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。     

改进的神经网络模型在水文模拟中的应用

将BP神经网络与K-最近邻(KNN)算法耦合起来,建立BK(BP-KNN)模型,该模型以前期模拟流量和相应影响要素作为BP神经网络的输入,出口断面流量作为网络输出,对产汇流过程进行模拟;采用K-最近邻算法,基于历史样本的模拟误差和相应影响要素对网络输出进行修正,实现了非实时校正模式下的连续模拟。根据BK模型的计算流程将其参数分为3个层次,各层次分别使用NSGA-Ⅱ多目标优化算法进行参数优选,提高了模拟精度、优化效率和网络泛化能力。分别将新安江模型的产流、产流分水源计算模块与BK模型相耦合,建立 XBK (Xinanjiang runoff production-BK) 和 XSBK (Xinanjiang runoff production and separation-BK)模型,在呈村等3个不同类型的流域应用新安江模型、BK模型、XBK模型和XSBK模型进行模拟精度比较,结果表明改进的模型模拟精度更高,较好地解决了神经网络模型在水文模拟中存在的问题。     

河道洪水演算方法在淮河及滹沱河中游的应用

为解决马斯京根法在河道洪水演算中未考虑河道断面特征和水力特性的变化问题,在淮河中游吴家渡至小柳巷河段、滹沱河中游黄壁庄至北中山河段采用考虑河道断面几何形状和水力学糙率的Muskingum-Cunge-Todini可变参数法和非线性水库法进行河道洪水演算研究,探讨考虑河道断面特征和水力特性的演算方法在湿润区淮河中游及半干旱区滹沱河中游的适用性,并将模拟结果与马斯京根法进行比较。结果表明,Muskingum-Cunge-Todini可变参数法和非线性水库法在研究河道上模拟精度较高,洪峰合格率均在86%以上,确定性系数均大于0.8,可应用于河道洪水预报。