分布式格林-安普特降雨径流模型研究

构建了一种基于网格计算流域蒸散发及产汇流的分布式格林-安普特降雨径流模型,并选择陕北黄土高原地区两个半干旱流域为研究区域,研究该模型在半干旱地区的应用效果。结果表明：在两个半干旱流域,分布式格林-安普特降雨径流模型的应用效果好于GA-PIC模型和格林-安普特模型,尤其对于洪峰的模拟精度更高;分布式格林-安普特降雨径流模型中基于网格的坡面汇流与河道汇流模块能够更准确地计算出径流汇集到流域出口断面的时间;分布式格林-安普特降雨径流模型能更精确地计算出流域不同位置的产流过程,并准确地模拟流域产流面积分布情况;半干旱地区降雨时空分布不均,超渗产流主要受降雨强度的影响,降雨观测精度对径流预报精度影响较大。     

改进的KNN实时校正方法在山区中小流域的应用

为提高山区中小流域实时洪水预报精度,提出了一种基于历史洪水学习的KNN实时校正方法(KNN-H法),并选择陕北黄土高原地区2个山区中小流域为研究区域,将其与传统KNN法和AR法进行对比,验证该方法的校正效果。结果表明:KNN法和KNN-H法的校正精度总体高于AR法；KNN法和AR法不能有效降低预报结果的峰现时间误差,而KNN-H法校正结果峰现时间误差比校正前有明显降低；KNN-H法通过对历史洪水预报误差的学习,可有效解决KNN法在实时校正中因为预热期资料不足导致的校正精度不高问题；当预报洪水过程处于涨洪或退水阶段时,KNN-H法能够快速定位到历史洪水的相同阶段,分析历史预报误差后迅速对当前预报值做出校正；总体上KNN-H法校正精度高于传统KNN法。