气候变化对沅江流域径流影响研究

温室气体排放量增加造成气候变化,对全球资源环境产生重要影响.本文在水量平衡基础上,建立考虑气象要素和地形变化的月水文模型,利用实测径流资料对模型在时空尺度上进行验证.利用全球气候模型(GCMs)预测的未来气候变化情形,对处于湿润区的沅江流域径流过程进行预测.分析结果表明,该区域径流过程对降雨和气温变化十分敏感.根据英国Hadcm2模型对本世纪中叶气候变化预测结果,沅江流域未来年降雨量减少0.43%气温升高1.55℃,丰水期降雨增加,而枯水期将有较大幅度减少.年径流量相应减少6.8%,丰水期径流量增大11%,枯水期径流减少47%,不利于防洪和水资源开发利用.     

西北干旱区内陆河流域出山径流变化趋势对气候变化响应模型

将HBV径流模型进行改进 ,使之适合于中国西北干旱区内陆河山区流域的特征及径流形成过程 ,从而建立了用以模拟出山月径流量对气候变化响应的模型 .以河西走廊黑河山区流域为例 ,对不同的年平均气温和年降水量的变化趋势条件下出山径流的响应进行了模拟计算 .结果表明 ,如到 2 0 30年气温升高 0 .5℃ ,降水保持不变 ,5月和 1 0月的径流量将增加 ,这表明积雪融水对河流的补给将增加 ,但 7月和8月由于蒸发量的增加将使径流量有所减少 ,致使年径流量将减少 4% .如降水保持不变 ,气温升高 1℃时 ,除 5 ,6月份径流量有所增加外 ,7,8月份的径流量将减少较多 ,而年径流量将减少 7.1 1 % .若气温保持不变 ,降水量增加 1 0 % ,径流量将增加5 2 7% ;降水量增加 2 0 % ,径流量将增加 1 2 .35 % .当气温升高 0 .5℃ ,降水增加 1 0 %时 ,径流量仅增加 1 .6 2 % .     

1960年以来气候变化与人类活动对鄱阳湖流域生态径流改变的影响

基于鄱阳湖流域五河水文站1960-2013年逐日径流量和14个国家级气象站的日气象数据,本文利用长短记忆模型框架构建神经网络模型来开展鄱阳湖流域的径流过程模拟,结合生态赤字与生态盈余等生态径流指标,定量分析了鄱阳湖流域的水文变异特征.同时,利用差异化的情景模拟方式,定量区分了人类活动和气候变化对鄱阳湖流域生态径流变化的...     

气候变化和人类活动对鄱阳湖流域径流过程影响的定量分析

量化气候变化和人类活动对流域水文影响及其对流域水资源规划和管理具有重要的理论与现实意义.采用水文模型和多元回归法定量分析气候变化和人类活动对鄱阳湖"五河"径流的影响,并通过与灵敏度分析法对比来进一步验证分析结果 .研究表明,1970-2009年,气候变化和人类活动对鄱阳湖流域径流增加的贡献率分别为73%和27%.气候变化是饶河、信江和赣江径流增加的主导因素,而人类活动是修水径流增加的主要因素,是抚河径流减少的主要原因.另外,不同季节影响径流变化的主导因素又有不同,人类活动为干季(11月到次年2月)径流增加和湿季(4-6月)径流减小的主导因素,其贡献率分别为78.9%和82.7%.本研究可为鄱阳湖流域防洪抗旱及水资源优化配置提供重要科学依据.     

气候变化和人类活动对鄱阳湖流域赣江径流影响的定量分析

气候变化和人类活动对流域径流影响的定量研究是当前研究的热点,赣江作为鄱阳湖流域最大的子流域,径流变化对鄱阳湖湿地水生态系统具有重要的影响.利用Mann-Kendall突变检验分析了赣江流域径流1955—2010年间演变趋势,再分别应用统计方法和IHACRES集总式模型分析气候要素和人类活动对径流的影响.研究表明IHACRES能够较好地模拟赣江流域径流,适用于中亚热带湿润季风气候区.Mann-Kendall突变检验表明赣江流域径流在1979年发生突变,可划分为1955—1979年和1980—2010年两个时段.降水是影响赣江流域径流年际变化的主要因素,而土地利用等人类活动的影响并不明显.水库建设显著影响赣江径流的季节分配,1980—2010年间人类活动影响更加显著,其中45%的年份秋季径流增加50%以上,26%的年份秋季径流增加超过100%,其中1989年的秋季径流增加幅度达到320%.     

