中期数值降雨预报在汛限水位动态控制中应用研究

定义中期数值降雨预报最大可利用预见期、最大可利用预见量和实时预见期折减系数3个参数,对中期数值降雨预报信息进行预处理,且给出评估中期预报精度的指标以及指标的求解方法;然后利用上述3个参数,对汛限水位实时动态控制相对安全期进行定义,进而提出利用中期预报进行汛限水位动态控制的实时相对安全期法.对该方法风险分析过程就是对上述3个参数的优选过程.基于此,分别定义评估风险、风险效益以及调度决策者承受风险能力的指标,建立控制风险在决策者承受能力内而追求风险效益最大的风险分析模型,即参数优选模型.浑江上游桓仁-回龙库群试用结果表明,经济效益显著.     

基于多因子最近邻抽样回归模型的径流相似性预报

针对传统径流预报精度不高、预见期不足的问题,提出基于降雨、径流相似性的径流预报方法,采用大数据挖掘在历史降雨产流过程中搜索相似过程,预测后期径流最可能的过程线。为了延长径流预报预见期,实时接入降雨预报信息,提出3种径流滚动预报方式,实现了7 d预见期的径流逐日滚动预报;针对流域在涨退水等不同阶段的产汇流特性,建立可根据实时水雨情自适应切换的降雨、径流输入模式,进一步提高径流预报精度。该研究成果在大渡河的应用表明预报效果达到预期:3 d预见期的纳什系数大于0.9,平均相对误差小于10%;7 d预见期的纳什系数大于0.8,平均相对误差小于15%。     

基于长短时记忆（LSTM）神经网络的黄河中游洪水过程模拟及预报

洪水预报是防洪减灾的重要非工程措施,黄河中游地区水文情势近50 a发生显著变化,为提高变化环境下黄河中游半干旱半湿润地区洪水预报精度,本文以对时间序列数据具有良好模拟效果的深度学习神经网络（长短时记忆神经网络）为基础,建立不同预见期下的流域暴雨洪水模型,以探讨长短时记忆神经网络在黄河中游水文预报中的应用. 模型建立采用汾河上游静乐控制站1956—2014年98场暴雨洪水数据,其中以14个站点降雨及静乐站水文数据作为输入,不同预见期下的洪水过程作为输出,率定期为78场次,验证期为20场次. 结果显示:在预见期为0～6 h时预报精度较高,预见期为6 h以上时预报效果相对较差;预报精度随神经元数量和训练次数的增加而呈上升趋势,预见期为0～6 h时预报精度上升较为明显,而预见期6 h以上时预报精度上升较为均匀.      

新安江模型和支持向量机模型实时洪水预报应用比较

选择新安江模型和支持向量机模型分别在浙江省、陕西省的4个流域进行实时洪水预报,并使用K-最近邻实时校正法对新安江模型预报结果实时校正,比较2种模型在不同流域的应用效果,其中选择确定性系数、峰现时间误差、洪峰相对误差和均方误差作为模型预报评价指标。进一步改变预报预见期并分析2种模型在不同预见期内的预报精度。研究结果表明,新安江模型和支持向量机模型在不同流域洪水预报中各有优势,支持向量机模型预报精度受降雨精度影响较大。当预报预见期较长时,新安江模型预报结果更好;随着预见期缩短,支持向量机模型预报精度显著提高,在短预见期实时预报中支持向量机模型优势更明显。在预报难度较大的半湿润半干旱流域,新安江模型和支持向量机模型在率定期和实时预报过程中均具有较高精度。     

基于深度置信网络模型框架的长期径流预报

长期径流预报是保障水利水电工程科学运行管理的重要支撑.随着社会经济的发展，生产实践对长期径流预报精度和预见期长度的更高要求与当前预报的表现出现了矛盾.该研究提出了一种基于深度置信网络(DBN)模型的考虑气候系统指数的长期径流预报框架，并探索了其在预见期1～12个月时的预报表现.结果表明：(1)基于该框架进行预见期为1～12个月的径流预报时，在测试期的纳什效率系数(NSE)值均高于0.50,平均相对误差(MRE)值均低于35%,预报精度较高，且随着预见期的延长，径流预报能力并未呈现下降趋势；(2)在各预见期下，训练期和测试期的预报效果评估指标相差不大，说明采用的基于DBN模型的径流预报框架不存在过拟合的问题，具有优秀的泛化能力；(3)在各预见期下，汛期的径流预报效果在NSE和决定系数R²指标上优于非汛期，在MRE指标上劣于非汛期.     

