BP算法在辽宁观音阁水库枯季地表入库径流实时预报中的应用

根据太子河流域降水和产汇流特点,利用流域试点区观音阁水库枯季入库径流量、上游汛期降水量、汛末入库径流量和枯季降水量等实测系列资料,对所建立的BP神经网络模型进行训练、检验和对比分析,结果表明,所建立的枯季径流BP预报模型是合理可行的,并且具备较高的精度,可在同类地区推广使用。     

CMIP5RCP情景下汉江上游流域径流对气候变化的响应

以汉江上游流域为研究流域,建立SWAT分布式水文模型,以黄家港站1981—1990年月径流数据对模型进行校准和验证。采用CMIP5模式RCP 2.6、RCP 4.5和RCP 8.5情景下的输出数据集,利用率定好的SWAT模型模拟未来气候变化对研究流域径流的影响。结果表明,不同RCP情景下2021—2050年汉江上游流域平均气温、降水量、径流量较基准期都呈增加趋势,增幅从大到小依次为RCP8.5、RCP 4.5、RCP 2.6,并且降水量的增幅均大于径流量的增幅。3种情景下冬季降水量和径流量均呈增加趋势,且增幅较大;春季降水量和径流量均呈减少趋势,RCP 4.5和RCP 8.5情景下减幅较大;夏季和秋季降水量和径流量均呈增加趋势,RCP 8.5情景下增幅较大,RCP 2.6情景下增幅较小。     

黄河下游大汶河流域水文要素演变特征研究

本文利用大汶河流域内26个雨量站点1956-2016年逐年降水量,戴村坝水文站天然径流量、实测径流量数据,采用Mann-Kendall检验法、累积距平法、滑动T检验、小波分析等统计分析方法,研究大汶河中上游流域降水、径流的变化特征。结果表明,该流域降雨空间分布不均衡,由东北向西南逐渐减少;流域内降水量、天然径流量、实测径流量均呈下降趋势,而下降趋势不显著,而实测径流量的减少量远大于天然径流量的减少量;流域降水量、天然径流量的突变点为1964年和2002年,而实测径流突变点为1965、2002年,而整体变化趋势基本一致,而实测径流量的波动性较大;流域降水量和天然径流量的周期性变化一致,其中11a为主周期,而实测径流量的第一主周期为11a,第二主周期为24a,周期变化均不具有全域性,与流域降水量和天然径流量的周期性变化差异较大,说明人类活动对径流量的影响较大。     

车尔臣河流域气候变化及其对河流径流量的影响

[目的]为了探讨车尔臣河流域多年气候变化对其河流径流量的影响.[方法]运用时间序列和多元线性回归的方法对且末县水文资料 (1956～2006年)和气候数据(1956～2006年)进行了分析.[结果]近50年来,车尔臣河流域降水量增加了14.6 mm、气温增加了1℃、径流量增加了1.6 m3/s;对车尔臣河径流量影响的气候因子中降水量和气温的相对影响力达到59;,而其他气候因子的影响力仅为41;.[结论]近50a来,车尔臣河流域年均降水量、气温和河流径流量均呈现出上升趋势.降水量与径流量的变化存在显著的耦合关系,各气候因子中,降水量和气温是影响径流量变化的主要因素.     

改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO‐BP算法在洪水预测应用中建立预测模型。以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性。采用改进的PSO‐BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值。通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率。     

应用混合门限自回归法预测大伙房入库径流量的研究

对大伙房水库流域内,1990～1996年入库流量、降雨量进行数据分析.针对不同的降雨等级和入库径流量等级,采用混合门限自回归(TARSO)模型,注重水文要素自身演变规律和主要前期影响因子的作用.该模型中,前期降雨量选取6个因子分别为前5～15d累积降雨量、前第1～4d和当天降雨量;前期入库量选取4个因子,分别为前期第1～3d入库量.该模型作为中长期预报,具有一定参考价值.     

