考虑水库泄水影响的逐网格汇流演算方法

为将网格新安江(Grid-XAJ)模型更好地应用于受水库泄水影响地区的洪水模拟及预报,以横排头流域为研究区域,基于水库真实地理位置,利用分段马斯京根(MK)法、逐网格MK法、逐网格Muskingum-Cunge-Todini(MCT)法对比分析水库泄水对模型汇流计算的影响。结果表明:3种方法对洪峰的模拟情况均较好,率定期与验证期全部洪水的平均合格率均为100%;逐网格MK法与分段MK法全部洪水的平均径流深合格率均为76.9%,小于逐网格MCT法(84.6%);与分段MK法相比,逐网格MCT法与逐网格MK法可以反映上游水库泄水对汇流过程中流量在流域中时空分布的影响;逐网格MCT法在逐网格MK法的基础上进一步考虑了下垫面河道的真实情况;总体而言,逐网格MCT法对于受水库泄水影响流域的洪水预报具有较强的适应性和可靠性。     

基于栅格的新安江模型的构建和应用

根据分布式模型和新安江模型的最新理论,建立了基于栅格的分布式新安江水文模型,该模型能够考虑网格之间的水量交换.将建立的模型用于钱塘江支流密赛流域的洪水模拟计算,并与新安江模型的计算结果进行比较,可以看出,基于栅格的分布式新安江水文模型可以很好地应用于该流域进行洪水模拟,其模拟精度于原新安江模型的精度相当.     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

河道汇流演算方法对比分析与研究

分别采用分段马斯京根法、反映河道断面形状和水力特性的变动参数Muskingum-Cunge(MC)演算法和Muskingum-Cunge-Todini(MCT)可变参数法对沅水流域沅陵站—王家河站河段进行河道汇流演算,探讨了具有分布式参数的演算方法在实际河道的应用效果。结果表明,分段马斯京根法、MC演算法、MCT可变参数法均较好地模拟出洪水在河道的推移与坦化,模拟精度较高,且MC演算法和MCT可变参数法的确定性系数相对分段马斯京根法精度更高且更为稳定;MC演算法和MCT可变参数法对分段马斯京根法参数特性进行了较好的改进,并且MCT可变参数法解决了MC演算法蓄量和稳态不一致的问题。总体上看,3种方法对于洪水预报具有较强的适应性和可靠性,为实时洪水预报提供了新方法。     

基于蓄满超渗时空动态组合的网格新安江模型

为使网格新安江(Grid-XAJ)模型更好地应用于半干旱半湿润地区洪水模拟及预报,通过降雨和土壤含水量动态产流因子之间的判定关系,动态识别产流过程中网格的主导产流模式,构建基于蓄满超渗时空动态组合的网格新安江模型(Grid-XAJ-SIDE),并以半干旱的绥德流域为研究区域,将Grid-XAJ-SIDE模型与Grid-XAJ模型和网格格林安普特模型(Grid-GA)进行对比验证。结果表明:3个模型径流深模拟结果都较好,合格率均在80.0%以上;Grid-XAJ-SIDE模型的洪峰合格率(66.7%)比Grid-XAJ模型(53.0%)和Grid-GA模型(40.0%)有明显提升;Grid-XAJ-SIDE模型能更好地考虑降雨、土壤含水量对产流时空分布的影响。     

基于SCE-A算法的新安江模型参数优化及应用

为了减小水文模型参数优化中人工试错法和局部优化法的不确定性,以一种快速有效的优化方法搜索到水文模型参数的全局最优解。以安徽呈村流域为例,使用SCE-UA算法对新安江模型参数进行优化,日模型和次洪模型分别采用总体水量误差和对数绝对值误差作为目标函数,分析优化结果并对优化参数进行检验。经检验分析,日模型检验期确定性系数均达到0.8,次洪模型检验期确定性系数接近0.9。研究结果表明,采用SCE-UA算法优化新安江模型参数可以取得较好结果,目标函数的选择对参数优化有着重要作用。     

流域分块对汇流参数的影响

选择屯溪、东湾及王快流域为典型流域,挑选合适的目标函数,采用单纯形法率定参数,研究流域分块对新安江模型S_M、C_S、C_I及C_G等参数的影响。结果表明,随着流域分块数增加:降雨资料均化程度减小,S_M呈增大趋势,C_S呈减小趋势,C_I及C_G基本保持不变;洪量、洪峰合格数及确定性系数均呈增大趋势,当子流域面积小于1 000 km²时模拟精度大幅度改善。     

基于Holtan产流的分布式水文模型

基于GIS与DEM技术,构建基于Holtan产流的分布式水文模型(Grid-Holtan模型)。模型以栅格为计算单元,栅格产流采用基于Holtan下渗方法的超渗产流计算,坡面汇流和河道汇流均采用逐栅格的一维扩散波水流演算模型模拟。将Grid-Holtan模型、陕北模型与新安江模型应用于半干旱的沁河孔家坡流域。结果表明,Grid-Holtan模型、陕北模型的模拟效果好于新安江模型,GridHoltan模型洪峰模拟效果更好。     

改进的神经网络模型在水文模拟中的应用

将BP神经网络与K-最近邻(KNN)算法耦合起来,建立BK(BP-KNN)模型,该模型以前期模拟流量和相应影响要素作为BP神经网络的输入,出口断面流量作为网络输出,对产汇流过程进行模拟;采用K-最近邻算法,基于历史样本的模拟误差和相应影响要素对网络输出进行修正,实现了非实时校正模式下的连续模拟。根据BK模型的计算流程将其参数分为3个层次,各层次分别使用NSGA-Ⅱ多目标优化算法进行参数优选,提高了模拟精度、优化效率和网络泛化能力。分别将新安江模型的产流、产流分水源计算模块与BK模型相耦合,建立 XBK (Xinanjiang runoff production-BK) 和 XSBK (Xinanjiang runoff production and separation-BK)模型,在呈村等3个不同类型的流域应用新安江模型、BK模型、XBK模型和XSBK模型进行模拟精度比较,结果表明改进的模型模拟精度更高,较好地解决了神经网络模型在水文模拟中存在的问题。