叶尔羌河流域水沙时空变化初步分析

叶尔羌河是新疆最大河流塔里木河的一主要源流,由于该河绿洲面积大,随着灌区的开发,绝大部分径流作为灌溉水被引用,1964年后该河补给塔里木河水量逐年减少,至1986年已基本无水下放塔里木河.通过对其径流、泥沙的频率分析,上下游站年内、年际变化对比分析,得出叶尔羌河的径流、泥沙变化趋势,对于叶尔羌河水资源综合利用、生态环境的保护及塔里木河流域近期综合治理规划的实施,有一定的参考价值.     

叶尔羌河流域水沙变化特性分析

选取库鲁克兰干、卡群、四十八团渡口3个水文站的水文资料,对叶尔羌河流域的水沙变化特性进行了分析,结果:①水量大沙量大,沙量变幅大于水量变幅;②输沙量集中在汛期;③多沙年多出现在丰水年,少沙年多出现在枯水年;④四十八团渡口与库鲁克兰干、卡群2站相比,水量的减少比例远远大于沙量的减少比例;⑤输沙量有逐年加大的趋势.     

东江上游河流水沙分析

分析了东江上游地区河流水沙特性,并阐述了水库的修建和运用对该地区水沙输移的影响。东江上游地区是整个流域泥沙的重要来源区,该地区地表径流主要来自于降水,河流泥沙也主要来自于降水和径流所造成的土壤侵蚀。从长系列看,东江上游地区径流量虽然在不同时期波动较大,但相对稳定,而河流输沙量呈下降趋势。东江上游来水来沙主要集中在每年的汛期,其汛期来水来沙量分别占全年的70%和88%。枫树坝水库和枕头寨水库建成运用,减小了径流量的季节差异,降低了河流流量脉动特性。同时其河流输沙率在枫树坝水库和枕头寨水库建成以及枕头寨水库调整后分别下降了30%和50%。近年来,东江下游进行的大规模无序采沙,其采砂量已经远大于上游来沙量。在东江流域进行水沙管理时,不仅要采取措施遏制这种无序采沙行动,同时也要进一步研究流域水沙输移问题,以达到维持整个河流系统的水沙平衡。     

黄河上游干流各控制站水沙变化规律分析研究

选取黄河上游46个各类水文站资料,使用常用的时域分析法和频域分析法来处理数据。结果表明:①1952-1959时段来水量处在平水状态,宁蒙灌区引水量为统计时段最低水平;刘家峡以上河段输沙量也处在平均状态,兰州-青铜峡河段增加幅度最大,同时青铜峡以下河段的淤积强度也最大。1960-1968时段来水量为最大,输沙量为次大,仅低于前一时段。下河沿-青铜峡、石嘴山-巴颜高勒河段处在淤积状态,青铜峡-石嘴山河段及巴颜高勒以下河段处在冲刷状态。1969-1985时段来水量为次大,宁蒙河段输沙量大大少于前两个时段。1986-1993时段宁蒙河段来水量为次小,输沙量基本为最小水平。1994-2003时段主要产流区水量处在统计时段的最枯段,从源区到宁蒙河段,沿程水量偏少幅度基本一致。②黄河上游水沙序列年际发生根本转变的主要决定因素是上游降水量、引水量的增大及龙羊峡、刘家峡两座水库联合运用,将大量的汛期水量调节至非汛期,从而使汛期洪水流量大幅减小,其挟沙能力降低,从而造成汛期泥沙淤积在库区和河床中。而非汛期水量虽然明显增加,但挟沙水流并没有增大,从而使汛期淤积的泥沙没有得到冲刷。     

CMIP5多模式下中国不同流域植被动态变化预测

植被动态变化研究对于了解全球气候变化具有重要意义。利用1982～2015年中国区域的植被归一化指数NDVI、降水和潜在蒸散发数据,构建植被动态预测模型,从水分亏缺的角度,分析降水和潜在蒸散发对植被的影响,结合CMIP5模式提供的两种情景(RCP 4.5和RCP 8.5),预测未来的植被动态变化。结果表明：RCP 8.5情景下的NDVI增加程度大于RCP 4.5情景。在RCP 4.5情景下,未来春季、夏季、秋季和生长季的NDVI平均增量分别为0.02,0.09,0.11和0.07;而在RCP 8.5情景下,未来春季、夏季、秋季和生长季的NDVI平均增量分别为0.06,0.09,0.12和0.08。未来中国不同流域的植被覆盖程度均出现增长,西南诸河流域的植被覆盖程度增长显著,而未来内陆河流域的植被覆盖程度增长较小。     

蛮河上游水沙演变规律及相关关系研究

利用实测水文系列资料分析研究了蛮河上游径流、泥沙演变规律,建立了不同水文要素推求悬移质输沙量的经验公式,通过对公式的率定,相关系数都在0.8以上.     