1990s以来气候变化和人类活动对洪湖流域径流影响的定量辨识

为针对性地提出洪湖流域水资源适应与应对气候变化和人类活动影响的措施,保护洪湖流域生态资源,促进其可持续发展,采取分布式水文模型SWAT定量辨识了1990s流域城镇快速发展以来气候变化和人类活动对洪湖流域地表径流的影响程度.结果表明:近20年来,人类活动是洪湖流域地表径流减少的主要原因,其影响量占径流减少量的63.72%,气候变化的影响占36.28%.但不同阶段人类活动与气候变化对流域径流影响的程度不同,1990s气候变化对流域径流的影响量高于人类活动,2000s气候变化对流域径流的影响量低于人类活动,近20年来的水土保持措施已经发挥了较好的径流调节和保水效益.     

鄱阳湖流域过去1000 a径流模拟以及对气候变化响应研究

为研究过去千年尺度径流变化及其对气候变化的响应,以长江中游鄱阳湖流域为研究区,运用气候模式CCSM4和ECHAM5模拟过去1000 a气候数据,空间降尺度后驱动水文模型模拟了鄱阳湖流域过去近千年流域径流序列.利用快速傅里叶变换、小波分析等手段,分析流域极端径流变化特征、周期和该流域旱涝事件发生频率.结果表明:2种气候模式均能反映出中世纪暖期及小冰期阶段的干湿交替变化,且小冰期内中干旱状态维持时间较长;径流的丰枯变化与降水量变化具有较好的对应关系.CCSM4和ECHAM5模式下发生旱涝灾害与极大极小降水事件发生频率基本相同,径流丰枯变化与降水变化周期相近,均具有30 a左右的主周期,10~15、7 a左右的子周期.小波系数模平方图中30 a左右显著的能量信号揭示了该周期与北太平洋气候的主要环流机制的太平洋年代际振荡周期相近,因此,大气环流涛动是造成气候-水文变化的主要原因.研究结果拓展了基于近代60 a观测记录的流域水文变化的认识,探讨了千年时间长度下流域干湿变化特征和水文对气候响应的动力机制,有助于全面系统认识长江中游在全球气候暖化背景下旱涝极端水文事件的发生机制与变化规律.     

气候变化对长江流域汉江和赣江径流的影响

近几年来,国家气候中心己经建立了中国主要四大流域气候对水资源影响评估的模式框架.本文拟进一步证明其中之一的两参数分布式月水量平衡水文模式对长江之上汉江和赣江两子流域径流的模拟能力,结果表明该水文模式对目前气候条件下径流模拟效果较好,运行稳定,可用于实时业务运行.在此基础上,利用ECHAM4和HadCM2两GCM(General Circulation Model)未来气候情景模拟结果及目前实测气候情况,对汉江和赣江两子流域的径流对未来气候变化的敏感性进行评估.经检验,两GCM对未来气候,特别是降水情景模拟存在一定差异,因此,造成径流对气候变化的响应不同,这充分反映了全球模式模拟结果不确定性在气候变化影响研究中的重要性.     

鄱阳湖流域径流模型

流域径流是鄱阳湖主要来水,建立鄱阳湖流域径流模型对揭示湖泊水量平衡及其受流域自然和人类活动的影响具有重要意义.针对鄱阳湖-流域系统的特点:流域面积大(16.22×104km2)、多条入湖河流、湖滨区坡面入湖径流等,研究了相应的模拟方法,建立了考虑流域土壤属性和土地利用空间变化的鄱阳湖流域分布式径流模型.采用6个水文站1991-2001年的实测河道径流对模型进行了率定和验证.结果显示,模型整体模拟精度较高.其中,赣江、信江和饶河均取得了较好的模拟结果,月效率系数为0.82-0.95;抚河和修水模拟精度略低,为0.65-0.78.模型揭示了研究时段内年平均入湖径流总量为1623×108m3,其中,赣江最多,占47%,其次为信江和抚河,分别占13%和12%,湖滨区坡面入湖径流约占4%,其余24%来自饶河、修水以及其它入湖支流.模型将用于评估流域下垫面或气候变化引起的入湖水量变化,为湖泊水量平衡计算提供依据.     