基于EMD的BP神经网络在凌河流域旱灾预测中的应用

为提高旱灾预测模型预测精度,利用EMD(经验模态分解法)处理非平稳信号的优势,将其应用到BP神经网络预测模型中,建立基于EMD的BP神经网络旱灾预测模型,对凌河流域44个观测站(小凌河流域11站、大凌河流域33站)共51年(1960~2010)的降水资料进行旱灾预测应用,同时将基于EMD的BP神经网络旱灾预测模型结果与BP神经网络预测模型结果进行对比。结果表明:小凌河流域基于EMD的BP神经网络预测模型、BP神经网络预测模型的年均降水量预测值均方误差(MSE)分别为0.0011和0.0076,决定系数(R2)分别为0.95和0.83;大凌河流域基于EMD的BP神经网络预测模型、BP神经网络模型的年均降水量预测值均方误差(MSE)分别为0.0032和0.0092,决定系数(R2)分别为0.93和0.79。基于EMD的BP神经网络预测值均方误差(MSE)较小且决定系数(R2)较高,均优于BP神经网络预测值,提高了BP神经网络旱灾预测模型预测精度,具有一定的可行性。     

不同气候变化情景模式下淮河上游径流响应研究

运用SWAT模型定量分析2种不同气候变化情景模式(气温+2℃,降水量+5%)下淮河上游径流响应,结果表明院SWAT模型在淮河上游径流模拟具有较好的适用性,模型模拟的径流相对误差小于10%,确定性系数达到0.8以上,模型可用来定量模拟淮河上游不同气候变化情景模式下径流响应;气温升高2℃,流域径流量减少6.67%,降水增加5%,流域径流量增加7.56%。研究成果对于淮河上游水资源保护和利用具有参考价值。     

大伙房水库入库流量短期预报方法研究

以大伙房水库规模和作用为背景,以库区和水源区流域降水及入库流量历史资料为依据,探讨了短期水情预测方法问题。结果表明,大伙房水库水源区年平均降水量为782.5 mm,7—8月占比50%;大伙房水库年度入库流量在2.9~176.5 m3/s之间,主要流量集中在7—8月,占全年1/2以上,为防汛关键期;用本站和流域当日降水量和前1 d入库流量为预报因子,完成了大伙房72 h入库流量短期预报方法的研究并建立了业务应用资料系统,为大伙房水库今后开展未来3 d以内水情预报工作提供了可能。     

乌兰察布市霸王河水库流域汛期降水对霸王河水库蓄水的影响分析

通过对乌兰察布市霸王河水库流域近63年降水对水库径流的影响程度及汛期(5~9月)降水与霸王河水库流域径流的关系。结果表明,霸王河水库流域径流量与降水量的变化趋势基本一致,呈波动减少趋势,且降水主要集中在汛期(5~9月)。以霸王河水库流域年径流量与同期降水量的数学模型如下:Q=-128.2+0.604Pi(R=0.597)。     

用水文特性分析流域治理效果

本文用缸窑口水文站降水量、径流量、输沙量等水文要素的变化,分析小凌河上游流域治理情况。     

西拉木伦河流域气候与径流关系

通过分析西拉木伦河流域1995—2012年气候资料,该流域内年平均气温、蒸发量、降水量均呈波动下降趋势,西拉木伦河流域降水主要集中在夏季。该流域4月、6月、7月、8月径流总量均在65.5×10~6 m~3以上,分别占全年径流量的15.3%,12.4%,25.5%,16.4%,从9月份开始径流量随降水量的减少而骤减,西拉木伦河流域径流量年际变化较为强烈,极值比悬殊。西拉木伦河流域年径流量呈波动减少趋势,年平均径流量变化倾向率为每10年-3.4×10~8 m~3。西拉木伦河流域年径流量变化与气候条件存在着明显的正相关性,即西拉木伦河流域年径流量随着年际气温、蒸发量、降雨量的增高(或降低)而增加(或降低)。     

黑河流域金塔段水文特征与降水量关系初探

利用甘肃省酒泉市金塔县气象站1973~2014年降水量数据以及鸳鸯池水库径流量资料,通过最小二乘法、Mann-Kendall法、小波分析法等统计方法,对降水量与径流量的关系进行了不同角度的分析研究。结果表明,(1)42年里金塔县年降水量呈现出缓慢上升的变化趋势,降水量趋势倾向率为3.65 mm/10年。春季、夏季、秋季、冬季平均降水量趋势倾向率为-0.02、-0.47、0.51、0.62 mm/10年。四季当中夏季降水量占到全年的比例为62%,该季节降水量的减少必定会影响全年降水量变化。鸳鸯池水库1984~2004年径流量处在偏少时期,2004年之后径流量处在相对较多的时期。通过对径流量的季节分析来看,夏季平均径流量为1.01×108 m~3,为四季中最大,占到全年径流量的32%。年降水量与年径流量之间的相关系数为0.352,四季当中夏季降水量与径流量以及秋季降水量与径流量的相关性均通过了0.01的显著性检验。(2)Mann-Kendall法,对鸳鸯池水库年平均径流量序列做突变检测分析发现,2009年是径流量由减少转为增加趋势的突变点,对鸳鸯池水库径流量序列进行Morlet小波变换特征分析,在15年左右的尺度以及32年左右的时间尺度,径流量变化周期显著,小波方差进一步确认32年是径流量序列变化的第一主导周期,表现出的能量最大,而15年是第二主导周期。(3)对年降水量与径流量建立关系模型,选择三次方程(Cubic)作为建模需要,通过降水量来反映出径流量的变化特征。     

