基于DEM的集总式水文预报模型产流结构生成

降水数值预报和水文预报的耦合是水文研究的热点问题之一,在避免水文预报模型开发的前提下,本文探讨了如何利用现有的集总式水文预报模型,实现两个系统耦合的问题。提出了在DEM资料提取的数字流域基础上,人工干预子流域和泰森多边形的生成方法,使生成的子流域、泰森多边形与原集总式的水文预报方案划分情况基本一致,在产流层面解决了降水数值预报和集总式水文预报方案耦合的技术问题,为降水数值预报成果在水文预报中广泛应用创造了条件。该方法在潘家口水库的水文预报中应用,取得了较好的效果。     

构建式流域实时水文预报系统关键技术研究

目前的水文预报模型很多,但都缺乏统一的模式。通过对水文预报模型的高度抽象,定义了水文预报模型的标准化接口,统一了各类水文预报模型的输入、输出、参数、状态,以及运行过程;在此基础上,实现了水文预报方案的标准化"构建"模式,即通过标准化水文预报模型的相互组合实现流域水文预报方案的标准化创建。基于以上关键技术,成功开发了构建式流域实时水文预报系统,并取得了良好的应用效果。     

无资料地区水文预报研究的方法与出路

无资料地区的水文研究是最近国际上水资源水环境研究的热点.总结了中国过去在流域洪水预报和设计洪水计算中针对无资料地区研究所取得的相关成果,指出现代水文学应该充分运用新的系统理论和方法,依靠计算机技术和遥感手段,在水文数值模拟方向上寻找无资料地区水文预报的新出路.对无资料地区的水文研究要从有充分实测资料的流域开始,人为隐去部分站点的实测数据以检验依靠剩余少量数据而建成的水文模型的适用性和精度.最后分析了流域分布式水文模型、空间插值、四维同化技术等方法在无资料地区水文预报中的意义和作用.     

全球气象预报驱动流域水文预报研究进展与展望

全球气象模型及新兴人工智能模型为流域水文预报提供了日、次季节、季节等不同时间尺度的海量气象预报数据。与此同时,基于气象预报开展水文预报,涉及到数据获取、模型构建、评估检验等技术问题。本文以全球气象预报相关的研究计划为切入点,调研现有的1 d至2周小时尺度中短期天气预报、1～60 d次季节尺度气象预报、1～12个月季节尺度气象预报以及新兴的人工智能气象预报;梳理气象预报驱动下流域水文预报模型方法,阐述气象预报订正、水文模型设置和预报评估检验等技术环节。基于全球气象预报生成实时和回顾性流域水文预报,定量检验不同预见期下预报精度以评估相关模型方法的预报性能,为水利工程预报-调度实践应用打下坚实的基础。     

基于深度学习的流域洪水预报模型研究

随着水文信息系统的普及,水文数据的采集越来越方便。传统上依靠各类水文模型及参数率定以刻画水文数据和预报成果间的复杂关联,如何实现水文数据驱动的水文自动预报是当前面临的问题。近年来,人工智能技术蓬勃发展,深度学习技术开始应用于水文学领域,试图解决这一问题。本文以沮漳河西支峡口至远安区间流域为研究对象,结合分布式水文模型的原理及深度学习理论方法,基于流域多维度数据对流域产汇流特性进行提取,利用特征网络进行流域径流预报,构建基于卷积神经网络（CNN,Convolutional Neural Networks）的流域降雨径流预报模型。研究将模型模拟结果与前期影响雨量模型（API, Antecedent Precipitation Index）结果进行对比分析,结果表明,基于卷积神经网络的流域降雨径流预报模型模拟精度为90%,模型可靠,能满足大部分的降雨洪水预报,为流域降雨径流预报提供一种新的方法。     

