差积三角形法在水文计算中的应用

差积三角形法计算流域平均两量是水文计算中的一种新的方法,尚未应用于生产实际。本文利用此法对辽宁省大洋河流域岫岩断面以上四个雨量站在1985年8月18~21日连续4天的实测降雨资料进行分析,计算其面平均雨量,并以此面平均雨量推求该次降雨的地表径流深,取得了令人满意的计算精度。     

上海中心城区地表灰尘与土壤中重金属累积及污染评价

通过对上海中心城区土壤与地表灰尘和降雨径流样品的取样调查，探讨了城市不同土地利用类型中重金属Cu,Zn,Cr,Pb的累积特征及其环境效应.结果显示：地表灰尘、土壤重金属在不同土地利用类型中的富集程度均高于土壤背景值，且存在显著性差异.相比之下，灰尘重金属污染比土壤严重，同一土地利用类型灰尘重金属P值为土壤的3~4倍.土地利用方式对重金属在地表灰尘和土壤中的积累有较明显的影响.地表灰尘重金属在工业、交通、居住用地中的含量普遍偏高，而在绿地中的含量普遍较低；土壤重金属在交通、商业和绿地中浓度较高，而工业用地中浓度较低.不同土地利用方式对地表径流重金属含量的影响不同，与土壤相比，地表灰尘直接影响到降雨径流重金属含量，两者之间耦合关系明显.工业、交通、居住和商业用地地表径流中，重金属EMC值以工业用地最高，其次为交通用地，商业和居住用地较小，但Cr，Pb，Zn的平均EMC值都超过了国家Ⅴ类水的标准，具有潜在的环境危害.     

坪上水库径流还现计算分析

拟建的坪上水库位于滹沱河干流上,水库1956-2001年年平均还原径流为7.23亿m3,经分析,还原径流成果基本合理,但还原径流系列一致性不好,主要原因是由于人类活动的影响,使流域的产汇流机制和渗漏机制发生了改变,从工程建设依据要求出发,提出了径流还现修正的必要性。还现修正,即把早期下垫面状况下产生的径流量修正为现状条件下的径流量。修正的原理和方法即在径流还原计算的基础上,点绘水文站流域平均雨量与还原径流深相关图,分别通过前、后期点群中心绘制其降水-径流深相关线,两线之间横坐标距离即为由于受人类活动影响使年径流深减小的幅度。还现修正后水库的天然径流量为6.33亿m3,流域前、后期降水-径流深关系曲线基本趋于一致,反映了近期流域的实际状况,为工程规模和效益的确定提供合理科学的依据。     

玛纳斯河年径流的灰色拓扑预测

运用灰色系统理论中的拓扑预测法,提出一种较适合于水文实测资料缺乏情况下的中长期预报方法,并利用玛纳斯河水文站的实测资料序列对该方法进行成功地验证。     

喀斯特流域地貌类型对枯水径流特征的影响分析

从水文地貌流域系统的角度出发,分析喀斯特流域地貌类型与枯水径流的关系,并作枯水流量频率分析计算,按地貌形态组合类型把流域分为喀斯特流域、喀斯特化流域和非喀斯特流域3种类型,初步建立喀斯特流域地貌类型对枯水影响的回归方程并检验,揭示喀斯特地区枯水径流的规律,为分析和预测枯水径流提供理论依据。     

基于VIC模型的黑河上游流域径流模拟不确定性分析

研究采用VIC(variable infiltration capacity)模型对黑河上游流域地区的水循环过程进行模拟,并应用GLUE(generalized likelihood uncertainty estimation)不确定性分析方法定量探讨模型参数的敏感性和输出的不确定性.研究结果表明,VIC模型率定期和验证期的Nash效率系数分别为0.62和0.64,流量过程线拟合较好;所选需测定的VIC模型的7个参数中,最大基流量Dmax、下层土壤最大含水量的比例系数Ws以及第一层土壤含水层厚度d13个参数对模型敏感,其中参数d1最为敏感;除部分低流量区外,实测流量基本在置信度90%下模型预报的不确定性范围内.研究结果表明,VIC模型能够较好地模拟黑河上游流域的径流变化过程,具有较好的适应性.     

降雨径流系列的一致性分析

以吉林省平原区十屋水文站降雨径流系列为例,进行了降雨径流特性的分析,内容包括降雨径流双累积曲线的特性分析、年径流系数的变化过程分析、秩和检验等.     

基于相空间重构的支持向量机方法在径流中长期预报中应用

水文中长期预报对于水资源规划管理、水库及水电站调度具有十分重要的意义.针对常规混沌预测方法的局限性,提出基于相空间重构的支持向量机(SVM)预报方法.该方法首先对径流时间序列进行混沌辨识,然后对其进行相空阃重构,采用基于结构风险最小化的SVM进行径流预报.对于SVM的参数优选问题.以径向基核函数作为核函数,采用混沌交尺度优化方法进行参数寻优.实例表明.该方法优于SVM和人工神经网络(ANN)预报方法.且具有良好的泛化推广能力.     

基于混沌动力学的日径流时间序列预测

介绍了探求时间序列中的混沌特征数的常规方法,给出一种基于混沌理论的预测算法,并以葛洲坝、隔河岩水库的入库日径流序列为例检验了这一方法,其预测效果令人满意．     

基于遗传算法的SVM-AR改进模型与应用

为提升河流流量的预测精度,将支持向量机与AR进行耦合,并构造三核混合核函数的流量预测支持向量机模型。以渭河流域的月径流量为例,首先,通过时间序列分析,将渭河流域的径流序列划分为趋势序列、季节序列和随机波动序列,然后利用AR模型构造适用于支持向量机算法的数据集,并将数据集按4∶1划分为训练集和检验集;其次,利用线性组合构造由多项式核函数、径向基核函数与Sigmoid核函数构成的三核混合核函数,在训练集上,采用遗传算法确定相关参数,随后在检验集上进行预测。结果表明:遗传算法确定参数会带来较大的不确定性,导致结果差异较大,从而着重讨论遗传算法带来的参数不确定性;通过函数构造与统计分析,给出三核混合核函数参数选择的一般性方法与流程,并进行验证,该参数选取方法能够降低遗传算法的不确定性,得到精度较高的流量预测结果,预测流量与实际流量的均方误差从150左右降低到130左右。