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。     

贝叶斯概率洪水预报系统

贝叶斯概率洪水预报系统考虑预见期内定量降水预报不确定性和水文模型及参数等水文不确定性,通过全概率公式将两者结合起来得到预报概率密度函数。通过实例研究,结果表明该法为防洪决策提供了可靠的理论依据,实现了预报与决策过程的有机耦合,可显著提高洪水预报精度。     

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。     

在洪水预报中的应用与改进

为了实现概率洪水预报,采用贝叶斯预报系统(BFS)中的水文不确定性处理器(HUP),对水文预报的不确定性进行分析.采用新安江模型作为确定性水文模型,以贝叶斯理论为工具,在先验分布和似然函数确定的基础上,最终得到后验分布,从而实现了概率预报.针对预报结果的特点,提出了BFS的改进方案,最后将模型应用于密赛流域.应用结果表明,BFS能够有效地提高预报精度,而改进的BFS能够进一步提高预报精度.     

Nash模型参数不确定性分析及概率洪水预报

针对通常水文预报过程参数的不确定性问题,利用贝叶斯理论,结合自适应采样的马尔可夫链蒙特卡罗方法来研究Nash模型参数的不确定性,并进行概率洪水预报。实例研究表明,该方法能充分利用已知的后验信息获取Nash模型参数的不确定性,得到其后验分布。根据获得的参数后验分布可实现概率洪水预报,同时给出各时刻洪水流量的均值和方差的预报值,为估计各种防洪决策的风险提供了依据。     

水文预报不确定性的研究进展与展望

本文归纳了水文预报不确定性的来源与分类,综述了国内外对水文预报不确定性的研究进展以及相关文献、方法与模型,展望了水文预报不确定性研究的发展前景.水文预报的不确定性始终存在,并制约防洪调度决策的正确性,水文预报结果应该描述为概率的而不是确定的形式,概率水文预报实现了预报与决策的耦合.     

耦合TIGGE降水集合预报的洪水预报

耦合数值降水预报信息的洪水预报延长了预见期,为防洪调度赢得了宝贵的决策时间.但"单一"的降水预报具有较大的不确定性,即基于"单一"的降水预报所做出的调度决策可能不是优化的,甚至可能会出现较大的偏差,因此在洪水预报中引入了降水集合预报信息来考虑相应的降水不确定性.文中以桓仁水库以上流域为试验流域,将欧洲中期天气预报中心(ECMWF)的降水集合预报数据驱动新安江模型,得到预报径流的区间范围,为决策者提供更多有用的风险信息.计算结果表明,ECMWF降水集合预报可用于洪水预报,且能较好地描述洪水预报的不确定性.根据集合平均降水预报的特点,对集合平均降水数据进行了修正,并将修正后的集合平均数据驱动水文模型,其预报效果有了很大的改善.     

ECMWF集合预报在淮河蒋家集流域的应用

基于欧洲中期天气预报中心(ECMWF)集合降水预报产品(预见期为10 d),提取淮河蒋家集以上流域的预报数据并进行降尺度处理,驱动洪水预报模型,对2008年8月的一次洪水过程进行模拟预报。为探讨ECMWF集合降水预报驱动洪水预报模型的应用效果,将模拟预报的结果与仅采用地面降水观测数据驱动模型的模拟结果进行对比分析。结果表明:采用ECMWF集合降水预报后,洪水模拟预报精度有明显改进,可使洪水预见期提前48 h;洪水模拟预报流量过程线能刻画洪水预报的不确定性范围,可为防洪减灾提供科学决策依据。     

中小河流洪水预报预警问题与对策及关键技术应用

介绍了我国中小河流及洪水灾害基本情况,简要分析了中小河流洪水防御重点难点及亟需解决的科学技术问题,提出了中小河流洪水预报预警的对策与措施,并对未来影响预报、风险预警、网格精细化风险管理等理念创新实践提出了展望:将实现由水文要素预报向洪水影响预报转变,由基于防洪阈值的预警向洪水风险预警拓展,由"预测-应对"应急处置向网格精细化风险管理转变,由监测数据提供向信息产品服务延伸,水文现代化发展水平不断提升。     

基于模糊聚类和BP神经网络的流域洪水分类预报研究

传统的流域洪水预报大都通过率定一组水文模型参数来寻求一个流域径流形成的一般性或平均化规律,其预报精度需要进一步提高.用模糊聚类ISODATA迭代模型将历史洪水分为若干类型,进行水文预报模型参数的分类调试;并建立BP神经网络分类模型判断实时洪水所属类别,选择其相应类别的模型参数实现流域洪水的分类预报.在辽宁省大伙房水库流域的实际应用表明:此方法不但可以实现洪水实时在线分类而且提高了流域整体洪水预报精度,是一种为水库实时调度提供可靠依据的有效洪水预报方法.     

基于模糊推理和关联规则分析的河道洪水预报模型

河道洪水预报过程是一项复杂的非线性计算过程.为及时准确地预报下游河道特征值,针对传统模糊推理中存在的规则数过多和模型参数难以确定的问题,提出了一种新的模糊推理河道洪水预报模型.该模型以T-S模糊推理法为基础,通过对历史数据的关联规则分析和建立非线性优化模型确定模糊规则数目和模型参数,最后预报未来出现的流量数值.实例分析表明,基于模糊推理和关联规则分析的河道洪水预报模型易于理解,特别对防洪比较重要的高流量的预报结果较好.     

河网洪水预报径向基函数人工神经网络方法

讨论了神经网络在河网水流数值模拟中的运用现状,并基于河网水流数值计算模拟的特点,将径向基函数神经网络方法应用于复杂河网水流．模型采用混合学习算法,选用高斯核函数作为隐藏层基函数,充分发挥其表示形武筒单、径向对称、光滑性好和解析性好的优势,并采用k-均值聚类算法来确定径向基函数的参数,运用最小二乘法求解权值．建立了珠江三角洲河网的洪水预报模型,计算表明,预测结果与实测数据吻合较好,该模型具有运算速度快、简便易用且预报精度较高等特点．     

基于灰色理论的蓄电池容量预测

为进一步满足电力、通信、铁路、交通管理等系统对直流电源可靠性的要求,加强对蓄电池组的在线监测及容量预测评估,针对蓄电池容量存在随温度等外部条件而产生周期性变化的特点,提出了实时在线、新陈代谢GM(1,1)预测模型,研究了GM(1,1)模型的建模方法及误差精度检测与评定方法.计算机实际模拟证明,新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测可靠程度,从而实现蓄电池容量的早期预测评估.     

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。     

软件可靠性预测的小波分析方法

软件可靠性预测对于软件可靠性评估以及软件工程项目的过程控制具有重要作用。本文提出的软件可靠性预测模型,通过小波分解将非平稳的软件可靠性随机序列分解成趋势项、周期项和一系列时间调制平稳随机序列,对趋势项和周期项按常规的预测方法进行预测,而时间调制平稳随机序列再用小波方法预测,最后合成得到软件可靠性预测。实例分析表明,本方法是可行的。