基于SWAT模型的西江流域径流模拟研究

采用SWAT(Soil and Water Assessment Tool)模型,在整个珠江流域构建分布式水文模型,对西江流域1951~2008年的月径流过程进行模拟。选取西江流域的迁江、柳州、武宣3个水文站的径流数据,利用SWAT模型自带的敏感性分析模块和自动率定模块,采用LH-OAT敏感性分析方法和SCE-UA算法分别对选取的各参数进行敏感性分析和参数率定,并对率定模型进行验证。敏感性分析结果表明,不同的参数对流域月径流过程表现出不同程度的敏感度,其中CN2、ESCO、SOL_AWC、CH_K2和ALPHA_BF的敏感度较高,是较敏感因子。从率定和验证结果来看,3个水文站的径流模拟效果均较好,Nash-Suttcliffe效率系数ENS均在0.75以上,其中柳州站和武宣站率定期和验证期的ENS在0.8以上。SWAT分布式水文模型在西江流域月径流模拟中的应用效果良好。     

两种月径流随机模拟方法应用比较

建立了基于年径流随机模拟的月径流分解模拟模型,以平寨水库入库径流随机模拟为例,分别采用双层模型法和典型解集法分解模拟月径流,分析模拟结果的统计特性和不同频率下的年内分配过程,比较两种方法的分解效果。结果表明:1典型解集分解法较双层模型分解法能更好的保持月径流的统计特性,在各项参数中,两种分解方法对样本均值特性的保持最好,而对偏态特性的保持最差;2典型解集分解法得到的月径流年内分配过程与实测同频率下月径流年内分配的符合程度较双层模型分解法高,两种方法分解的月径流在偏丰水年的年内分配与实测同频率下月径流年内分配的符合程度低于偏枯水年,符合较差的月份主要集中在汛期(5-9月)。     

黄河龙门径流量预测模型研究

河川径流预测是一个十分复杂的问题,生命旋回模型在进行径流趋势预测时具有对资料要求少、计算简单等优点,但由于模型方程的限制,进行预测时得到的序列很难反映径流序列的随机波动变化,且存在预测结果精度不高的缺点。根据黄河龙门水文站提供的49a的径流水文资料。应用神经网络进行预测时和生命旋回模型建模使用,得到预测值。结果表明预测结果明显优于单一的生命旋回模型和神经网络模型,可以用于径流预测。     

辽河流域径流序列特性分析

以辽河干流、浑河、太子河3个子流域为研究区域,依据地域代表性选取辽河干流石佛寺水文站、浑河沈阳水文站、太子河辽阳水文站为分析测站,依据各测站1956-2000年月径流资料,分析辽河流域径流年内、年际变化规律.结果表明:辽河流域径流年内分配极不均匀,月径流变化幅度比较大,其中辽河干流最大月径流可占年总径流的60%以上;径流年际变化趋势不显著,约存在10a、12a、19a、21a的周期.     

VIC模型在西江流域径流模拟中的应用

基于大尺度陆面水文模型VIC模型,以确定性系数、相对误差为评判标准,以1961-1990年为研究期,对西江流域12个水文站的径流过程进行模拟分析。结果表明:在研究区参数率定期与验证期内,多年径流模拟效果良好,确定性系数较高,相对误差较小;以1975年为例,VIC模型能够基本再现天峨、武宣水文站年内日径流过程。可见VIC模型在西江流域基准年时期具有较好的适用性,可为流域径流预报以及区域未来气候变化对径流变化影响的研究奠定一定基础。     

