Prediction and modelling of rainfall–runoff during typhoon events using a physically-based and artificial neural network hybrid model

Abstract

The accurate prediction of hourly runoff discharge in a watershed during heavy rainfall events is of critical importance for flood control and management. This study predicts n-h-ahead runoff discharge in the Sandimen basin in southern Taiwan using a novel hybrid approach which combines a physically-based model (HEC-HMS) with an artificial neural network (ANN) model. Hourly runoff discharge data (1200 datasets) from seven heavy rainfall events were collected for the model calibration (training) and validation. Six statistical indicators (i.e. mean absolute error, root mean square error, coefficient of correlation, error of time to peak discharge, error of peak discharge and coefficient of efficiency) were employed to evaluate the performance. In comparison with the HEC-HMS model, the single ANN model, and the time series forecasting (ARMAX) model, the developed hybrid HEC-HMS–ANN model demonstrates improved accuracy in recursive n-h-ahead runoff discharge prediction, especially for peak flow discharge and time.     

加强区域数字地震台网建设推进数字地震学的应用研究

简要回顾了数字地震学诞生以来所取得的科学成果。结合我国地震观测系统大规模数字化改造的实践,着重阐述了区域数字化地震台网的观测优势,以及在台网建设目标、观测资料的充分利用和高素质人才培养方面存在的劣势和不足。还提出了对关于区域数字地震台网建设和发展过程中的指导思想、“软件”和“硬件”的关系、基础和应用研究与地震预报的关系、数字地震学的发展与高素质人才培养的关系等等问题的思考和建议。     

测震台网数据传输补数技术

针对测震台网波形数据传输中断导致丢数现象,开发测震台网自动补数系统SDARS,自动检测数据丢失现象,并从地震台数据采集器下载缺失数据;设计手动辅助补数工具软件SeisDataUtil,提供不同格式的地震数据文件的手动补数功能。通过此套补数系统,有效提高测震台网波形数据完整率,最小化减少波形数据丢失。     

盆地基底岩性的综合地球物理预测方法——以松辽盆地滨北地区基底岩性预测为例

预测盆地基岩岩性不仅对于研究盆地的深部地质结构及盆地的形成演化具有重要的意义,而且也对基岩风化壳油气藏的勘探具有一定的指导作用.本文通过对盆地重、磁异常成因的综合分析,提出了一系列盆地基底岩性综合预测研究的综合地球物理资料处理解释方法技术.指出在地震构造界面的约束下采用重力剥皮技术可以较为可靠地获取基底岩性重力异常并分析了界面密度差对剥皮后基底岩性重力异常的影响,给出了等效密度差的求取方法.分析了基底起伏对基岩岩性磁异常的影响,指出采用"平化曲"将磁异常归化到与基底同一高度,可以有效地提高对基底岩性体的刻画能力.通过综合分析认为:应用基底的相对视密度、相对视磁化率及两者的相关系数可以有效地刻画基底岩性的特征.神经网络是基底岩性判别与分类的有效方法技术.通过对松辽盆地北部滨北地区的基底岩性的综合预测显示了本文系列预测基底岩性方法的有效性,预测结果反映了松辽盆地基底岩性的分布特征.该系列方法技术可为其他盆地的基底地质填图提供了可借鉴的综合预测方法技术.     

浅析山西长治数字测震台网维护工作

文章概述了山西长治数字测震台网的系统构成,并对台网的维护工作从维修次数、故障类型等方面进行分析,认为,要保证观测质量必须做好五方面的维护工作。     

黑龙江省地电阻率台网数据在预报工作中的应用

对黑龙江省地电阻率台网近些年的观测资料进行了整理分析,对台网的两个地电阻率台观测资料进行了评估,发现林甸台地电阻率数据受各种干扰非常严重,无法提取震兆信息,而绥化台的观测数据质量较高,映震效能较好。绥化地震台地电阻率观测曲线具有规则年周期变化特征,以此为依据进行各向异性的前兆异常特征的研究,发现利用原始曲线法和归一化月速率方法,在中强地震前震区一定区域内的电阻率各向异性值（S）会出现上升型或下降型异常变化。分析认为速率法对于提取短临异常,判断发震时间较为理想。     

基于改进的BP神经网络构建区域精密对流层延迟模型

利用神经网络算法挖掘海量数据的规律已成为科技发展的一种趋势,本文针对卫星信号的天顶对流层延迟进行建模.对流层延迟是影响卫星定位精度的重要因素之一,建立精密区域对流层模型对高精度定位有着重要的意义.对区域测站对流层延迟数据的分析,考虑到实时建模中传统BP（Back Propagation）神经网络计算量大,易出现"过拟合"现象、不稳定等因素,通过改进的BP神经网络建立了区域精密对流层模型.详细介绍了新模型的建立过程,并与常用的对流层区域实时模型进行了对比.还讨论了建模测站数目对预报精度的影响.相比现有的其他对流层延迟模型,基于改进的BP神经网络构建的区域精密对流层延迟模型无论在拟合和预报方面都有较好的精度,且随着测站数目的增加模型精度趋于平稳.改进的模型参数较少,可以进行实时的区域精密对流层延迟改正;需要播发的信息量小,适用于连续运行参考站系统（Continuously Operating Reference Stations,CORS）的应用.研究表明：改进的BP神经网络模型能够更好的充分利用大规模历史数据描述卫星信号对流层延迟的空间分布情况,适用于实时大区域精密对流层建模.基于日本地区2005年近1000多个测站的NCAR（National Center Atmospheric Research）对流层数据进行区域对流层延迟建模,结果表明改进的BP神经网络模型在拟合和预报精度上都有较大提升,RMSE（Root Mean Square Error）分别为：7.83 mm和8.52 mm,而四参数模型拟合、预报RMSE分别18.03 mm和16.60 mm.     

深海底リアルタイム観測ネットワークの構築

近年来,我国地震观测取得了长足进展,同时海底观测系统的建设也方兴未艾。而欧美及日本等发达国家在海底有线实时监测的成功先例,为我国相应工作的开展提供了良好的参考及借鉴。其中日本海底有线实时监测系统DONET始建于2011年,专注于海底地动—水压信号的高效采集,旨在监视日本南海海槽的地震和海啸事件。本文主要介绍DONET的硬件布局、搭建流程以及科研产出情况,并简要介绍我国国家海底科学观测网的基本信息。     

耗能－隔震柔性底层钢管混凝土结构的振动台实验和损伤分析

本文采用人工神经元网络理论，对城市公路网络中的单元路段和桥梁的震害预测进行了探讨。在前人研究的基础上，提出了解决这一非确定性问题的一个有效的方法，对于深入研究生命线工程系统震害的规律具有普遍的意义，从而使我们有可能避免地震造成的破坏和最大限度地减小损失，为抗震减灾提供决策依据。