随机参数扰动下的洪水概率预报研究

基于水文模型参数不确定性的客观存在性,在分析随机参数概率分布特征的基础上,文章提出随机参数扰动下洪水概率预报的方法。通过淮河王家坝流域19场洪水的模拟试验可知,该方法所给出的概率预报结果能够覆盖不同量级的洪水过程,预报结果可靠;其均值预报结果与传统预报方法的预报精度相当,确定性预报结果准确。这说明基于参数不确定性客观存在研究洪水概率预报,可以定量描述参数不确定性对预报结果概率分布特征的影响,对于提高洪水预报数据的有效信息含量、提升预报结果的可靠性具有参考价值。     

水动力学模型实时校正方法对比

选择典型的实时校正方法:传统的误差自回归、基于K最邻近算法(KNN)的非参数校正及基于Kalman滤波的多断面校正法,并以Kalman滤波与KNN结合构造综合方法,以淮河流域吴家渡—小柳巷区间作为试验河段,构建一维水动力学模型并与实时校正方法联合应用。简要介绍这4种方法的原理与模型构建方法,然后对比分析各种方法的模拟结果,尤其对模拟洪峰稳定性、峰现时间、峰现误差等进行比较,认为前3种基本方法均能在相当长的预见期内提高洪水的预报精度,而综合法实时校正法对洪峰部位的模拟更为稳定可靠、总体效果更好,更适合预报校正工作的需要。     

综合多源不确定性的洪水概率预报试验

为探究多种不确定性因素综合影响下洪水概率预报的实现方法及其适用性,利用2003—2020年史灌河流域多场次洪水开展模拟试验,在量化降雨输入、模型参数及结构不确定性程度的前提下,基于MCMC(Markov chain Monte Carlo)方法融合各来源不确定性实现洪水概率预报,并分别基于覆盖率、确定性系数指标评估预报结果的可靠性及预报精度。结果表明:综合多源不确定性洪水概率预报的5%~95%置信区间,能够较为稳定也包络预见期内洪水发展变化过程,有效降低误报、漏报的可能性;均值预报结果所提供确定性的预报洪水略优于原始的单一模型预报结果,进一步提高了洪水预报成果的可靠性及参考价值。     

山区小流域洪水预报实时校正研究

为了解决现有实时校正方法对山区小流域洪水进行校正能力不足的问题,引入K最近邻算法用于洪水预报实时校正。以安徽省沙埠流域为试验流域,构建基于K最近邻算法的实时校正模型,同时采用BP神经网络实时校正法和传统的误差自回归方法,以洪峰相对误差和确定性系数为评价指标,分析各校正模型的校正结果。结果表明:基于K最近邻的实时校正法对确定性系数改善最优,BP神经网络实时校正法对洪峰误差校正更精确;将历史洪水资料纳入学习样本后,基于K最近邻的实时校正法的校正能力将进一步提升。基于K最近邻的实时校正法能够有效避免误差自回归方法对洪峰误差控制较差的缺陷,适应性强,反应灵敏,精确度高,可作为山区小流域洪水预报实时校正的有效工具。     

栅格型新安江模型的参数估计及应用

根据新安江模型与一维扩散波模型理论,构建了基于栅格的新安江(Grid-Xin’anjiang)模型.该模型以DEM栅格为计算单元,将每个单元的产流量划分为地表径流、壤中流以及地下径流3种水源,最后再根据栅格间的汇流演算次序,利用扩散波汇流方法依次将各种水源演算至流域出口.模型在进行产汇流计算时,考虑了栅格之间的水量交换以及河道排水网络的影响.以流域地貌特征、土壤及植被类型等下垫面条件为基础,研究了模型参数的估计方法,并对其进行了验证.将模型用于安徽省屯溪流域的洪水模拟,取得了良好的应用效果.     

华北地区分布式蓄超空间动态组合TOKASIDE-D模型研究

为探究我国华北地区由于下垫面和降水时空分布不均匀产生的地下水超采严重和产流机制混合多变(蓄满与超渗产流随着时间和空间发生交替主导)等问题的解决办法,在基于物理基础的分布式模型TOKASIDE的基础上,通过降雨和土壤含水量之间的判定关系,动态识别蓄满产流和超渗产流网格,构建分布式蓄超空间动态组合模型(TOKASIDE-D),并选择华北地区的北辛店流域进行验证和分析。结果表明,与原模型相比,TOKASIDE-D模型在北辛店流域的洪水模拟精度有较为明显的提升,径流深误差合格率由44%提升至56%,洪峰误差合格率由44%提升至78%;TOKASIDE-D模型能够准确捕捉降雨、土壤含水量等动态因子对产流模式的控制效应。