CMADS数据集在呼兰河流域的适用性评价

【目的】探究中国大气同化数据集(CMADS)在呼兰河流域水文模拟的适用性。【方法】对CMADS与传统水文站降水、气温数据的精度及时空分布特征进行分析,构建CMADS与传统水文站2种气象数据驱动流域有、无水库控制水系情景下的SWAT模型,同时使用SUFI-2算法以月值实测断面径流数据为准进行模型参数的率定和验证,评价该数据集作为气象驱动数据的适用性及对传统水文站数据的可替代性。【结果】(1) 2种气象数据具有较强的线性相关性和对应关系,且时空分布特征相似,年内变化趋势一致。(2)在无水库呼兰河干流水系,CMADS数据驱动的模型率定期R²=0.92、NSE=0.91、PBIAS=18.53%,验证期R²=0.94、NSE=0.96、PBIAS=10.51%;在有水库通肯河水系,模型在率定期R²=0.89、NSE=0.82、PBIAS=12.79%,验证期模型R²=0.93、NSE=0.86、PBIAS=12.03%,模拟结果均达到径流模拟评价标准。【结论】CMADS+SWAT模型比传统水文站在呼兰河流域...     

基于经验模态分解与Elman神经网络的月径流预测

针对径流序列的弱相关,非线性特征,直接预测会导致精度低,建立基于经验模态分解(empirical mode decomposition,EMD)与Elman神经网络的模型进行月径流预测,选取黄河上游唐乃亥水文站1979-2009年的月径流资料为研究对象。首先利用EMD对月径流资料进行处理,得到5个固有模态函数(intrinsic mode function,IMF)和1个趋势项。为了避免分量太多导致误差过大,将分量进行重组之后得到3个子序列,然后对3个子序列进行Elman神经网络预测。结果表明,EMD与Elman神经网络组合预测精度更高,更加适合复杂的水文序列。该方法可用于径流的中长期预测中。     

改进鲸鱼算法优化混合核支持向量机在径流预测中的应用

构建基于多项式核与高斯核相融合的混合核支持向量机(MSVM),利用拉普拉斯交叉算子(LX)改进的鲸鱼优化算法(LXWOA)优化MSVM关键参数和混合权重系数,提出LXWOA-MSVM径流预测模型,并构建高斯核LXWOA-GSVM、多项式核LXWOA-PSVM及LXWOA-BP作对比预测模型,以云南省清水江水文站枯水期1-4月月径流预测为例进行实例研究,利用实例前24年和后10年资料对各模型进行训练和预测。结果表明,LXWOA-MSVM模型对实例1-4月月径流预测的平均相对误差绝对值分别为4.09%、3.32%、3.51%和5.64%,预测精度均高于LXWOA-GSVM等3种模型,具有较好的预测精度和泛化能力,可为相关径流预测研究提供参考。     

年径流预报的非线性混合回归模型研究

径流中长期预报一直以来都是人们关注的热点研究问题,常用的时间序列法、多元回归分析法等都存在预报精度偏差过大的问题。以年径流作为自回归因子,降水和气温作为多元回归因子,建立了年径流预测的非线性混合回归模型,并利用BP神经网络进行模型求解。戴营水文站的年径流预报结果表明,与自回归模型、多元回归模型、BP网络模型和线性混合回归模型相比较,非线性混合回归模型具有较高的预报精度。     

气候因素对蒲河流域径流模拟影响研究

根据分布式水文模型可以对不同流域进行较好模拟的特点,通过对蒲河流域气象数据、数字地图数据、土壤类型数据、土壤利用数据等资料的整理,对大河泡水文站实测资料与模拟结果进行径流月校准与径流月验证,分析SWAT模型在蒲河流域的适用性,并探讨不同气候因素对径流变化的影响。计算结果表明,降雨因素比气温因素更显著的影响蒲河流域的径流变化。     

