雷达估测降雨与水文模型的耦合在洪水预报中的应用

尝试将雷达降雨数据作为水文模型的输入用于洪水预报中．流域面上的降雨分布是不均匀的．比较雨量计和雷达两种方式估测的降雨场分布,后者更接近于实际情况．从流域地形分布来看也证实了这一点．从实时洪水预报的角度出发,选择进行校准雷达降雨的雨量站个数与水情部门采用的报汛站的个数接近．由于雷达估测的降雨数据为分布式的降雨数据,需要采用分布式的水文模型．结合淮河史灌河流域蒋家集站进行洪水预报,预报结果表明,雷达测雨在洪水预报中具有广泛的应用前景.     

分布式实时洪水预报方案构建范式

以数字流域平台为依托,提出了一整套分布式实时洪水预报方案构建的方法.以自然流域为单位划分单元面积,通过流域解构,将流域离散成产汇流分区的集合,解决了流域下垫面的空间变异性和模型参数的空间分布;通过流域全程解析,将产汇流分区解析为水文模拟分区,完成了流域离散与水文模型的耦合;通过流域离散单元的拓扑重构,建立了水文模拟分区间的水力联系,构建了实时洪水预报方案的体系结构.将提出的方法应用于长江上游流域、珠江流域和闽江流域等多个流域的洪水实时预报方案编制中,结果表明,该方法能较好地体现出分布式流域水文模型在实时洪水预报中的实际应用,研制的软件系统实用性和通用性强,较好地满足了实际防洪决策会商的技术要求.     

分布式水文模型在淮河洪泽湖以上流域洪水预报中的应用

以淮河洪泽湖以上流域为例,采用分布式水文模型,根据降雨和流域内水利工程的现状应用情况进行降雨径流与洪水过程预报研究,同时对息县、鲁台子、蚌埠、蚌埠以下淮北以及淮南流域进行参数率定.预报模型在2003年淮河大洪水预报中进行了检验,取得了较高的预报精度.     

雷达测雨及临近预报在中小流域水文视角下的应用评估

本文选取了2012年“苏拉”、2014年“海贝思”、2016年“尼伯特”三场台风在梅溪流域引发的三场不同类型降雨过程,探究了雷达测雨及临近预报在中小流域水文预报中的应用前景。采用24h累积雨量相对误差RE、时空两个维度均方根误差与相应维度均值的比值m-RMSE、平均绝对误差RMAE和平均偏差RMB等指标,基于地面雨量站的观测值评估雷达测雨以及1h、2h、3h预见期的集合临近预报,结果表明：雷达测雨总体上与地面雨量站观测值较为接近,不同类型降雨的RE值均在3%左右;时空分布均匀的降雨,临近预报效果优于短历时降雨和强降雨的临近预报效果,且随着预见期的延长,时空分布均匀的降雨预报效果更稳定,短历时降雨和强降雨的预报精度下降明显。因此,高时空分辨率的雷达测雨及临近预报在中小流域水文预报中有较好的应用前景,但短历时降雨和强降雨还需进一步研究。     

改进的TOPKAPI模型及其在洪水预报中的应用

分析改进的TOPKAPI模型的结构组成,并对模块计算做出相应调整.以地理信息系统技术为支撑,基于数字高程模型的数据构建数字流域平台,根据土壤、植被类型等资料建立属性数据库,结合空间水文气象资料,将改进的TOPKAPI模型应用于半湿润的洛河上游卢氏流域的洪水预报,并进行分析评价.应用实例表明,改进的TOPKAPI模型结构...     

水文模型演变:从洪水预报到水文气象预测

本文系作者于2009年10月24-25日在北京师范大学召开的"国际水文模型"应邀所作报告的详细摘要.该文详细讨论了短期水文预报系统的三要素,即模型选择、模型率定和参数估计及数据需求.     