流域水文模型研究中的若干问题

论述了流域水文模型出现的必然性,剖析了现有流域水文模型的局限性和用于水文预报需要解决的问题,并提出了若干建议,以期能推进流域水文模型的研究     

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。     

我国水文情报预报工作的主要成就及展望

新中国成立５０年来,水文情报预报工作取得了成就,在水情信息采集和传输方面,全国已有水文报汛站８０００余处,在２５处重点防洪河段和１５０座大型水库上建立了水文自动测报系统,共计有遥测站近２０００个,已有２２个省（市,区）和７个流域管理机构的水情部门通过计算机广域网互传水情信息。在水文预报技术方面,开发研制了适合中国特色的许多水文模型。随着计算机的广泛应用,水利信息中心初步建立了水雨情信息服务系统,包     

分布式流域水文模型刍议

本文，对水文模型，流域水文模型，分布式流域水文模型的概念进行了阐述；对分布式流域水文模型的性质、特点进行了论述，并对其在实时洪水预报中应用前景进行了分析。     

浅谈水文预报与水资源优化管理技术

水文预报技术、水资源管理技术越来越先进,能够更好预测洪水、旱情等自然灾害,将灾害带来的损失降到最低。本文主要选择张家口市清水河流域作为实例研究对象,并分析流域水文预报与水资源管理存在的问题,提出水文预报与水资源优化管理技术应用策略。以此探讨水文预报与水资源优化管理技术的科学应用。     

Rainfall-Runoff Modeling using Clustering and Regression Analysis for the River Brahmaputra Basin

In this research, k-means, agglomerative hierarchical clustering and regression analysis have been applied in hydrological real time series in the form of patterns and models, which gives the fruitful results of data analysis, pattern discovery and forecasting of hydrological runoff of the catchment. The present study compares with the actual field data, predicted value and validation of statistical yields obtained from cluster analysis, regression analysis with ARIMA model. The seasonal autoregressive integrated moving average (SARIMA) and autoregressive integrated moving average (ARIMA) models is investigated for monthly runoff forecasting. The different parameters have been analyzed for the validation of results with casual effects. The comparison of model results obtained by K-means & AHC have very close similarities. Result of models is compared with casual effects in the same scenario and it is found that the developed model is more suitable for the runoff forecasting. The average value of R² determined is 0.92 for eight ARIMA models. This shows more accuracy of developed ARIMA model under these processes. The developed rainfall runoff models are highly useful for water resources planning and development.     

江河洪水预报流域水量分析法

江河洪水预报流域水量分析法具有概念明确、分析计算严谨、预报精度较高且仅应用江河水文站实测流量资料等特点,对于水文站数多、流量资料系列长的大江大河尤为适用。初次应用于淮河干流上游,取得了一定的经验。这一方法的应用,将会对我国大江大河防 及水资源利用起到良好的作用。     

中国水文预报技术的发展与展望

介绍了我国水文预报技术在预报方法、预报系统建设和新技术应用等方面取得的进展，客观评价了我国水文预报技术的水平．展望了我国水文预报技术的发展方向，指出了干旱、半干旱及无资料地区或资料缺乏地区的水文模拟将是我国进一步提高水文预报技术的研究重点。     

土地利用变化对水文系统的影响研究

以秦淮河流域为研究区域，利用现代遥感、地理信息系统等多种数字技术，获取流域空间分布的下垫面信息和中间状态信息，细致地刻画了流域内的水文过程，建立了研究区域数字水文模型。利用所建立的数字水文模型，对定义的土地利用变化情景进行了模拟。模拟结果表明，模型可以定性和定量地反映各种土地利用变化对水资源系统尤其是对水量平衡和防洪情势的影响程度。     

Assessment of LULC and climate change on the hydrology of Ashti Catchment,India using VIC model