基于EMD与PSO的Nash NBGM(1,1)耦合模型的年径预测研究

针对径流是典型非平稳序列这一特点及目前存在的径流中长期预测精度低的问题,提出一种新的耦合预测方法——基于经验模态分解(Empirical Mode Decomposition,EMD)与粒子群优化算法(Particle Swarm Optimization,PSO)的非线性灰色Bernoulli耦合模型(Nash Nonlinear Grey Bernoulli Model,Nash NGBM)。首先利用EMD方法对汾河上游上静游、汾河水库、寨上和兰村4个水文站的年径流序列进行平稳化处理,分别得到若干个固有模态函数(Intrinsic Mode Function,IMF),对各阶IMF分别建立基于PSO算法的Nash NGBM(1,1)模型并进行预测,趋势项用多项式拟合并进行预测,然后通过重构各预测值得到汾河上游4个水文站年径流量的预测结果,并与单独运用基于PSO算法Nash NGBM(1,1)模型的预测结果进行比较,对模型作出评价。结果表明,基于EMD与PSO算法的Nash NGBM(1,1)耦合模型的拟合精度在92.5%以上,预测精度均达到了100%,其预测精度比单独运用基于PSO算法Nash NGBM(1,1)模型的预测精度有了明显提高;基于EMD与PSO算法的Nash NGBM(1,1)耦合预测方法的提出为径流中长期预测精度的提高提供了新的思路,对区域水资源的合理配置与优化调度具有重要的理论意义和实际价值。     

基于WMS模型的大石河上游降雨产流模拟

水文模型是模拟流域水文过程和认识水文规律的重要工具,对流域产汇流计算、洪水分析与预报以及水资源优化配置等具有重要的意义。近年来,基于DEM的分布式水文模型在对流域地形分析及水系构建等方面形成了比较成熟的算法。利用ArcGIS、Global Mapper软件对数据资料进行预处理,然后采用WMS水文模型的TOPAZ算法生成研究区河网水系、确定研究区流域边界并进行子流域的划分,最终生成研究区数字流域。采用WMS嵌入的HEC-1模型进行流域降雨产流模拟。结果显示:流域逐日地表径流随降雨的变化而变化,并表现一定的滞后效应;模拟的径流量最大峰值(9.37m3/s)与水文站实测峰值(8.98m3/s)误差为7.80%;模拟日期内(一个月)逐日平均径流量(3.56m3/s)与实测值(3.77m3/s)误差为5.60%。说明该模型具有较高的模拟精度,可以用于大石河流域的降雨径流模拟,从而可为该流域防洪、减灾及水资源管理提供重要依据。     

BTOPMC模型参数敏感性分析及应用

根据改进的Morris筛选法对BTOPMC模型进行参数敏感性分析,辨析出影响淮河流域史河上游黄泥庄水文站以上集水区径流模拟结果精度的主要参数因子:导水率衰退因子m、糙率系数n0、土壤脱水函数系数alpha.在16 a的逐日模拟中,1982-1987年为模型率定期,2001-2010年为模型的验证期,模拟结果显示,径流总量比值在率定期和验证期都大于99％,Nash效率系数高于0.75,BTOPMC模型模拟结果良好.     

开都河径流年内分配特征研究

以开都河大山口水文站1956—2006年逐月径流量数据为基本资料,采用Mann-Kendall法和小波分析法将径流划分为水文变化特征相似的6个时段,然后计算各个时段年内分配不均匀系数、集中度(期)、变化幅度和月(季)百分比等多个指标,分析开都河径流年内分配特征。结果表明,开都河来水年内变化较大,历年年内径流分配很不均匀;年内径流主要集中于6—8月份,特枯月为2—3月份;年内径流分配主要受气温变化和高山融雪的影响。     

穆棱河流域河流最小生态径流研究

基于穆棱河流域中游主要控制站—梨树镇水文站1963-2017年逐月天然径流资料,引入频率比例法对含零值径流序列进行频率计算,采用7Q10法(90%保证率最枯月平均径流量、近10年最枯月平均径流量)、非零次最小值法、频率排位法、改进年内展布计算法计算了梨树镇水文站测验断面的最小生态径流,借助Tennant法对上述计算结果进行评价,结合实测径流资料,分析了最小生态径流满足情况及流域上游水利工程建设带来的可能影响。结果表明:穆棱河各月径流分布呈"双峰"型;本次推荐的年内展布计算法计算的最小生态径流过程可使河流在丰水期处于"中"、枯水期处于"好"流量状态,对维持河流生境稳定和生态健康更有利;实测来水条件下的枯水期最小生态径流满足情况明显好于天然的,近10年河流生境条件较好;P=95%来水年,河流径流长期小于最小生态径流;奋斗水库建成后,各典型年下仅各别月份的最小生态径流不能保证,但缺水量相对较少。研究成果对推动穆棱河流域河流水生态保护工作有一定的指导意义。     