基于预报因子聚类分级的日径流预报深度信念模型及应用

径流预报是水库运行调度的重要决策依据,提高入库径流预报精度,对水库优化调度和水资源高效利用具有重要意义.本文提出一种基于大样本数据分级策略的深度信念网络模型(Deep Belief Networks,DBN),以龙羊峡入库径流预报为例,采用Fuzzy C-means(FCM)聚类方法,将总样本训练集分为不同训练样本子集;不同样本子集下,对不同预报因子(只考虑降雨、考虑不同时期的降雨及同时考虑降雨及前期径流),分别建立DBN模型和人工神经网络模型(Artificial Neural Network,ANN),分析样本分级和考虑不同因子情况下不同模型的预报结果.结果表明:与不考虑预报因子分级的预报模型相比,基于时间序列聚类的预报模型显著提高了径流预报的精度;通过FCM聚类,将样本分为3类,考虑降雨及前期径流作为预报因子进行分级时,比只考虑降雨、考虑不同时期的降雨时建立的预报模型的预测精度更高.用该模型进行龙羊峡水库入流日径流预报,提高了预报精度,可为龙羊峡水库调度提供决策支持.     

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。     

降水预报准确度分析及其在提高降水利用率中的作用

为提高降水利用率,以南京地区为例,搜集了中央气象台2011年6月26日至10月28日南京市未来4 d降雨预报值及南京气象站实测降雨数据,分析各等级降雨预报的准确度及其在水稻灌溉决策中的应用。结果表明：无雨和小雨预报时准确度较高,如达到灌溉标准的下限可直接按计算灌水定额实施灌溉;预报为中雨和大雨时,实际发生降雨的概率较高,因此可适当推迟2 d进行灌溉;如果没有降雨或者降雨不能满足作物生长需要,则可进行补充灌溉。     

考虑降雨中心的遥测降雨三步修正

分析流域降雨的分布规律,在遥测三步降雨误差抗差修正的基础上,进一步改进降雨中心的权函数,提出考虑降雨中心的抗差修正方法.运用闽江七里街流域1988~1998年45场洪水的暴雨资料,比较考虑降雨中心和不考虑降雨中心2种方法的修正结果和探测效率,结果表明,考虑降雨中心的方法增强了修正结果的稳定性,提高了实时洪水预报的精度.     

基于天气预报的参考作物腾发量预报方法比较

以常州站点为例,收集了2000—2017年历史气象观测数据和2011—2015年历史天气预报数据,以FAO56-PM公式的估算结果为对照,分别对Hargreaves-Samani模型、多元回归模型与傅立叶分析模型进行率定和验证,并以2016-04-21至2017-10-24逐日1～7 d天气预报数据为依据,分析评价3种率定模型的ET0预报精度。结果表明:率定后的MR模型在1 d、4 d、7 d预见期的平均绝对误差为0. 751 mm/d,准确率为87. 2%,预报精度均优于HAR模型与FA模型;均方根误差除在3d预见期时略高于HAR模型外,其他预见期均最小。考虑到天气预报准确率随预见期增加而降低,建议预见期不宜大于3 d。进一步在季节尺度下的精度比较显示,MR模型在各季节1～3 d预见期的预报精度均高于HAR模型与FA模型,总体预报精度最高。因此,建议采用MR模型对常州站点进行ET_0预报。     

基于降雨强度及降雨中心的瞬时单位线参数综合优化

流域降雨的强度和降雨中心位置等时空特性是影响流域汇流计算的重要因素.为了定量分析降雨时空分布不均匀性对流域汇流的影响,本文基于瞬时单位线法以沮漳河流域为例,率定了多场流域实测洪水过程的瞬时单位线n、k参数,采用多元回归分析法建立降雨中心位置C_L和降雨强度Imt与n、k参数的回归公式,给出了n、k参数的回归方程,采用该方法可求得不同降雨中心位置及降雨强度下的瞬时单位线n、k参数,再转换为时段单位线进行预报.该方法具有传统单位线法简便实用的特点,又具有考虑降雨时空变异性的优点,在沮漳河流域洪水预报模型中的应用表明该方法是可行的.     