The assessment of land use land cover (LULC) and climate change over the hydrology of a catchment has become inevitable and is an essential aspect to understand the water resources-related problems within the catchment. For large catchments, mesoscale models such as variable infiltration capacity (VIC) model are required for appropriate hydrological assessment. In this study, Ashti Catchment (sub-catchment of Godavari Basin in India) is considered as a case study to evaluate the impacts of LULC changes and rainfall trends on the hydrological variables using VIC model. The land cover data and rainfall trends for 40 years (1971–2010) were used as driving input parameters to simulate the hydrological changes over the Ashti Catchment and the results are compared with observed runoff. The good agreement between observed and simulated streamflows emphasises that the VIC model is able to evaluate the hydrological changes within the major catchment, satisfactorily. Further, the study shows that evapotranspiration is predominantly governed by the vegetation classes. Evapotranspiration is higher for the forest cover as compared to the evapotranspiration for shrubland/grassland, as the trees with deeper roots draws the soil moisture from the deeper soil layers. The results show that the spatial extent of change in rainfall trends is small as compared to the total catchment. The hydrological response of the catchment shows that small changes in monsoon rainfall predominantly contribute to runoff, which results in higher changes in runoff as the potential evapotranspiration within the catchments is achieved. The study also emphasises that the hydrological implications of climate change are not very significant on the Ashti Catchment, during the last 40 years (1971–2010).     

基于分布式水文模拟的三峡区间洪水预报(Ⅰ)——模型构建及验证

长江三峡区间因暴雨形成的洪水峰高量大,对三峡水库的防洪安全和运行调度的影响很大.本论文依据三峡地区的地形地貌特征,采用基于GIS的机理性分布式水文模型,来模拟三峡区间入库洪水,以尽量减少洪水预报中的不确定性.利用近期建成的78个自动雨量站网监测的小时降雨信息作为模型的输入,对模型参数进行了率定和验证,结果表明:大多数洪水过程的模拟精度较好,但也有的模拟结果较差,其中降雨信息缺失是洪水预报不确定性的主要来源.     

数据驱动模型在渭河流域来水预报中的开发和应用研究

现有的水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类,近年来随着水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注,回归模型、神经网络模型均属此类.本文首先采用距离平方反比与泰森多边形相结合的方法,由雨量站观测到的降水量求得渭河流域各四级区的降水量,然后采用自回归模型结合年～月～旬逐级修正的方法对渭河流域10个四级区进行降水预报,采用降水～气温～径流多元线性回归模型对渭河流域28个水库进行径流预报,取得了较好的效果.     

2008年三峡水库入库洪水特点与预报效果评价

对2008年三峡水库入库洪水特点进行分析,并针对场次洪水和连续自动预报两种方式进行预报误差统计,两种方式预报结果都表明2008年实时联机水文预报精度达到水文情报预报规范的甲级标准,同时发现未来降雨对三峡水库入库预报精度影响较大,部分场次洪水结合(不结合)未来降雨的预报精度差别很大,且随着预见期增长,预报误差也加大。     

数据挖掘技术在水文预报中的应用及水文预报发展趋势研究

数据挖掘作为知识发现过程中的重要步骤,是从大型数据库中提取未知的、有价值的和可操作性的关系、模式和趋势用于决策支持的过程。我国目前在防洪领域存在着大量水文数据,如何充分有效地利用各种智能算法对这些数据进行分析与挖掘,以形成相应的水文预报模型进行准确的水文预报是防洪决策支持系统完善和发展的重要方面。本文首先全面地介绍数据挖掘的功能分类及以数据挖掘为基础的水文预报体系,然后对数据挖掘技术在水文预报中的应用进行了探讨和研究。     

基于地貌结构与汇水特征的沟谷节点提取与分析——以陕北黄土高原为例

沟谷节点是流域中线状沟谷或河网的交汇点,集中反映了沟谷的地貌结构和水文特征。有效获取并分析沟谷节点的结构与特征规律,对于系统、深入地研究流域地貌的空间形态结构、径流特征具有重要的作用。利用陕北黄土高原多地貌类型为实验区,设计并实现了基于高精度DEM的沟谷节点提取算法模型和等级标定方法,获取了实验区各级沟谷节点的数量和汇水值;运用数学模型分析法,分析了沟谷节点的数量和汇水值的分级数量关系,得到了具体的数学模拟方程;同时,运用等差分级的方式,分析了汇水累积量级差在不同地貌区的差异,初步探讨了地表形态在空间上的分异规律。