均生函数在水文时间序列回归分析预测中的应用

回归分析已广泛地应用于水文预报工作中,以何标准选定因子的估计值则成为影响预测值的一个相当重要的因素。详细地介绍了均生函数在水文时间序列回归分析预测中的应用,即对水文时间序列作差分变换,计算相应的均生函数,并采用双评分准则（CSC）建立最优回归模型;同时根据周期延拓性确定回归模型中选定因子的估计值,并作多步预测,为中、长期预报作业提供了一种切实、有效的方法和途径。     

水库中长期水文预报模型研究（Ⅰ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了7个基于径流及其影响因子的成因统计关系的预报模型,重点介绍了其中的多维混合回归、模糊分析、门限回归模型,这些模型为有效地进行水文对象的中长期预报提供了坚实的基础。     

水库中长期水文预报模型研究（Ⅱ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了3个基于径流及其影响因子的成因统计关系的预报模型,分别为投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络模型,这些模型为有效进行水文对象的中长期预报提供了坚实的基础。     

海洋水文预报方法研究

海洋水文预报是对一定海域未来一定时段内的水文状况作出的预测和通报,是海洋环境预报的重要内容。文章结合工作实际,通过对水文预报中＂经验统计预报＂和＂数值预报＂理论的论述,提出海流数值分析预报、回归分析预报和海浪预报的基本方法。     

枯季径流预报探讨

在分析研究流域气候特征及枯季径流来水规律的基础上,用水文方法分别建立了枯水期月径流预报模型。水文方法是利用水文序列资料建立自回归模型,用实测资料对预报模型进行了验证。     

集成多种预报方案的水库中长期水文预报系统设计与实现

水库中长期水文预报系统设计开发，符合国家有关信息技术和软件工程的设计规范、要求和国际通用标准，并且兼容水文气象部门的有关技术规范。从用户需求出发，针对3种不同类型的中长期水文预报对象，集成了包括多维混合回归、模糊分析、门限回归、投影寻踪回归、时问序列一马尔可夫分析、非线性动力系统学以及神经网络及小波分析共7种方法，并针对每种预报对象，利用历史数据检验提供了相应的推荐算法方案。从数据流程、计算框架、计算流程和程序实现方面进行了分析，并建立了一个实用的水库中长期水文预报系统。这与其他水库优化调度建立信息系统提供了很好的参考。     

雅鲁藏布江尼洋河流域洪水预报方法研究

针对尼洋河流域的水文特性和资料情况,利用基于混合线性回归模型的黑箱子模型方法建立了包括尼洋河流域工布江达、巴河桥、更张、八一等站的流域洪水预报模型,并采用1997～2002年汛期的水文观测资料分别率定各站相应的洪水预报模型,采用2003年汛期的水文观测资料分别验证率定的水预报模型．率定和验证结果表明,所提出的模型方法具有一定的精度,可以用于作业预报．     

水文预报不确定性的研究进展与展望

本文归纳了水文预报不确定性的来源与分类,综述了国内外对水文预报不确定性的研究进展以及相关文献、方法与模型,展望了水文预报不确定性研究的发展前景.水文预报的不确定性始终存在,并制约防洪调度决策的正确性,水文预报结果应该描述为概率的而不是确定的形式,概率水文预报实现了预报与决策的耦合.     

闽江七里街流域洪水实时预报修正方法研究

根据闽江七里街流域水文实测资料信息,利用新安江三水源模型对该流域实时洪水预报进行了研究,分别采用自回归模型和自适应洪水修正方法对预报洪水过程进行了实时修正.分析结果表明,对预报洪水过程进行实时修正,能大大提高预报精度,采用自适应洪水修正方法具有较强的实时跟踪系统动态变化的能力,其修正效果优于自回归模型.     

水库调度决策中的风险及其传递计算方法

水库长期调度是中期和短期调度的指导。由于水文长期预报的不精确,使得长期调度决策很难。针对这一问题,本文提出当时段风险和风险传递的计算方法,从多时段考虑计算出风险,为决策者提供决策依据。     