人工神经网络及其在地震研究中的应用

简述了人工神经网络的发展历史,详述了Ｂ－Ｐ神经网络的基本原理,介绍了其在地震研究中的应用,文后对神经网络研究中应注意的问题进行了讨论。．     

神经网络模型在地震预报中的某些应用

本文介绍了人工神经网络模型以地震活动性指标为基础应用于地震预报的一些最新研究结果，选用多层前向神经网络模型及ＢＰ算法，其输入取不同的地震活动性指标的集合，输出为某一指定地区在未来时段内可能发生的最大地震的震级，以华北及首都圈地区为例，用多组不同类型的地震活动性指标进行学习与检验，结果表明，利用人工神经网络模型对未来时段震级预报的符合率较高，内检预报符合率可达１００％，外推预报符合率达到６０％以上。     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

Artificial Neural Network Prediction of Tropospheric Ozone Concentrations in Istanbul,Turkey

Tropospheric (ground‐level) ozone has adverse effects on human health and environment. In this study, next day's maximum 1‐h average ozone concentrations in Istanbul were predicted using multi‐layer perceptron (MLP) type artificial neural networks (ANNs). Nine meteorological parameters and nine air pollutant concentrations were utilized as inputs. The total 578 datasets were divided into three groups: training, cross‐validation, and testing. When all the 18 inputs were used, the best performance was obtained with a network containing one hidden layer with 24 neurons. The transfer function was hyperbolic tangent. The correlation coefficient (R), mean absolute error (MAE), root mean squared error (RMSE), and index of agreement or Willmott's Index (d₂) for the testing data were 0.90, 8.78 µg/m³, 11.15 µg/m³, and 0.95, respectively. Sensitivity analysis has indicated that the persistence information (current day's maximum and average ozone concentrations), NO concentration, average temperature, PM₁₀, maximum temperature, sunshine time, wind direction, and solar radiation were the most important input parameters. The values of R, MAE, RMSE, and d₂ did not change considerably for the MLP model using only these nine inputs. The performances of the MLP models were compared with those of regression models (i.e., multiple linear regression and multiple non‐linear regression). It has been found that there was no significant difference between the ANN and regression modeling techniques for the forecasting of ozone concentrations in Istanbul.     

Neural Network Prediction of Monthly Precipitation: Application to Summer Flood Occurrence in Two Regions of Central Europe

Artificial Neural Network (ANN) models were used to forecast precipitation. Three-layer back propagation ANNs were trained with actual monthly precipitation data from six Czech and four Hungarian meteorological stations for the period 1961-1998. The predicted amounts are the next month's precipitation. Both training and testing ANN results provided a good fit with the actual data and displayed high feasibility in predicting extreme precipitation.     

基于卷积神经网络的断层预测方法

针对传统相干体属性在预测断层时存在断层假象以及易受噪声影响等缺点,本文提出一种利用卷积神经网络进行断层预测的方法。首先构建适合实际工区断层特征的卷积神经网络模型,然后利用部分分频地震数据和人工解释出的断层标签进行网络模型训练,最后把训练好的模型应用到整个三维地震数据中进行断层预测。实际地震数据预测结果表明基于卷积神经网络断层预测结果与地震数据吻合较好,并且在断层细节刻画上要优于传统地震相干体属性方法。     

潜在地震灾害预测和评价神经网络系统及其若干问题

结合人工神经网络自身的特性和地震灾害预测研究的特点,本文应用神经网络模型,建立了潜在地震灾害预测和评价系统。针对网络模型参数设置、数据归一化、中间层神经元最优数目以及泛化分类评价指标等若干实际问题给出了实际可行的解决方案。通过大样本数据对网络的训练,形成了有识别和记忆功能的非线性预测和评价系统。对网络的测试和检验,论证了该系统在预测潜在地震灾害上的可行性和有效性。同时,从测试精度出发,探讨了这种预测网络存在的不足,并给出了相应的改进建议,为开展进一步的研究工作提供了参考。     

A Hybrid Model for Runoff Prediction Using Variational Mode Decomposition and Artificial Neural Network

Water Resources - Hydrological runoff prediction in a reliable and precise manner contributes significantly to the optimal management of hydropower resources. Considering the importance of runoff...     

基于MATLAB神经网络方法的多层砖房震害预测

提出利用MATLAB人工神经网络工具箱建立基于贝叶斯正则算法的BP神经网络模型,以地震区多层砖房震害调查数据为因子的震害预测方法.神经网络模型输入震害因子包括建筑的层数、施工质量、房屋整体性等,输出值为建筑物在地震作用下的破坏程度.结果表明,本方法可以对多层砖房的震害样本进行预测并达到较理想的效果.