基于人工神经网络的毫米波雨衰减预报

在考虑了电波雨衰减与工作频率、仰角、降雨率、极化角等多相参数的综合非线性映射的基础上,建立了基于人工神经网络的毫米波雨衰减预报模型,并将结果与CCIR预报模型进行了分析比较。结果表明,利用神经网络的非线性进行高频电波雨衰减的预报,可降低平均误差0．59dB,并减小均方差0．69dB。     

基于决策树方法的水库跨流域引水调度规则研究

目前跨流域引水调度属于常规引水规划调度方式,没有考虑实时信息.利用数据挖掘技术中的决策树方法将水库当前的气象预报信息和下垫面蓄水状态、水库多年的实际运行情况等资料与水库管理者的实际调度经验相结合,提出跨流域引水水库的实时调度规则.研究分三步,即首先选取旬初库水位、GFS预报与实际降雨量,旬前土壤含水状态,以及跨流域引水量等资料构成水库调度数据集;然后利用数据挖掘技术从中提取跨流域引水调度决策树;最后对调度决策树进行检验获取跨流域引水水库实时调度规则.实例计算结果表明,采用决策树跨流域引水调度规则进行水库引水调度,可提高水资源利用效率,增加水库综合效益.研究成果对跨流域引水水库实时调度的深入研究与应用有参考价值.     

基于全球天气预报系统对河套周边地区低云量精细化预报

基于2008-2013年全球天气预报系统(GFS)预报场资料,构造了30个云预报因子,分析了其与低云量的相关关系,采用多元逐步回归预报方法建立了黄河河套周边地区低云量0～168 h逐小时精细化区域预报,评估了预报模型的预报效果.结果表明,低云量与水汽类因子整层湿度和整层相对湿度具有较强的正相关性;与大气可降水量、低层温...     

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.     

降雨型堆积层滑坡降雨阈值及预警模型研究——以王家坡滑坡为例

堆积层滑坡在降雨作用下,累积位移曲线呈现不规则的“阶跃”状.针对此类型滑坡,将滑坡所处的地质条件与滑坡的变形特征相结合,进而建立合理的预警模型,是提高滑坡预警精度的必要手段.本文以王家坡滑坡为典型研究案例,在分析降雨、滑坡位移以及位移速率等监测资料的基础上,确定王家坡滑坡的位移回落时间、降雨阈值.考虑滑坡变形对降雨的响应机制,将实际降雨工况分为当期降雨和前期降雨+当期降雨两种类型,通过数值模拟分析降雨条件下王家坡滑坡的稳定性,对传统的经验性降雨阈值进行改进,针对当期降雨,建立降雨诱发滑坡失稳滑动的I-D阈值曲线,针对前期降雨+当期降雨,建立滑坡破坏的A-I-D阈值曲面.最后,基于改进的I-D阈值曲线和A-I-D阈值曲面建立了王家坡滑坡4级预警模型.     

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。     

基于天气雷达的长江三峡暴雨临近预报方法及其精度评估

基于网格追踪的临近预报外推(pixel-based nowcasting,PBN)算法能够预报降雨的平移、旋转和变形。为了评价该算法在长江三峡地区的应用效果,该文利用三峡万县S波段雷达2010年汛期观测到的11场典型降雨过程,采用相关系数、探测率、误报率、临界成功指数等4种评价指标对PBN算法进行验证。结果显示:对于全部11场降雨,该算法1小时预报结果与实际观测的相关系数接近0.6,整体预报效果较好。在针对4场典型降雨的分析中所有4个指标均表明:PBN算法对独立且相对稳定的大面积层状降雨预报效果最好,对包含多个对流型雨团生成与消亡的降雨预报效果最差。     

长期水文统计预报方法在长江大通站径流预报中的应用

以北太平洋海温(SST)、500?ｈＰａ高度(H500)和100?ｈＰａ高度(H100)3个气象场因子作为预报因子，采用逐步回归和逐步判别分析方法，对长江大通站的月径流量、7～10月份的径流总量以及年最大洪峰流量做预见期为1年的预报.结果表明，建立的统计预报方案满足精度要求，可供实际预报工作参考.     

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。