基于GS的二维水质网格计算

以数字西江水质预警预报系统为研究背景，对西江干道进行了数字化、河道贴体网格生成，以GIS数据为基础,进行一维恒定流方程组和二维水质模型计算，并且实现浓度场在GIS平台上的可视化。这种基于GIS的二维水质模型网格计算为水质的时空模拟和预测提供了一条新的途径；同时，也可以为水环境保护者在管理和决策时提供有利的支持。     

基于GS的数字西江水质预警预报

数字西江水质预警预报系统是一个以地理信息系统（GIS）和数据库管理系统（DBMS）为开发平台，面向管理和决策层的可视化动态信息系统，采用集成GIS组件和水量水质数值模型的耦合方式。本系统一方面建立基于GIS的水环境评价、水环境容量计算和污染物总量控制；另一方面在发生水污染突发事故后，能够快速预报污染物向下游的扩散时间、扩散面积、确定污染范围、污染程度及对下游取水口等所造成的影响，为决策部门提供决策支持。     

基于GIS的数字西江水质预警预报系统设计和应用

数字西江水质预警预报系统是一个以地理信息系统（GIS）和数据库管理系统（DBMS）为开发平台，面向管理和决策层的可视化动态信息系统，采用集成GIS组件和水量水质数值模型的耦合方式。本系统一方面建立基于GIS的水环境评价、水环境容量计算和污染物总量控制。另一方面在发生水污染突发事故后，能够快速预报污染物向下游的扩散时间、扩散面积、确定污染范围、污染程度及对下游取水口等所造成的影响，为决策部门提供决策支持。     

西江高要站中低洪水预报精度改进探讨

简述了西江高要站中低洪水预报的意义，对如何提高西江高要站中低洪水预报精度进行了探讨。     

数字水环境管理系统和数字水质预

将先进的地理信息系统技术、计算机技术、遥感技术和河流大比例尺数字化地图与水环境管理问题相结合，阐明了数字水环境管理系统和数字水质预警预报系统的GIS模块、专业模块、中间件技术及其他模块的组建技术，论述了基于GIS的“用户交互界面—业务逻辑—数据服务”三层结构体系，并结合西江广东段设计、建模、开发出数字水环境管理系统和数字水质预警预报系统。将基于GIS的信息管理系统应用于水环境部门管理工作，对提高我国水环境管理工作的现代化具有重要意义。     

水质数值模型与组件GS的集成研

将地理信息系统与水质数值模型通过完全整合的方式进行集成，不仅为水质预警预报提供了实现基础，同时也为进一步开发专业数值模型的实际应用潜力、解决实际应用需求提供了一种思路。本文讨论了水质数值模型和组件式GIS的集成方式，提出了基于分布式“水质预警预报系统”的实现架构，并介绍了在该架构下的集成流程，以及实现的专题模块。     

澎溪河流域面源污染预报预警平台

基于流域“空-地-水”一体化模型体系与多层次协同架构,提出了澎溪河流域面源污染预报预警平台技术体系,建立了澎溪河流域面源污染预报预警平台,平台通过自动收集并处理气象数据等,在控制中心驱动下调用气象模型、陆地模型、水动力模型和水质模型,实现未来3～15 d陆面产流以及TN、TP、NH3-N等污染物通量的逐时预报,可自动对突发污染风险进行预报预警,为流域智慧化管理和面源污染综合治理提供技术支撑。     

平面二维高精度水质输移数学模型及其应用

在平面二维三角形网格有限体积法求解水流模型的基础上,建立了高精度水质输移数学模型,并用具有解析解的对流输移经典算例对模型进行了验证,结果表明该模型具有守恒性好,精度高等优点。最后将该模型应用于钱塘江河口上游突发性水污染事故的动态模拟,对突发事故的影响范围、程度、时间作出了定量预报,评估了突发事故对饮用水源地取水口水质的影响,为钱塘江河口上游水域突发性水环境污染事故的应急预案提供指导。     

建立与应用积分数学模型分析给水

合格的出厂水在经过给水管网输送到用户的过程中，水质会出现不同程度的下降，这就使用户处的水质难以保证，为了使用户的水质更安全，需要对管网中各处的水质进行综合分析判断。建立了两种评价多因子水质的积分数学模型，模型充分考虑到了各个评价因子对水质的不同影响。基于该模型，可以在管网各个水质因子的实际监测值与水的质量之间建立直接关系，使抽象的水质评价结果量化，把管网水质的监测数据转化成定性的结论。模型的计算结果能体现出水质的等级状况。     

汾河灌区土壤墒情预报方法初步研

土壤墒情预报是了解农田土壤水分动态变化规律，调控土壤水分状况最有效的方法。本文依据山西省汾河灌区三站多年冬小麦与夏玉米生育期土壤含水量实测资料及相应气象资料建立了土壤墒情预报的经验模型和消退指数模型，并对两种模型进行了检验。结果表明，上述两种模型均能满足预报精度要求，但消退指数模型的精度比经验模型更高。     

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。     

灌溉预报技术研究与应用

在目前水资源紧缺、农业供水形势日益严峻灌溉管理水平低的情况下，根据农田土壤水量平衡原理，建立灌溉预报模型，利用Visual Basic编制了灌溉预报程序，以期能够对农田用水进行动态管理。并且采用本研究成果，结合实际对灌溉预报模型进行了应用验证，验证结果表明，其预报精确度较高，实现了作物适时适量灌溉。随着科学研究的不断深入，对水资源科学合理配置和可持续开发利用将发挥重要作用。     