基于Matlab神经网络的流域年径流量预测

阐述了运用人工神经网络模型对流域年径流量径流序列做出预报,表明人工神经网络模型在水文预报中具有一定的优势。通过BP神经网络算法得到了适合该神经网络模型的训练算法。以渔峡口站年径流量实测序列为研究对象,在数值试验的基础上建立了年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

黄河上游宁蒙河段水沙变化特征分析

基于黄河上游4个水文站点1950—2009年实测年径流量和年输沙量的数据,利用趋势分析法、Mann-Kendall趋势检验及突变检验、Morlet小波分析等方法,对黄河上游来水来沙的时空变化特征、突变特点和变化周期进行了分析。结果表明:①近60 a来,黄河上游年径流量和年输沙量均呈明显减少趋势,头道拐站年径流量减幅最大,下河沿站年输沙量减幅最大;②径流量和输沙量序列均存在显著突变,但突变时间存在差异性,且输沙量的敏感性更强;③黄河上游水沙序列存在多时间尺度变化,但变化尺度并不一致。     

基于Copula函数的叶尔羌河水沙丰枯遭遇研究

为了解叶尔羌河水沙关系发展规律,采用叶尔羌河卡群站、库鲁克栏干站的径流量和输沙量资料,利用模比系数法、滑动t检验法和滑动相关系数法诊断水沙关系变异点,基于Copula函数构建水沙二维联合分布模型,对比研究不同时段下的径流量与输沙量丰枯遭遇状况.结果显示:水沙关系在1993年前后发生突变,1993—2015年水沙相关性要...     

相似性降水条件下北洛河水沙变化特征

降水是河流径流来源也是水土流失的主要动力,通过选择相似降水年组比较河流水沙变化,可以更好揭示土地利用变化对河流水沙变化的影响.采用1954年到1996年北洛河状头水文站实测资料,根据年份差大于5年,年雨量差小于20 mm和汛期雨量差小于10 mm等三个指标确定了8个相似降水年组.通过比较相似性降水年组径流量和输沙量变化,分析了不同时间河流水沙变化特点;并通过组间比较初步探讨了北洛河水沙变化趋势.分析表明,与1980年相比,1996年除汛期径流量增加外,年径流量,年与汛期的输沙量和含沙量均增加;在其他时段,输沙量在1970年代后期以前呈减少趋势,年径流量和汛期径流量有增加趋势,而年均和汛期含沙量均有减少趋势.     

基于BP神经网络的河道径流变化量预测

河道径流变化是一种复杂的非线性函数关系的过程,BP神经网络具有表达任意非线性映射的特性。本文基于BP神经网络建立的河道径流变化量预测模型,结合水资源调查分析评价,定量地将人类活动影响期径流相对于基准期径流的变化量分解为降水量、涉水工程、下垫面变化影响量,并分别建立3种因素的影响量模型,从而实现预测未来径流变化量及径流变化量控制的目的。     

基于EMD及BPNN的云南省昭通市径流量预测

为提高BP神经网络对径流量的预测精度,将经验模态分解(EMD)方法与BP神经网络相结合,采用云南省昭通市豆沙关水文站1959年1月至2015年12月的逐月径流量,共设置4种方案构建了径流量预测模型。其中,方案一采用前1个月的径流量预测下一个月的径流量;方案二采用前2个月的径流量预测下一个月的径流量;方案三采用前3个月的径流量预测下1个月的径流量;方案四首先利用EMD将原始径流序列分解为高频项、低频项、趋势项,然后采用前1个月的分解数据对这3类项下1个月的分解数据进行预测,最后叠加为预测的下1个月径流量。结果表明:方案四的R~2为0.86,高于其他3个方案,说明将数据先通过EMD分解再分别预测径流量能够提高预测精度。研究成果可为未来构建径流量的预测模型和提高预测精度提供技术支撑。     

