基于 HEC-RAS 的梧桐山河流域水质模拟及应用

以深圳市梧桐山河流域为研究区域,基于HEC-RAS模型建立梧桐山河流域一维水动力水质模型。水动力模型最大相对误差2.43%,水质模型最大相对误差18.12%,模型模拟精度较高。利用该模型对河段水体中的污染物进行模拟,根据上游污染物浓度估算污染物扩散至下游断面的浓度及扩散时间,模拟调控上游水库的下泄流量来加大生态流量,从而达到控制污染物浓度的目的。     

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。