基于CEEMD-BP模型的水文时间序列月径流预测

水文时间序列月径流预测在水资源的规划与管理方面具有重要的作用,由于径流序列的非线性和非平稳性,对其准确地进行预测较为困难. 本文基于1956—2013年青海湟水河流域月径流序列,将完备的集合经验模态分解方法（complete ensemble empirical mode decomposition, CEEMD）与BP神经网络组合进行月径流预测. 结果表明:组合模型CEEMD-BP和EEMD-BP相比于单一的BP神经网络,可以更好地保留原始数据的信息,预测效果更好,其中CEEMD-BP在组合模型中的预测精度更高,可用于水文时间序列月径流预测.      

珠江三角洲水资源配置工程取水口突发水污染事件模拟研究

影响珠江三角洲水资源配置工程取水口周边水环境风险的要素较多，利用EFDC模型，分析模拟取水口主要水质要素运动规律，以有效应对突发水污染事件。基于EFDC模型的水动力模型，构建了取水口所在河道的NH₃-N模型与溢油模型。根据取水口周围存在的风险源，设置了6种突发水污染事件情景，并采用NH₃-N模型与溢油模型对突发水污染事件情景进行了模拟。模拟结果表明，取水口上游西江干流右岸突发水污染事件不会对取水口造成影响，但左岸突发水污染事件会造成重大影响。      

武江流域洪水时间序列的R/S分析

该文证明了武江流域洪峰流量具有偏随机游动和分形特征,流域洪水时间序列具有明显的持久性和长期记忆特性.结合V统计,表明武江流域的年洪峰流量的持久性经过6年之后会消失;分析了武江流域53场洪水的持久性明显增加趋势的原因.