R/S法的径流时序复杂特性研究

R/S（重标极差）分析法是一种描述分形结构的有效方法.针对径流序列所具有的复杂的随机性和波动性,应用R/S分析法,通过对时变指数Hurst的计算及其检验,以新的视角对河川径流时间序列的分布特征、统计循环长度等复杂特性进行了有益探索.实际径流时间序列的计算结果表明：黄河上游径流序列服从分形分布,具有较强的状态持续性,而且拥有一定的非周期循环,这为水资源的合理开发利用提供了一种新思路和新方法.     

改进的人工神经网络模型在水文序列预测中的应用研究

目前人工神经网络(ANN)技术在水文序列模拟预测中有较多应用.由于径流时间序列往往呈现出复杂的变化过程,直接使用径流序列建立的ANN单变量预测模型大多精度较差而难以满足需要.本文拟从两个方面进行改进,以提高ANN径流量预测模型的精度.首先,根据径流序列的变化规律,滤去序列中的季节性变化趋势,并采用局部多项式拟合求残差方法消除局部波动成分后得到新序列作为ANN模型训练样本,结果表明由此训练得到的ANN模型比未作处理的样本训练得到的ANN模型预测精度明显改善.另一方面,通过消除趋势波动分析(DFA)方法检测径流序列的分形特征并估算其标度区间,选取不同数量的训练样本进行训练得到多个ANN模型,确定模型预测精度最高时的训练样本数,并与标度区间比较,结果表明在标度区间内选取训练样本数可明显提高ANN模型预测精度.这对ANN模型训练样本数的选取有指导意义.     

2种改进的PWM方法及其在径流区间估计中的应用

对于小样本的时间序列应用2种改进的PWM方法,分别用修正的Bootstrap方法和随机加权法对样本进行再抽样,然后根据PWM方法进行区间估计,并以潘家口水库径流量为例,对2种改进的PWM方法与传统方法进行比较,改进的PWM方法的精度更高,在相同的置信水平下,置信区间更短.     

同位素水文学的若干回顾与展望

从降水径流、非饱和带水分运移、地下水来源及年龄测定、古洪水研究等方面回顾了同位素水文学研究的现状,认为同位素示踪技术可以从更微观的角度研究径流形成、流域汇流过程中的水分转换关系等;概述了河海大学近年来在同位素水文学研究方面的相关进展,指出其研究主要包括同位素水文数学模型、平原区同位素径流组分划分试验、同位素在地下水中的应用、"引江济太"水量分配、流域氮源示踪等方面。在综述同位素水文学研究进展基础上,对当前同位素水文学研究存在的问题进行了分析,并对同位素方法在水文学中的应用前景进行了展望。     

考虑空间变异性的统计产流模型研究

针对控制产流过程的降雨等主要因素在空间分布不均匀的特征,提出了考虑空间变异性的统计产流模型．引入一个新的概率密度函数描述每个时段降雨的空间变化,采用土壤下渗容量曲线描述流域土壤下渗能力的空间变化,利用土壤水蓄水容量曲线表征土壤蓄水容量空间分布不均匀性．采用超渗产流模式根据降雨与下渗能力的联合概率分布计算地表径流的空间统计分布,通过推导得到计算地表产流量的准解析表达式;采用蓄满产流模式根据下渗与土壤蓄水容量曲线计算地下径流．选用黄河支流伊河东湾流域的资料对模型进行了验证,并将其结果与新安江模型产流结果进行对比,表明模型在该半湿润地区具有一定的适用性．     

密云水库流域径流变化特征及影响因素分析

利用1960-2003年密云水库流域降水及径流资料,分析年径流量的变化,建立流域降雨径流关系,讨论降雨径流关系的影响因素．分析表明,流域降水和土地利用类型的改变不是径流量减少的决定因素,而是土壤植被,上游截流和人口经济发展的综合结果．     

流域数字水文模型研究

探讨了数字水文模型的基本内涵和基本框架，首先利用数字高程数据自动提取流域水系，构建数字高程流域水系模型，主要包括数字高程模型中凹陷区域的识别和处理，平坦部位水流流向设定，子流域集水单元勾划，河网生成，河网与子流域编码及网结构拓扑关系的建立；然后在每一集水单元上建立数字产流模，再根据河网结构扼扑关系建立了数字河网汇流模型，从而形成数字水文模型，通过淮河流域能量与水分循环试验强化观测资料的检验，结果表     

面向复杂情景的SWMM水质参数敏感性分析

为了研究多种降雨情景下不同下垫面类型的水质参数敏感性,采用修正Morris筛选法解析了SWMM的水质参数敏感性总体特征,阐明了不同降雨强度和下垫面类型对水质参数敏感性的影响程度,揭示了各水质指标的高敏感参数分异特征。结果表明:高敏感及敏感参数数量及敏感性随降雨强度增大而增加,暴雨条件下道路和绿地水质参数敏感性水平显著升高,而降雨峰现时间滞后会导致部分高敏感水质参数的敏感性降低,敏感性从高到低依次为径流指数、最大积累量、冲刷系数、速率常数、半饱和常数；下垫面类型对高敏感及敏感水质参数数量的影响程度高于降雨条件；屋顶的敏感性参数数量及其敏感性总体较大,主要受下垫面面积占比和透水性影响,农田氨氮的径流指数敏感性显著高于化学需氧量、总磷、总氮,与肥料水解及氨氮流失过程有关。     

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。