中长期水文预报的模型辨识及预测研究

 针对中长期水文预报的模型辨识进行研究,探讨了预处理、建模数据量和建模方式对于模型预测精度的影响。利用基于有限采样信息准则（FSIC）的组合信息准则（CIC）对模型进行定阶,结合Kalman滤波方法进行非线性预测研究。研究表明：① 在进行模型辨识时,如果预处理导致识别的模型复杂度大幅度降低,应通过模型的预测结果对预处理方法的合理性进行检验;② 建模数据量应足以反映时序的内在波动性,但并不是越多越好,过多的建模数据量会导致模型的复杂性大幅度增加,在增加计算耗时的同时,也降低了预测的稳健性;③ 滑动模型主要是改善了较高径流值和径流峰值的预测情况,相对牺牲了较低径流值的预测精度;④ Kalman滤波方法全方位、大幅度的提高了径流在各个区段的预测效果,其峰值预测准确率更是高达63.64%。     

LMBP算法在闽江上游十里庵站洪水流量预测中的应用

运用反向传播算法的改进方法 LMBP算法,选取闽江上游南平市十里庵水文站最大洪峰流量与其支流建溪建瓯市七里街站、富屯溪顺昌县洋口站、沙溪沙县站3个水文站的相应洪水流量建立LMBP神经网络洪水预报模型.该模型能显著提高运行速度,缩短预报时间.计算结果表明,模型预测精度满足应用要求.     

基于EOF迭代的月径流长期预报

应用经验正交函数分析方法,以月平均500hPa,100hPa高度场及月平均海温场为预报因子,对广东省Weng江流域的月径流进行预报。结果表明,基于EOF迭代的预报方法是一种有效的月径流长期预报新方法,具有明显的应用价值。     

Constraints on future changes in climate and the hydrologic cycle

What can we say about changes in the hydrologic cycle on 50-year timescales when we cannot predict rainfall next week? Eventually, perhaps, a great deal: the overall climate response to increasing atmospheric concentrations of greenhouse gases may prove much simpler and more predictable than the chaos of short-term weather. Quantifying the diversity of possible responses is essential for any objective, probability-based climate forecast, and this task will require a new generation of climate modelling experiments, systematically exploring the range of model behaviour that is consistent with observations. It will be substantially harder to quantify the range of possible changes in the hydrologic cycle than in global-mean temperature, both because the observations are less complete and because the physical constraints are weaker.     

具有物理基础的太湖水位多元回归模型

本文分析和比较了太湖水位预报的三种可能途径,认为采用具有物理基础的相关途径编制太湖水位预报方案最合适.在此基础上将太湖流域简化成 m 个线性入流系统和 n 个出流河道,根据水量平衡方程、水力学方法和水文学原理,推导出具有物理基础的太湖水位预报多元回归模型.模型的主要方程是线性的,其系数的物理意义是明确的.可以采用逐步回归方法和分析方法相结合的途径来确定.在太湖水位预报中,应用这一模型可以满足预报精度的要求.     

高度场格点距平的长期统计预报试验

采用多通道奇异谱分析和相似预报方法，建立了长期统计预报模型．以７００ｈＰａ前期位势高度场显著时空主分量为预报因子，直接预报后期高度场格点距平的类别，由此获得了一定的预报技巧     

洪水计算的新途径——古洪水研究

洪水频率分析常苦于资料太短,即使考虑历史调查洪水并作特大值处理,频率曲线的稀遇洪水部分定线仍然困难和不可靠.本文提出利用支流末端洪水平流沉积推算干流几千年前洪水以及由这些古洪水、历史(调查)洪水、实测洪水构成的不连序系列进行频率分析的方法.该法可使频率曲线最重要的稀遇洪水部分精度显著提高.     

基于观测误差调整的集合预报同化方法?

集合卡尔曼滤波对预报方差阵的估计不准,导致了滤波发散.为解决此问题,我们从状态与观测的关系出发,提出一种判断预报误差方差阵估计是否准确的准则.在此基础上,我们构建了基于观测误差控制的一种膨胀集合预报同化方法.数据模拟结果表明,与其他膨胀EnKF相比,这种方法能很好地克服滤波发散现象,其均方根误差更小,其长时间估计结果更为稳定,且构造更为简单,计算效率更高,是克服EnKF滤波发散现象的理想途径.     

基于人工神经网络与回归分析的水质预测

针对人工神经网络(Artificial Neural Networks,缩写ANN)在预测中出现的异常值现象,采用了回归分析模型得到的预测区间来控制异常值现象的方法.并且应用在黄河三门峡河段的水质预测中,氨氮通量预测的ANN模型控制前平均精度仅有50.05%,控制后该月的相对精度为90.08%,平均精度达到80.79%,整体预测精度明显提高.化学需氧量(COD)浓度的预测也有类似情况.实践表明该方法对于消除ANN模型预测中出现的异常值现象是较为有效的.