新安江模型和改进BP神经网络模型在闽江水文预报中的应用

精确的水文预报是防洪减灾中重要的非工程措施,水文模型是开展水文预报最有力的工具。采用LM算法改进了的BP神经网络水文预报模型,以闽江富屯溪流域为例,进行了BP模型和新安江模型在日流量模拟预报中的应用比较。结果表明:两个模型总体均达到水文预报的精度要求,水文预报合格率可达到90%以上;新安江模型在丰水年模拟效果较好,相比而言,BP神经网络模型的模拟精度更高一些;两个模型均可用于闽江流域的水文预报研究。     

分布式洪水预报模型在汾河流域的应用

为提高汾河流域的洪水预报水平,选取了该流域DEM、土壤、土地利用及水文气象资料,基于EasyDHM建立了汾河流域分布式洪水预报模型,并进行参数率定。通过场次洪水对模型验证表明,该模型可以很好地应用于流域水情形势分析,从而为流域防洪调度工作的数字化提供技术支持。     

遂昌县靖居口水文站洪水预报方案应用与分析

为预测松阴溪流域洪水出现时间和洪峰流量,靖居口水文站构建洪水预报方案.对此洪水预报方案进行模型参数率定和预报结果验证,确保预报方案满足要求.结果显示,洪水预报方案在靖居口水文站应用结果很好,可用于靖居口洪水预测.     

遗传算法在三水源新安江模型参数率定中的应用研究

遗传算法是一种全局数值优化方法。该文在三水源新安江模型的参数率定问题中,结合遗传算法的基本原理和参数自身的特点,提出了基于遗传算法的参数率定方法,并通过实验确定遗传算法的参数。经过清江流域几次洪水历史资料的实例应用验证,结果表明该方法直观、简便、适用性强,率定的模型参数是合理的,能够提高洪水预报精度。该文所介绍的方案已成功应用于“数字清江”工程洪水预报中。     

基于新安江模型的闽清水文站洪水预报

运用闽清水文站2005年～ 2014年的历史降雨洪水摘录数据,构建新安江三水源预报模型,基于单纯形法的自动率定与人工经验结合的方法确定方案参数,各参数符合该地区的洪水特性.对2005年～2012年共8年15场次洪水样本进行评定,洪峰流量合格率为77.8％.对2013年～2014年6场次洪水样本进行检验,合格率为100％...     

网格新安江模型在于桥水库洪水预报中的应用

根据于桥水库流域的地理概况和水文气象特性,利用网格新安江模型GRID-XAJ对流域历史资料进行降雨径流模拟及参数率定,研制洪水预报方案。从模拟结果上看,网格新安江模型能有效反映流域下垫面变化及降水空间分布的离散对降水径流的影响。     

新安江模型参数线性化率定研究

包为民教授提出了非线性函数参数的线性化率定方法,解决了以误差平方和为目标函数求解非线性函数参数增加不相关的局部优值问题。为此,研究将参数线性化率定方法应用于新安江模型,并通过理想流域和实际流域验证了该方法的合理性和高效性。选取湖北乌溪沟流域43场洪水对次洪8个敏感参数同时进行线性化率定,各参数取不同的初始值均可以较快地收敛到稳定的最优值。31场洪水参与模拟,全部合格;12场洪水参与检验,全部合格。次洪模拟的合格率达到100%,确定性系数为0.923,预报等级为甲级。     

基于NAM模型的白龟山水库入库洪水预报方案研究

白龟山水库是沙河漯河以上库容最大的水库,在沙河防洪体系中处于"上压、下控、左右挤"的关键部位,位置极为重要,在调节洪水中起着承上启下的重要作用。为充分发挥水库防洪作用,采用国外知名的流域水文模型-NAM模型开展了白龟山水库洪水预报研究,建立了洪水预报模型,用3场实测入库洪水有关数据率定了模型参数,并对参数进行了人工微调,应用该模型对10场实测入库洪水进行了模拟,模型预测的洪峰误差平均为-9.00%,预报精度较高,具有一定的实践意义。     

Area proportion optimization of different LID facilities and effect of runoff pollution controlEI北大核心CSCD

