基于经验模式分解卡尔曼滤波的径流预报校正

针对水文径流预测过程中不可避免的误差,提出基于经验模式分解的卡尔曼滤波校正方法,采用经验模式分解理论将径流序列转变为平稳过程,并结合预报过程误差规律及不同物理背景,运用基于Sigma点的卡尔曼滤波校正的动态系统分析技术,对单个水文模型的输出资料进行同化操作,对状态方程进行多变量最优控制,实时修正径流预报误差。实时校正结果表明,基于经验模式分解的卡尔曼滤波校正方法能一定程度上提高径流预报精度。     

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。     

基于数值预报模式的柘溪水库流域径流预报系统

水库的优化调度运行需要依赖预报准确率高、预见期长的径流预报结果。现有的柘溪水库流域径流预报系统由于未考虑水库流域未来时段的降水过程,径流预报的预见期和准确率无法满足汛期优化调度的要求。为此,在分析柘溪水库流域的水文和气候特征基础上,提出了数值预报模式和水文模型的耦合预报框架,设计了基于数值预报模式的柘溪水库流域径流预报系统架构,阐述了系统的主要功能与逻辑结构。通过系统的应用,可为提高汛期洪水的利用率、减少弃水、提高发电和防洪效益提供重要决策支撑。     

近 50 年潮河流域降雨-径流关系演变及驱动力分析

潮河流域是北京市城市供水的重要水源地。受环境变化影响,潮河流域降雨-径流关系发生了显著性变化,严重影响到北京城市供水安全。利用水文气象长系列数据(1961-2014年)分析了潮河流域降雨-径流关系的变化,采用经验统计分析法定量分析气候变化和人类活动对其径流变化的影响,研究发现:近50年来在降雨波动且微弱下降趋势下,其径流呈现出较大幅度变化且具有显著下降趋势,尤其是2000年以后;潮河流域降雨-径流关系发生突变的年份为1979年、1998年。1979年以后径流系数显著减少,其中1979-1998年人类活动对径流减少占主导地位,其影响贡献率为-109.75%,气候变化对径流影响为正效应,影响贡献率为9.75%;1999-2014年人类活动对径流减少影响贡献率为-88.97%,气候变化影响贡献率为-11.03%。     

一维非恒定水动力学模型的实时洪水预报

本文建立了一维非恒定水动力学模型与最小二乘法耦合的实时洪水预报模型。运用最小二乘的递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,并动态修正参数,实时改变一维非恒定水动力学模型结构,对洪水预报进行实时修正。通过长江干流宜昌～螺山段洪水实时预报应用．改进后模型预报精度比原一维非恒定水动力学模型计算结果有很大提高,表明所建立的模型用于洪水预报是行之有效的,在洪水预报中具有推广应用价值。     

基于贝叶斯平均法的洪水分类组合预报研究

以实测样本隶属于某一模型的后验概率为权重,对各模型预报变量的后验分布进行加权平均,获得综合预报变量的概率密度函数,进而推导出均值、方差公式和置信区间。将“基于BP神经网络和遗传算法的分类洪水预报”与“基于贝叶斯模型平均法的多模型组合预报”相结合,实现“洪水分类多模型加权组合预报”。该方法综合考虑了各模型对不同类型洪水的适应条件及多个模型的优势,可同步降低模型参数与模型结构不确定性对预报结果的影响。以大伙房水库为研究区域,采用大伙房水库1960年~2016年的25场历史典型洪水作为本研究的基础资料,分别完成实例验证与分析,效果整体上优于单个模型。     

基于五点三次平滑算法的入库 流量反推研究

由于受水库枢纽工程的影响,使得反推计算入库流量本身存在较大误差,从而增加了水库洪水预报模型研制的难度。通过对广西多个水电厂洪水预报实践,对入库洪水预报存在误差的原因进行了分析,提出使用五点三次平滑算法对入库流量进行反推,用以指导实时预报。     

遗传回归土石坝安全监测预报模型

针对以往监测模型预测精度难以保证的问题,提出了一种新的安全监测预报模型--遗传回归模型,在保证一定拟合精度的基础上运用该模型,提高了模型预测精度.     

流域防洪预报调度一体化系统若干关键

针对目前我国主要流域防洪预报调度信息化平台建设中普遍存在的数据处理效率低下、资源共享能力偏弱、软件通用程度欠缺、立体化功能不全等不足,基于面向大数据平台的网络化服务理念,设计开发了流域防洪预报调度一体化系统。介绍了该系统的总体设计方案,并重点阐述了面向对象的大数据封装、河网空间拓扑关系概化、契约模式的网络服务构建以及基于JSON的海量数据传输等关键技术。系统在长江流域防洪预报调度决策中的成功应用验证了其可靠性、实用性和扩展性。     

梯级-关联算法在多泥沙河流含沙量预报中的应用

本文借助历史加成法处理样本数据，并分别利用梯级-关联算法(CC)和误差反馈传播算法(BP)建立模型对黄河下游夹河滩水文站汛期含沙量进行预报。传统BP网络需要预先设定网络结构，预报过程虽利用了神经网络的内插特性，但其样本的处理方式和网络构建方式使得运算效率较低；CC算法仅要求初始网络含有输入层和输出层，通过运算不断向网络增加隐含节点，从而最大限度的减少了在网络构建过程中的主观因素。本文比较了当预报的峰值超出训练样本取值范围时两种算法的表现，结果显示：当预报的峰值为训练样本峰值的2.45倍时，二者均能实现较为准确的预报，BP网络在预报精度上要略高于CC网络，但CC网络在运算速度上要明显快于BP网络。