延迟BP算法在洪水预报中的应用

针对现有洪水预报神经网络结构难以确定的问题，应用一种在训练中包含有延迟功能的BP算法，建立了延迟神经网络。实验研究表明，该算法在盘石头水库的应用中取得了令人满意的结果。     

北江洪水预报模型

将北江流域按区域下垫面特征进行分区,建立起各单元区产汇流模型,并与北江干流非恒定流水力学演算模型耦合,形成适合北北流域洪水特点的实时洪水预报模型,用北江“９４．６”洪水验证的结果表明,模型预报精度较高,最后,还指出了模型存在的问题和进一步研究的方向。     

小流域洪水预报模型参数智能化的初步研究

以新安江三水源模型为例，分析了在不同土壤前期含水量、不同降雨强度和雨型、以及不同暴雨中心位置等情况下模型参数的特征规律。在此基础上重点探讨了模型参数智能化的方法和途径。最后以浙江曹娥江上游长诏小流域为实验区进行了分析验证。模拟结果表明该方法可较好地提高模型预报精度，且为洪水预报系统的智能化奠定了基础。     

偏差递归神经网络在区间洪水预报中的应用研究

介绍了一种带有偏差单元的递归神经网络模型,并对其在区间洪水预报过程中的应用进行了分析和研究.利用东北丰满、白山等水电站的历史水文观测数据对模型进行验证,结果证明了这一方法的可行性,理论分析表明该方法可以推广到其他区间洪水预报中.     

考虑降雨不确定性的洪水概率预报方法

基于流域雨量站网布设的抽站法原理,推导以面雨量计算值为条件的面雨量真值的概率分布,用以描述现有测站数目条件下流域面雨量计算的不确定性。在此基础上,结合确定性预报模型,展开洪水概率预报研究。以淮河黄泥庄流域为研究对象,对该方法进行应用,结果表明:该方法不仅可以实现任一时段流域面雨量真值概率分布的估计,描述面雨量计算的不确定性;同时,通过与水文模型(如新安江模型)耦合,结合Monte-Carlo抽样技术,可以实现预报流量概率分布的估计,从而实现洪水概率预报。     

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...     

基于网格的精细化降雨径流水文模型及其在洪水预报中的应用

以正交网格降雨径流模型研究为基础,提出了用于洪水预报的精细化基于网格蓄满与超渗空间组合的降雨径流模型(Grid-XAJ-SATIN)。从模型的原理与结构、地理信息空间处理、参数空间分布估算、模型的驱动场分析、模型流域状态同化几个方面对该模型进行讨论,分析模型在湿润、半湿润流域的实际应用情况。结果表明,无论是湿润流域还是半湿润流域,所提出的精细化模型均能取得良好的模拟预报精度,且模型在输出流域出口断面流量过程的同时,可实现对流域内任意网格单元流量过程的精细预报。     

一类新的预测模型及其应用

对时间序列的一类预测模型进行了研究,把灰色模型与BP神经网络模型组合建模,通过实例分析取得好的效果。     

基于Web的洪水预报系统

以JBuilder6．0为集成开发工具，基于EJB组件部署洪水预报系统业务逻辑，设计开发成功了基于Web的流域洪水预报系统，重点阐述了利用上述平台进行洪水预报系统设计和开发的关键技术。应用实践表明，本系统具有开放性、可靠性、安全性、透明性等特点，提供了分布式计算平台架构，可实现未来的流域洪水预报管理。     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

雅鲁藏布江尼洋河流域洪水预报方法研究

针对尼洋河流域的水文特性和资料情况,利用基于混合线性回归模型的黑箱子模型方法建立了包括尼洋河流域工布江达、巴河桥、更张、八一等站的流域洪水预报模型,并采用1997～2002年汛期的水文观测资料分别率定各站相应的洪水预报模型,采用2003年汛期的水文观测资料分别验证率定的水预报模型．率定和验证结果表明,所提出的模型方法具有一定的精度,可以用于作业预报．     

宜昌站洪峰流量过程神经网络预测模型研究

以长江上游寸滩-宜昌河段为研究对象,建立了考虑区间降雨的河道洪水预报BP神经网络模型,论证了应用人工神经网络模型进行洪水预报的可行性。以1982年至1986年的洪水预报作为仿真,表明该模型能较好地反映区间降雨的影响,对大中小各种洪水过程都能进行准确预报。