淮河上中游复杂流域洪水预报

为了提高淮河洪水预报的精确度,以鲁台子和鲁蚌区间作为研究区域,选取2000—2017年之间的13场洪水资料,在降雨径流方面采用新安江三水源模型进行模拟预报,分别将鲁台子以上和鲁蚌区间分为9个和4个自然子流域,进行参数率定;对具有行蓄洪区的淮河干流河段进行节点概化,结合分流比法和马斯京根法,建立了具有行蓄洪区流域的洪水预报模拟方法,取得较好的模拟预报效果。研究结果表明:在洪量相对误差方面,鲁台子和鲁蚌区间的预报合格率都达到100%;在洪峰相对误差方面,鲁台子流域的合格率达到100%,而鲁蚌区间则达到92. 3%。2003年和2007年这2场大洪水的洪峰相对误差和确定性系数方面都得到显著改善。     

格林-安普特降雨径流模型改进及初步应用

将基于土壤及降雨资料计算得出的具有物理基础的下渗能力分布曲线引入格林-安普特降雨径流模型,选择中国和美国2个半干旱流域作为研究区域,将改进后的格林-安普特模型与原模型及新安江模型进行模拟对比,研究改进后模型的应用效果及其在半干旱地区的适用性。结果表明:在2个半干旱流域,改进格林-安普特模型模拟结果均好于原始格林-安普特模型及新安江模型;增加的具有物理基础的下渗能力分布曲线能够更好地反映流域内各位置下渗能力随降雨和时间变化的特点,更加精确地计算出流域内下渗量及产流量;半干旱地区洪水多由短时强降雨引起,产流主要以超渗地面径流为主,降雨观测精度和降雨强度对模型模拟精度影响较大;改进格林-安普特降雨径流模型能够在半干旱地区洪水预报中发挥作用。     

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。     

半湿润流域洪水预报实时校正方法比较

为了提高新安江模型在半湿润流域的洪水预报精度,选择K最近邻(KNN)算法、传统的误差自回归(AR)方法、反馈模拟方法3种实时校正方法,以陕西省陈河流域为试验对象进行洪水预报。以洪峰相对误差和纳什效率系数为评价指标,分析对比3种方法的校正效果。结果表明:3种校正方法均能提高预报纳什效率系数,其中反馈模拟最优,AR、KNN效果次之;反馈模拟对洪峰误差校正相比于KNN算法在短预见期内更为精确,两者均能减小AR法在洪峰误差校正上的不足;加入历史样本的KNN算法在洪峰误差校正上效果优于反馈模拟,可有效提高洪水预报精度。     

新安江模型和支持向量机模型实时洪水预报应用比较

选择新安江模型和支持向量机模型分别在浙江省、陕西省的4个流域进行实时洪水预报,并使用K-最近邻实时校正法对新安江模型预报结果实时校正,比较2种模型在不同流域的应用效果,其中选择确定性系数、峰现时间误差、洪峰相对误差和均方误差作为模型预报评价指标。进一步改变预报预见期并分析2种模型在不同预见期内的预报精度。研究结果表明,新安江模型和支持向量机模型在不同流域洪水预报中各有优势,支持向量机模型预报精度受降雨精度影响较大。当预报预见期较长时,新安江模型预报结果更好;随着预见期缩短,支持向量机模型预报精度显著提高,在短预见期实时预报中支持向量机模型优势更明显。在预报难度较大的半湿润半干旱流域,新安江模型和支持向量机模型在率定期和实时预报过程中均具有较高精度。     

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。