型，该模型以降雨径流关系和单位线为核心，是一个传统的水文预报模型。由于ＡＰＩ模型采用经验性的产...     

海南万泉河流域洪水预报数值模拟

万泉河流域面积大、降雨分布不均匀，洪水受多种复杂因素的影响，因此采用多单元的水文学模型与河道水力学模型相结合的预报系统。提高模拟精度的重点是水力学模型中内、外边界条件的处理及水流阻力项的计算。采用20世纪90年代10余场洪水资料对模型进行了率定和检验。     

TIGGE降雨信息在柴河流域洪水预报中可利用性评估

基于全球多模式集合预报(TIGGE)资料,以柴河流域为研究区域,采用TS评分、Brier评分和Talagrand分布等方法对欧洲中期天气预报中心(ECMWF)、美国国家环境中心(NCEP)和英国气象局(UKMO)三个中心集合预报的6h、12h、24h短期降雨量进行定量评估和对比,并分别以实测降雨和NCEP预报降雨驱动新安江模型模拟洪水过程,据此探讨了集合降雨预报的可利用性。得到两个重要结论:ECMWF、NCEP和UKMO对低雨量级降雨的预报效果较好,各雨量级的预报效果有随预见期增长而增加的趋势,且普遍存在空报率较高、漏报率偏低的情况;集合降雨预报信息可应用于新安江模型进行洪水预报,并能够有效的延长洪水预报的预见期。研究成果可在适当条件下推广应用至其它流域的洪水预报作业中。     

不同洪水预报模型在拒马河流域的应用对比分析

拒马河水系为海河流域防洪重点区域,预报难度大,精度要求高。根据海河流域拒马河水系历史水文资料,分别采用新安江模型、增加超渗的新安江模型、河北雨洪模型和人工神经网络模型,对1956年、1963年和2012年暴雨洪水进行预报对比分析,研究结果表明:4种模型均可应用于暴雨强度大、降雨历时长的历史洪水模拟,洪峰流量模拟相对误差均小于20%,尤以人工神经网络模型模拟精度最高,4种模型在干旱半干旱地区均具有推广应用价值。     

基于深度学习的雷达降雨临近预报及洪水预报

为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net、嵌入注意力门的Attention-Unet和添加转换器的多级注意力TransAtt-Unet开展雷达降雨临近预报,将预报降雨作为HEC-HMS水文模型的输入,对柳林实验流域进行洪水预报。结果表明：1 h预见期时,Attention-Unet对短时强降雨预报结果较好,TransAtt-Unet预报降雨模拟的洪峰流量和径流量相对误差小于20%,各深度学习模型对量级较大的降雨和洪水预报精度较高;2 h预见期的预报降雨强度、降雨总量、洪峰流量和径流量存在显著低估,U-Net能取得相对较好的降雨预报结果。基于深度学习的1 h预见期雷达降雨临近预报及洪水预报可为流域防洪减灾提供科学依据。     

枯溪水电站入库洪水实时预报模型研究

从枯溪水库流域的实际出发,提出了区间流域洪不实时预报耦合模型以及实时跟踪模型的动态参数算法,并进行洪水实时预报,取得了令人较为满意的预报效果。