基于线性回归的分析河流径流量的数学模型

运用统计学中的回归分析方法,建立了河流年径流量与年平均降水量及年平均饱和差的线性回归模型,统计分析结果显示二者是影响河流年径流量的因素,并通过数据比较表明该模型是合理的。     

洞庭湖流域径流量对气候变化和人类活动的响应研究

为了定量化研究气候变化和人类活动对洞庭湖流域径流量变化的影响,采用累积距平分析和Mann-Kendall趋势检验对流域内4个水文站和16个气象站1985—2010年的水文及气象数据进行统计分析,并利用径流量变化定量分析方法,计算了气候变化和人类活动对径流的改变量及其贡献率。研究结果表明:降水量的下降和潜在蒸散发量的上升导致整个洞庭湖流域及湘江、资水、沅江、澧水4个子流域突变后相对于突变前径流量分别减少了28、15、130、112 mm和102 mm;洞庭湖流域径流量的减少主要受气候变化的影响,其贡献率为64%,人类活动虽然能增加径流,但是两者的叠加影响整体上仍使径流量减少。因此,洞庭湖流域的水文干旱是自然环境演化的结果,与全球气候变化的大格局息息相关。     

水文过程模拟与土壤水分动态变化试验——以徐州市南部郊区为例

通过流域水文循环实验模拟,观测小区域降水量、径流量等水文要素,同时获得不同土壤质地水分特征参数及土壤物理参数,概化小区域产汇流过程,建立小尺度水文循环模型,进行小区域降水径流模拟,并探究土壤水分的资源属性。以不同条件下的土壤水动态分布情况为主题,以小区域为对象,通过流域降水——地表水——土壤水——地下水转换的水循环机理研究,建立小区域的水循环模型,研究不同下垫面条件下土壤水分动态变化机理,为缺水地区的水资源总量评价和高效利用提供理论基础和科学依据。     

泾河水沙变化特性分析

分析了泾河较大支流、干流水量沙量变化特性,结果表明:泾河流域平均降水量变化较小,径流量、输沙量衰减趋势明显。     

石羊河流域水沙特性与水土保持趋势分析

本文以石羊河流域径流量、输沙量以及水土流失面积为基础，研究径流量波动变化的影响因素，并对水土流失面积变化趋势进行预测分析。首先，根据径流量和输沙量计算出年平均含沙量和输沙模数，以这些指标进行聚类分析，根据聚类结果将近几年的水沙特性分类；其次，研究径流量波动变化的主要影响因素有蒸发量和降水量。最后，根据流域的水土流失面积，利用灰色预测方法预测出未来5年的水土流失面积。根据预测结果可知，近年来流域水土保持成果显著，流域水土流失面积逐年减少，石羊河流域生态恢复逐年向好，并且之后几年仍然有减少趋势，这将有利于石羊河流域下游生态系统的进一步修复。     

基于最优加权组合模型的枯季径流预测研究

【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。     

基于灰色马尔柯夫预测模型的径流量预测

针对河川径流成因复杂性的特点和用单一预测法均有一定局限性的现状,提出了灰色与马尔柯夫相耦合的灰色马尔柯夫预测模型.两种预测模型的科学组合,既综合了GM(1,1)灰色预测和马尔柯夫预测的优点,又提高了预测流域径流量的精度.讨论了GM(1,1)模型修正法和相对误差序列的"马氏性"检验法,进一步完善了该预测模型.最后以安康水库年入库径流量预测为例,验证该方法的可行性.结果表明:1995年和1996年入库径流量的预测值分别是以0.41,0.39的最大概率落人区间(99.894,139.592)和(101.088,142.509)内,由此可见,预测结果准确.