为探究低影响开发（LID）设施对缓解城市洪涝灾害以及削减污染物负荷的效果，以淮南市某老旧小区为研究对象，基于SWMM模型构建了暴雨径流管理模型，分析了单项LID设施不同面积占比时的总成本效益，针对4种LID设施组合方案，模拟了不同设计降雨重现期的地表径流、排放口流量及污染负荷。结果表明：对于单项LID设施，占屋顶总面积45%的绿色屋顶、占不透水道路面积60%的渗透铺装和占绿地总面积10%的生物滞留设施总成本效益最高；不同LID设施组合均有较好的雨洪控制效果及污染物削减效果，但随着降雨量的增大，效果均有所减小。     

哈里斯鹰算法在广义非线性马斯京根参数优化中的应用——以洛河为例

马斯京根模型在河道洪水演算中发挥着重要作用,其演算精度在于参数的优选。针对目前马斯京根参数率定中存在的求解复杂、精度不高等问题,提出利用哈里斯鹰算法对其参数进行优化,这种方法具有广泛的全局搜索能力,且需要调节的参数较少。以黄河支流洛河为研究对象,利用广义非线性马斯京根模型对宜阳—白马寺段的河道进行洪水演算,且分别用哈里斯鹰算法、粒子群算法和蚁群算法对其参数进行优化。结果表明,基于哈里斯鹰算法的广义非线性马斯京根模型在洛河宜阳—白马寺段的演算精度较高,其Min.SSD为1 237,洪峰误差DPO仅为5,均优于粒子群算法和蚁群算法优化后的结果,其成果适合应用于洛河宜阳—白马寺段的洪水预报工作。     

粒子群算法参数设置对新安江模型模拟结果的影响研究

合理的粒子群算法(Particle Swarm Optimization Algorithm,PSO)的参数设置,可以提高算法的优化效率、避免陷入局部最优值,但常用参数设置对于特定优化问题,如新安江模型模拟,不具普适性。为分析种群规模pop、惯性权重w、学习因子c1和c2以及速度位置相关系数m这5个粒子群参数对新安江模型模拟结果的影响,对每个参数取5个不同水平,应用L25(56)正交表,设计了正交试验。通过对试验结果进行分析,得出了参数对PSO算法性能的影响能力和最优的参数组合方案(pop=80,w=1.3~0.4线性递减,c1=1.85,c2=2.5,m=0.05)。通过极差分析和方差分析,得出参数pop和w对模型模拟结果具有高显著性,其他三个参数对模型模拟结果不显著。将不同PSO参数组合应用于新安江模型模拟,证明了合理的PSO算法参数设置可以有效提高新安江模型模拟精度。通过对各因素分别进行趋势分析,得到了因素取值变化趋势与模型结果变化趋势的相关关系。本文提出的方法为如何寻找某一特定应用情景下的PSO算法参数组合提供了一种借鉴。     

基于新安江模型的曲江流域水文模拟研究

水文模型在水文理论研究和实践中具有重要意义。将曲江流域西山水文站以上区域作为研究对象,分析了新安江模型在该区域的适用情况。结果表明:新安江模型在曲江流域模拟效果良好,Nash效率系数多在0.7以上,水量平衡误差也基本控制在±10%以内;资料序列的长度对模拟效果影响显著,长序列资料的峨山站和西山站模拟结果明显优于短序列的大矣资站和马家庄站;新安江模型能较好适用于我国南方山区,对研究变化环境下水文过程的响应具有良好的适用性。     

SPARROW模型的传输过程研究——以新安江流域总氮为例

建立新安江流域总氮的SPARROW模型,以土-水传输因子(LDF)表示降雨、坡度、气温3个土-水传输变量的影响,结合农业源、林草地源、生活源3个污染源排放系数,分析总氮经过土-水传输之后到达河道的比例(LDR),由此揭示总氮的非点源污染特征。结果显示坡度的影响在整个流域范围内差异相对较大,LDF为0.86~1.06,因而对3类污染源进入河道的传输比差异亦较大。综合考虑3个土-水传输变量作用下,子流域60土-水传输因子最大,而子流域225最小,因此若制定减排措施要求入河减少量相同,管理上会优先考虑子流域60所在的地区。研究采用改进的河流衰减方程同时描述水文和非水文因素的影响,代替河流分级衰减系数,引进传质系数作为模型模拟参数,削减速率与流量呈负相关关系,且大部分河段削减速率均在以往文献研究范围之内,表明改进的传质速率用于新安江流域总氮模型具有可行性。     

