丹江口水库秋汛期长期径流预报

针对目前长期径流预报中物理成因考虑较少的问题,以丹江口水库为例,在分析影响径流物理背景的基础上,研究前期气象因子与水库秋汛期入库径流过程的相关关系,识别影响径流的大气环流与海温等物理因子,利用主成分分析法提取主要预报信息,建立了包含大气环流因子、海温因子等气象物理信息以及前期降雨、径流等水文信息作为预报因子集的三层BP神经网络预报模型.利用1956~2008年秋汛期9、10月入库径流量进行模拟与试报,并与仅采用前期降雨径流的预测模型进行了比较,结果显示基于物理成因分析的预测模型稳定性良好,模拟及试报精度较高,9、10月试报精度平均提高约30%,分别达到87.5%和75%,并对预报年份中的丰枯特征有较好的体现.     

基于互信息量与BP神经网络的中长期径流预报方法研究

针对中长期径流预报因子的选择问题,采用互信息量方法筛选预报模型输入因子,在BP神经网络模型中,分别用均方误差和互信息量作为目标函数,衡量因子复合相关关系,优化选择最终预报因子并应用于碧流河汛期径流预报中。结果表明,基于互信息量筛选的预报因子与BP神经网络模型相结合,可有效识别多个预报因子与预报量间的复合相关性,对中长期径流预报因子的选择有很好参考价值。     

論中、长期径流預报方法(續完)——中国水利学会水文预报学术討論会综合发言之二

三、徑流长期預报方法(一)洪水与年径流的关系及其长期預报間題我国河流,絕大部分属于降雨补給型,受季风气候的影响,大部分雨量集中于汛期。与此相应,径流年內分配也主要集中在汛期几个月內,至于非汛期,径流的主要来源是流域退水,而流域退水总量和汛期水量多寡密切相     

融合相空间重构和深度学习的径流模拟预测

发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明：PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%～9.77%,均方根误差平均降低17.01%～19.72%,对训练数据量的依赖程度相比LSTM降低25%～33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。     

耦合长期预报的跨流域引水受水水库调度模型

为提高跨流域引水工程受水水库引水有效性,研究了耦合长期径流预报信息的跨流域引水受水水库调度模型。首先选取汛期径流预报信息,采用径流预报概率修正先验概率来描述径流的不确定性,建立了贝叶斯随机动态规划模型(BSDP-LTF)。然后将模型应用于碧流河水库,并与仅考虑径流相关的随机动态规划模型(SDP-I)、仅考虑长期预报信息的随机动态规划模型(SDP-LTF)进行比较。比较结果得出在供水保证率基本一致且不增加调度风险的情况下,BSDP-LTF模型相比SDP-I、SDP-LTF模型,可分别减少引水8.2%、4.1%。表明贝叶斯随机动态规划模型BSDP-LTF有效改进了径流描述,提高了跨流域引水的有效性。     

喀斯特流域降雨-径流人工神经网络模型结构分析及模拟

喀斯特流域降雨-径流响应是一个非线性过程,分析确定地下河流量过程的主要影响因子对喀斯特流域水文过程模拟具有重要意义。本文利用普定后寨河流域实测降雨、径流系列资料,采用神经网络权重分析法确定该流域的人工神经网络模型结构为两个隐含层、三个输入变量,该人工神经网络模型结构可以保持降雨-径流模拟的稳定性。模型经交叉训练与验证,训练期效率系数（NSC）达0.9以上,验证期NSC达0.88以上。说明神经网络权重分析法能够较好地确立预报因子与预报对象的关系,为喀斯特流域降雨-径流模拟提供一种有效的分析手段。      

贝叶斯判别分析在中长期径流预报中的应用研究

基于贝叶斯判别分析原理,考虑径流形成的特点及物理成因,选择研究区碧流河水库1959~2011年的实测资料,且将径流分为5个级别,用相关系数模型,考虑因子的不确定性,筛选出相关性高、彼此间独立性强的10个判别因子,分别构建基于朴素贝叶斯分类器(N-Bayes)和贝叶斯判别准则(DBayes)的年径流属性级别预报模型,并利用研究区2001~2011年资料进行了试报和检验。预报结果表明:两种模型的预报结果相近,准确率均超过70%,D-Bayes的预报效果略优于N-Bayes,初步说明:贝叶斯判别分析原理在水文预报中的应用,有着较好的前景。     

滑坡预报模型的质量检验研究

滑坡预报模型主要用来预报滑坡发生的时间,但是如何检验效果是滑坡预报者和决策者面临的一个重要课题。本文通过提出滑坡拟合效果指标(包括后验差指标、模型拟合效率指数和均方根误差)和试预报效果指标(包括试报效果指标和相关系数指标),初步建立了滑坡的预报质量检验模型。依据建立的检验模型,针对链子崖危岩体监测资料分别采用灰色GM(1,1)数学模型、三次指数平滑模型和时间序列模型进行预报。预报结果表明:三种模型中,综合指标GM(1,1)数值最高,建议该滑坡采用GM(1,1)进行预报。通过模型的综合分析评判,不仅分析了模拟效果,而且直接比较了模型间的拟合效果,并为建立模拟效果好的模型提供了充分的依据,从而表明滑坡预报质量检验模型是一种有效、实用的方法。     

未来气候情景下天山西部山区融雪径流变化研究

基于三种不同模式的CMIP5气象数据,采用互信息法挑选预报因子结合RBF神经网络模型,预测不同排放情景(RCP2.6、RCP4.5、RCP8.5)下未来气候变化下天山西部山区融雪径流的变化情况。对三种模式下不同排放情景预测出的未来径流量进行分析发现:(1)未来径流量在2020～2030年将持续上升,在2060年趋于稳定;未来径流量在非汛期有大幅度的增加而在汛期径流量减少;(2)通过灰色相关性分析找到未来不同模式不同情景下影响径流的主要相关因子,对各相关因子未来变化情况进行分析,发现径流在非汛期有大幅度的增加而在汛期径流量减少的主要原因是:非汛期的降水增加而蒸发减少或增加幅度不大;汛期降水减少而蒸发随气温升高导致汛期的径流量减少。     

径流长期预报的人工神经网络方法

提出径流长期预报的人工神经网络方法。运用神经网络的一典型模型──“反向传播”模型,以大伙房水库在补水期的径流状况作为研究对象,尝试了神经网络方法的效果。结果表明,该方法预报成功率较高,容错能力较强,可望成为径流长期预报的有效的辅助手段。