CMADS与传统气象站数据驱动下的SWAT模型模拟效果评价——以苦水河流域为例

为探究传统气象站数据和中国大气同化数据集(CMADS)驱动下的SWAT模型在气象站稀缺的干旱流域径流模拟效果,分别利用上述两种气象数据驱动宁夏苦水河流域SWAT模型,并以水文站实测月径流资料对模型进行了参数率定及验证。结果表明:率定期(2008-2012年)CMADS和常规气象数据支撑下的模型纳什系数分别为0.846和0.642,决定系数分别为0.741和0.597;验证期(2013-2016年)模型纳什系数分别为0.816和0.619,决定系数分别为0.752和0.628,即CMADS驱动的模拟精度高于传统气象站数据的模拟精度,CMADS可为缺少气象数据的区域建立SWAT模型提供数据支撑和精度保证。     

基于VIC模型与SWAT模型的径流模拟对比研究

首先对VIC模型与SWAT模型进行了简介,然后将两个模型应用到湖北省白莲河流域,探讨其在中小流域尺度的径流模拟中的适用性,同时进行径流模拟的对比研究.利用白莲河流域的水文气象数据、DEM数据、植被类型和土壤类型等资料,经过数据的收集整理建立白莲河流域的VIC模型与SWAT模型.采用1995-1999年汛期(4-10月)作为模型参数的率定期,2002-2004年汛期(4-10月)作为模型参数的检验期.研究结果表明:两个模型基本能够反映白莲河流域的日径流水文过程,具有一定的适用性.     

基于改进集对分析的新疆黄水沟年径流预测

本文提出了以几何形式表示集对的G-SPA模型,该模型以向量之间的夹角、相关系数、欧式距离以及向量的模为指标对径流集合建立对应的指标集合,将指标集合的相似度作为判断径流集合相似度的依据,其优点是不仅考虑了径流大小的相似性,而且考虑了径流变化趋势的相似性.将G-SPA预测模型应用于新疆黄水沟年径流量预测中,并分别与GRNN神经网络模型以及AR(2)模型的预测结果进行了对比.结果表明:G-SPA模型预测的平均相对误差为7.42％,预测结果优于GRNN模型和AR(2)模型.     

大沽河梯级拦河坝洪水可利用量调算

本文通过分析大沽河干流洪水资源特征及流域内降雨与区域内南村水文站年径流的相关关系,研究大沽河流域降雨径流关系规律,再根据相应典型年的来水情况和拦河闸坝的库容以及引调水情况逐级调算不同情况下的可利用水量.     

基于VMD-PSR-BNN模型的月径流预测方法研究

径流过程是地球上水文循环中的关键一环，科学准确地预测月径流的来水量对于流域的水量调度、水资源规划及管理具有十分重要的意义。然而由于径流过程的复杂性以及人类活动的影响，在变化环境中精准捕捉月径流时间序列的变化规律变得十分困难。针对月径流时间序列预测中存在的对于样本数据中先验信息识别不够彻底以及对时间步长嵌入维度难以有效地自适应选取这两点问题，设计了基于VMD-PSR-BNN的月径流时间序列预测模型。基于变分模态分解（VMD）算法对噪声良好的鲁棒性和对时序信号精确分解的特性，将月径流时间序列视为一种时序信号，利用VMD方法将月径流时间序列分解为多个相对平稳的固有模态函数（IMF），再基于相空间重构（PSR）理论对各个IMF分别进行重构，对各个重构后的IMF分别采用基于变分推理的贝叶斯神经网络（BNN）进行预测，最后将各个BNN的预测结果进行聚合重构得到月径流时间序列的最终预测结果。选取渭河流域咸阳和华县两个水文站1953-2018年的月径流时间序列进行实例分析。结果表明：VMD对月径流时间序列具有很好的分解效果，两个水文站基于VMD-PSR-BNN模型的月径流预测结果均可达到水文预报的甲级...