基于分形理论的新安江模型参数空间尺度效应分析

水文尺度效应一直是当今水文科学研究的前沿问题。基于分形理论建立模型空间敏感参数在不同尺度之间的定量转换方程,进而提出了一种水文模型参数空间尺度效应分析方法。以三水源新安江模型为例,分析模型参数在嘉陵江小河坝站以上流域的空间尺度效应。结果表明:新安江模型空间敏感参数(SM、KG、KI、CG、CI、CS)具有随空间尺度变化的标度不变性,与流域集水面积之间定量关系可用幂函数关系进行描述,并可建立相应的定量转换方程。通过在研究流域不同空间尺度上的应用检验,发现基于分形理论标度不变性建立的新安江模型参数空间尺度转换方程具有较高的适用性,能实现有资料地区模型参数向无资料地区的移用,为无资料地区水文模型参数的确定提供参考。     

粒子群算法在河道水动力模型参数校正中的应用

参数估计一直是河道水动力模型研究的难点之一,在传统的模型参数人为经验率定方法的基础上,提出了基于粒子群算法的模型参数优化校正方法,构建了参数校正优化模型,并将参数优化校正算法与河道水动力模型进行耦合,针对淮河干流和史灌河支流组成的研究区域,采用一维河道洪水演进模型,比较了糙率系数校正方法和传统经验估算法,校正方法得到的河段糙率系数值比人为经验估计值平均大0.01,淮河干流河段糙率略大于史灌河支流河段糙率,采用校正河段糙率系数得到的河道水位过程与实测值拟合更优,特别在主峰段洪水过程模拟精度显著改善,验证了本文所提出的参数优化校正算法的有效性,为复杂河道水动力模型参数的确定提供了一种有效方法。     

Parameter identification and global sensitivity analysis of Xin’anjiang model using meta-modeling approach

Parameter identification, model calibration, and uncertainty quantification are important steps in the model-building process, and are necessary for obtaining credible results and valuable information. Sensitivity analysis of hydrological model is a key step in model uncertainty quantification, which can identify the dominant parameters, reduce the model calibration uncertainty, and enhance the model optimization efficiency. There are, however, some shortcomings in classical approaches, including the long duration of time and high computation cost required to quantitatively assess the sensitivity of a multiple-parameter hydrological model. For this reason, a two-step statistical evaluation framework using global techniques is presented. It is based on (1) a screening method (Morris) for qualitative ranking of parameters, and (2) a variance-based method integrated with a meta-model for quantitative sensitivity analysis, i.e., the Sobol method integrated with the response surface model (RSMSobol). First, the Morris screening method was used to qualitatively identify the parameters’ sensitivity, and then ten parameters were selected to quantify the sensitivity indices. Subsequently, the RSMSobol method was used to quantify the sensitivity, i.e., the first-order and total sensitivity indices based on the response surface model (RSM) were calculated. The RSMSobol method can not only quantify the sensitivity, but also reduce the computational cost, with good accuracy compared to the classical approaches. This approach will be effective and reliable in the global sensitivity analysis of a complex large-scale distributed hydrological model.     

赛塘流域ISVC方法应用中的关键问题分析

详细介绍了ISVC方法中关键点平稳期选择及平稳期阈值的确定,以赛塘流域为研究对象,分析了平稳期选择及平稳期阈值对ISVC方法修正效果的影响,结果表明,平稳期选择及平稳期阈值对修正结果有着明显影响,在实际应用中,应选择主要降水还未开始,只有零星降水,河道洪水过程较为平稳的阶段作为平稳期,以避免降水对修正结果的干扰。在确定平稳期阈值时,应尽量选择更多的洪水场次,找出平稳期阈值与整场洪水之间的规律,避免阈值设置不当造成的过度修正和修正不足等问题。     

饶河流域未来水资源量变化预测分析

利用景德镇气象站1961-2001年的实测降水、气温数据以及NCEP再分析数据,建立饶河流域降水、气温的SDSM统计降尺度模型;根据IPCC AR4排放情景特别报告中的A2和B2情景,对HADCM3输出数据进行降尺度处理,预测饶河流域未来时段(2010-2099年)的降水、气温变化情况;与新安江模型进行耦合,得到未来时段饶河流域的水资源量。结果表明:饶河流域未来水资源量持续减少,且A2情景比B2情景的降幅更大,至2080s时期(2070-2099年)昌江支流最大降幅可达31.01%。