青藏高原河川径流变化及其影响研究进展

青藏高原被称为世界"第三极",又有"亚洲水塔"之称,对其周边地区的水文和气候系统有重要影响.青藏高原是亚洲许多大河的发源地,其冰川与河川径流变化影响到周边数十亿人口.本文介绍了青藏高原河川径流观测现状,回顾了青藏高原河川径流变化研究. 20世纪50年代至21世纪初,黄河源区年径流呈减少趋势、长江源区年径流呈微弱增加趋势,青藏高原其他江河源区的年径流没有显著的变化趋势.黄河上游、澜沧江上游、沱沱河及拉萨河源区的春季径流有增加趋势.未来气候变化情景下,随着降水和冰雪融水增加,青藏高原大部分河流源区径流增加,洪水等极端水文事件发生更加频繁.青藏高原河流源区水文气象观测资料稀缺,是河川径流变化及其影响研究的重大挑战.青藏高原水文研究亟需结合最新观测与模拟技术,提高水循环观测与模拟能力,深入认识青藏高原河川径流复杂性及其变化规律,为径流变化的影响评估及其应对提供科技支撑.     

改进的人工神经网络模型在水文序列预测中的应用研究

目前人工神经网络(ANN)技术在水文序列模拟预测中有较多应用.由于径流时间序列往往呈现出复杂的变化过程,直接使用径流序列建立的ANN单变量预测模型大多精度较差而难以满足需要.本文拟从两个方面进行改进,以提高ANN径流量预测模型的精度.首先,根据径流序列的变化规律,滤去序列中的季节性变化趋势,并采用局部多项式拟合求残差方法消除局部波动成分后得到新序列作为ANN模型训练样本,结果表明由此训练得到的ANN模型比未作处理的样本训练得到的ANN模型预测精度明显改善.另一方面,通过消除趋势波动分析(DFA)方法检测径流序列的分形特征并估算其标度区间,选取不同数量的训练样本进行训练得到多个ANN模型,确定模型预测精度最高时的训练样本数,并与标度区间比较,结果表明在标度区间内选取训练样本数可明显提高ANN模型预测精度.这对ANN模型训练样本数的选取有指导意义.