灰预测和BP神经网络在梧州站年径流预测中的应用

根据1960—2007年降雨、径流资料,运用Pearson相关分析法研究梧州区域降雨、大湟江口站年径流量与梧州站年径流量的相关关系;应用数列灰预测和BP神经网络模拟预测梧州站年径流量。结果表明:梧州站年径流量受梧州区域汛期降雨量、年降雨量和大湟江口站年径流量影响较大;梧州站年径流量BP神经网络模型预测效果比数列灰预测好。     

基于经验模态分解方法和信息熵的水沙关系研究

为研究黄河中游水沙关系及其细部演化特征,利用黄河中游控制性水文站——潼关水文站1919—2015年实测径流量和输沙量资料作为研究数据,采用经验模态分解方法分析径流和泥沙随机变化的复杂性,并运用信息熵理论计算不同时间尺度上径流和泥沙分解序列及原始序列的熵值、径流与泥沙各分量与其原始序列之间的互信息、径流与泥沙之间的互信息。结果表明:潼关水文站径流量与输沙量变化具有显著下降的趋势;径流量和输沙量在一定程度上表现为某种同步变化关系;径流量与输沙量的长周期分量及趋势项互信息较大,因此水沙关系宜采用长周期研究,趋势项分量数据信息阐述原始序列数据信息比较可靠。     

基于自相关系数法与BP神经网络模型的开都河年径流量预测

提出了利用自相关系数法和BP神经网络模型计算河流径流量的一种方法。作为一个案例,该模型在开都河被成功地建立,并有效地用于由往年径流量资料推求来年径流量。计算结果表明,该方法不但具有一定的精度,而且也为研究径流量的快速计算提供了一条新途径。     

塔里木河流域径流量预测分析

因径流量预测中伴随着随机性、灰信息性的特点,传统的数学模型难以解决复杂的非结构化问题。在参与塔河流域多个水文控制站点径流量预测的基础上,探讨了GM(1,1)与BP算法在径流量预测中的有效性及存在的一些问题。首先用灰色关联理论对相关序列的灰色绝对、相对、综合关联度进行了分析;然后建立了GM(1,1)模型,讨论了在原始序列准光滑条件满足、1-AGO准指数规律满足条件下GM(1,1)模型模拟随机振荡序列的局限;最后建立了神经网络模型,应用BP算法训练网络权矩阵和偏置,对径流量的历史演变进行了仿真模拟,对预留年份的径流量作了预测检验。     

基于GRNN神经网络的参考作物腾发量预测

参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有十分重要的意义。由于参考作物腾发量与各气象因子呈非线性关系,将GRNN神经网络引用于参考作物腾发量预测中,并以铁岭市为例,对比分析了GRNN模型与BP模型的预测结果。分析表明：GRNN模型不仅训练速度快,还具有比BP模型更高的预测精度、逼近性和稳定性。     

气候变化情景下黄河天然径流预测研究

1961—2000年黄河天然径流量呈减小趋势,且径流变化与降水量变化过程基本一致。选用IPCC提出的A2、B2两种温室气体排放方案,并采用北京大学在黄河流域未来气候情景研究中的降尺度成果,以黄河流域未来气候情景模式和预测成果为基础,建立黄河水量平衡模型,预测黄河主要断面的未来天然径流量并分析其时空变化。结果表明:黄河径流量2050年将减少29.3亿～61.1亿m3,2100年将减少42.2亿～71.2亿m3;从空间分布来看,上游兰州以上主要产水区的降水量、径流量有较大幅度减小,其他区域产流量有所增加;从径流年内分配来看,冬季、春季略有增加或基本不变,夏季、秋季减少明显。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。     

基于BP神经网络算法下的边坡安全预测

边坡的实时变形一直是岩土工程界关心的问题,由于不同工程的条件不同,影响边坡位移的因素较多,进而使其变化趋势复杂.为了得到边坡位移与稳定性的关系,采用BP神经网络算法与强度折减法综合对土质边坡安全系数进行预测.结果显示:通过强度折减法计算出边坡位移,并获取较完善的BP神经网络样本数据,当迭代次数达到足够时,完全可以忽略预测结果与实际结果的误差;通过实际工程中的边坡监测数据,然后由建立的BP神经网络能够较为准确的输出边坡的强度折减系数,进而得到相应的安全系数.