基于相关分析的雨量站选择及洪水预报方法

在分析历史降雨资料的基础上,建立流域内各雨量站点雨量与流域平均面雨量的相关关系。结合流域水文站分布图选出与流域面雨量相关性高且有区域代表性的雨量站作为遥测系统的关键测站,保证其稳定运行。利用定点定面关系分析方法,由流域内关键测站的时段雨量推求流域时段面雨量,并带入洪水预报模型进行洪水预报。该方法不依赖流域内全部测站的降雨信息,可有效解决流域内雨量站缺测或数据错误时的洪水预报问题。该方法可为无资料或资料短缺地区及新建水库因资金限制只能建设少量测站时的洪水预报提供参考。     

无量纲产汇流方法及其在流域内非定点部位进行洪水预报的尝试

本文根据现有的洪水预报站不能完整地揭示暴雨洪水对某一较大流域内非特定区域的发生情况，乃至无法对该区域的洪水进行预报的现实，根据自己对流域内非定点部位进行洪水预报的研究探索，提出了一种用于该区域的产汇流方法。     

浙江省无资料流域洪水预报方法研究

无资料或资料不足是任意流域开展洪水预报面,临的难题和挑战。在浙江全省适用水文预报模型筛选基础上,利用自动寻优技术对浙江省39个代表流域978场暴雨洪水进行逐流域、逐场洪水产、汇流参数率定,并根据参数变幅、敏感性,分别采用均值、等值线空间内插、结合流域特征运用投影寻踪回归分析等方法进行产、汇流参数的地区综合,提出了全省无资料流域洪水预报方法,并经预报模型检验,精度可以满足防洪预警要求。     

半湿润地区洪水预报模型研究及应用

针对半湿润地区建立了流域非线性产流、汇流模型以及流域洪水实时预报校正方法，并将研制的模型应用于陆浑水库流域洪水预报，取得了较为满意的预报效果。     

鳌江流域洪水预报调度决策支持系统

位于浙江省温州市南部的鳌江是一条洪水灾害频繁的河流.介绍了鳌江流域洪水预报调度决策支持系统的总体设计、功能模块、逻辑结构、模型组织以及应用水文学及水力学的方法对流域洪水演进过程进行模拟计算的方法等,建立了一个可以在中小流域推广应用的防洪预报调度系统.     

问与答

问洪水预报和汛情传递方法有哪些? 答洪水预报就是根据洪水形成和运动规律,利用已经掌握的水文气象资料,预测未来一定时段内的洪水情势。洪水预报包括河道洪水预报、流域洪水预报和水库洪水预报等。主要预报项目有最高洪水位、流     

基于单位线反演的产流误差修正

为提高实时洪水预报的精度,将单位线引入实时洪水预报修正中,建立一种向信息源头追溯的反馈修正模型。用最小二乘估计原理,通过推求产流量误差,用理想模型对误差修正模型进行了验证,并对不同范围的产流量误差修正效果进行对比。在浙江长潭流域对11场历史洪水进行修正验证,效果明显,对预报精度有一定的提高。该方法结构简单,且不增加参数,物理概念清晰,又不损失预见期,可以在实际流域洪水预报中推广应用。     

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     

柘溪水电站入库洪水实时预报模型研究

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

水库流域入库洪水预报误差分析

由于受水库枢纽工程的影响，使得反推计算的入库流量本身就存在较大的误差，从而增加了入库洪水预报模型研制的难度，影响了这时预报精度的考核。通过对全国诸多水电厂水库流域实时洪水预报的实践，对其入库洪水预报中存在的误差原因及解决方法进行了科学的分析和阐述，以指导实时预报。     

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。     

基于EasyRiv1D模型的漳卫河流域河道洪水演进模拟研究

漳卫河中下游河道断面变化较大,该流域的洪水预报调度十分复杂。传统的水文学方法只是借助于历史洪水进行汇流参数率定,本文借助于水力学方法和河道实测断面,利用Easy Riv1D模型对河道洪水演进模拟研究,取得了较好的预报效果,可以为漳卫河流域的河道洪水演进提供技术支撑。     

月潭水库洪水预报模型研究及水库建设对黄山市中心城区的水文效应分析

洪水预报是水库科学调度的关键依据,本文利用流域水文模拟方法,分别建立月潭水库洪水预报模型、建库后水库～屯溪区问流域水文模型及水库～屯溪之间河道演算模型,并基于成果,选择历史典型洪水,分析月潭水库建设对黄山市屯溪中心城区的防洪效应.     

构建沅水流域实时洪水预报调度系统研究

本文对沅水流域的地形、地理、气候特征和洪水发生规律进行了概述，就流域的分区、预报模型的选择和模型参数的选取、调度模型的选择和求解步骤，以及信息技术的应用等方面进行了分析和论述，其思路可作为构建沅水流域实时洪水预报调度系统设计的依据．同时也可作为其它省或流域构建类似系统时参考。     

基于状态变量初值修正的洪水预报方法研究

针对现有状态变量初值修正方法的不足,提出了一种基于状态变量初值修正的洪水预报方法(ISVC方法)。该方法以洪水起涨阶段平稳期的预报与实测流量过程间的残差为目标函数,采用粒子群优化算法对状态变量初值进行修正,利用修正后的状态变量初值开展洪水预报。将ISVC方法与新安江模型结合,采用赛塘流域进行了检验。结果表明,ISVC方法切实有效,能提高预报精度。ISVC方法具有一定的独立性、较强的适用性、一定的实用性等特点,具有一定的推广应用价值。     

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。     

双校正模式下的大清河流域陆气耦合洪水预报研究

基于数值大气模式WRF、三维变分数据同化WRF-3DVar、河北雨洪模型以及实时校正模型ARMA,在北方半湿润半干旱地区的大清河流域构建了陆气耦合洪水预报系统,并利用2012、2013年发生的3场降雨洪水,对系统的降雨洪水预报结果进行分析。结果表明:雷达反射率与GTS数据的同时同化,可有效改善数值大气模式对中小尺度流域的降雨预报效果,从而降低系统的洪水预报误差,ARMA模型的应用,能够进一步提升系统的洪水预报精度,随着预见期的延长,系统的预报精度下降,但系统在6h预见期内仍表现出较好的应用效果。因此,在数据同化和实时校正的"双校正"模式下,陆气耦合洪水预报系统在延长洪水预报预见期的同时,具有较高的洪水预报精度,具有一定的应用前景。     

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。     

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。     

ν-支持向量机洪水预报模型研究

为了提高洪水过程的非线性拟合能力和预报精度,对支持向量机洪水预报模型进行了深入研究。针对鸭绿江流域临江站的实际情况,建立了临江站洪水过程ν-SVR预报模型,采用1998~2014年间的大水年份降水资料和洪水过程资料对ν-SVR预报模型进行了率定和验证,并与线性动态系统模型、BP人工神经网络模型和ε-SVR模型进行了比较。结果表明:ν-SVR洪水预报模型比线性动态系统模型和BP人工神经网络具有较高的精度。ν-SVR洪水预报模型具有较好的非线性拟合能力和泛化能力,能很好地控制支持向量个数、降低模型的复杂程度,同时能保持良好的预报精度。