基于遗忘因子和误差修正的水文实

在进行水文预报时，由于影响河道洪水的因素众多，常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力，以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息，对BP网络洪水实时预报校正模型与方法进行了探讨，提出了两种实时预报方法。第一：运用最小二乘递推算法，引入时变遗忘因子实时跟踪模型中时变参数的变化，建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二：利用BP网络模型对误差的可识别性，将模型对输出变量的预报误差再次作为输出变量，对网络可能预报的误差进行实时修正。计算实例表明：以上两种方法提高了神经网络在水文领域的预报精度，给BP神经网络的实时预报方法提供了新的途径。     

灌区实时灌溉预报模型研究

针对目前灌区灌溉预报存在的问题，考虑灌区土壤水分和影响土壤水分变化的因子的空间变异性以及预报的实时性，提出了灌区实时灌溉预报模型。以江苏省某灌区为例，对灌区实时灌溉预报模型进行了验证。结果表明，预报精度和应用性得到了较好的统一。     

基于HydroGeoSphere的河谷地区地表水地下水水流水质联合模拟

在一个流域内,地表水地下水常常存在着密切的水力联系,尤其是在河谷地区。把一个流域内地表水地下水分开进行研究,会使二者的相互联系得不到切合实际的表达。为了解决以往数学模拟模型无法综合考虑地表水地下水在水量水质相互联系这一问题,以河谷地区为原型建立假想例,通过采用双重节点耦合法将地表水模型和地下水模型耦合,建立地表水地下水水流联合模拟模型。在此基础上,使用Fick定律描述地表水与地下水之间的溶质交换过程,建立地表水地下水水质联合模拟模型。开发应用HydroGeoSphere软件对构建的联合模拟模型进行求解,预报未来120d研究区内水流和总氮的变化特征。结果表明,研究区地表水地下水补排关系为地表水补给地下水,大量开采地下水会使河口流量减少;随地下水开采量增加,地下水污染加重。     

基于DNA遗传算法的大坝安全组合

大坝安全的组合优化监控模型实际上为一带约束的优化问题，将DNA遗传算法应用于大坝安全监控领域中，用罚函数法将有约束的优化问题转换为无约束的优化问题，建立了大坝安全监控的组合优化模型。实例计算表明，该方法是可行的，所建立的组合优化模型在拟合与预报精度上要优于单一的模型。     

河流随机水质预测模型及其应用

在分析河流域污染特点的基础上，建立了一个二维随机水质数学模型，该水质模型把一维水质随机降解模型和二维迁移扩散模型相结合，同时考虑了各水质参数K1，K2，K3和河道横向扩散系数Dy的随机性影响，该模型适用于各种水力复杂条件和排污范围的水体，对于平面二维的任一个计算点，它都能给出该点水质浓度随机变化的概率分布，用该模型对三峡建库后的香溪河库湾水质进行预测，其成果可为三峡库区水环境保护及规划治理提供设计数据。     

基于多模型融合的中期径流预报

为提高流域中期径流预报精度，提出了一种基于机器学习的多模型融合的中期径流预报方法，并应用于桓仁水库流域。首先采用BP神经网络（BP）、多元线性回归（MLR）、支持向量机（SVM）构建旬尺度的单一径流预报模型；再基于信息熵和机器学习方法对上述单一模型的结果进行融合，分别建立基于信息熵、BP神经网络、SVM的信息融合预报模型；进一步考虑融雪影响，构建春汛期旬径流预报模型。引入平均绝对误差（MAE）、均方根误差（RMSE）和预报合格率（QR）三个误差评价指标，综合评定各模型在汛期和非汛期的径流预报精度。结果表明：(1)所有模型对径流变化趋势的模拟效果相对较好，单一模型对峰值的模拟表现较差；(2)基于机器学习算法的融合模型能很好结合不同预报模型的优势，模拟精度优于各单一预报模型和基于信息熵的融合模型，共提高汛期10个旬的径流预报精度，且将6个旬的预报合格率提升至100%，预报合格率的最大提升率达到24%；(3)考虑融雪影响的旬径流预报模型在3月和4月的预报合格率均在90%以上，提高了流域的非汛期径流预报能力。研究提出的基于机器学习的信息融合预报方法可得到准确性和可靠性较高的径流预报模型，为桓仁...     

径流多时间尺度预报方法对比分析

径流预报在水资源综合开发利用、科学管理、优化调度等方面起着至关重要的作用。针对不同预报方法预报精度存在差异的问题,本文选用多元线性回归模型（MVLR）、灰色动态GM（1,N）模型、人工神经网络模型（ANN）分别对宜昌水文站日、月、汛期、非汛期流量进行模拟与比较分析,并在此基础上建立组合预报模型（CP）。结果表明：ANN模型预报精度相对较高,预报效果总体优于MVLR、GM（1,N）两种模型;CP模型能够降低预报的风险,但预报合格率略有下降;各模型日尺度流量预报精度高于月尺度,非汛期预报精度高于汛期。     

基于小波-ANFS的水库年径流组合

提出了一种基于小波-ANFIS的水库年径流组合预报模型。利用Mallat算法对年径流序列进行多尺度分解,得到对应尺度下的低频信号和高频信号;分别对低频信号和高频信号建立ANFIS模型进行预报,将各模型预报结果叠加作为原径流的预报值。将该模型用于昭平台水库年径流预报中,通过与单一ANFIS模型预报结果的对比分析,验证了小波-ANFIS水库年径流预报模型的有效性。