摘 要: | 收集柳江流域的24个气象站点降雨数据和重要水文站流量数据,采用Pearson相关系数法和Spearman相关系数法对流域不同时间尺度的降雨量和径流深进行相关性分析,并基于遗传算法和粒子群算法,利用支持向量机模型开展多时间尺度的流域降雨径流模拟研究。结果表明:(1)柳江流域年降雨量和年径流深、汛期降雨量和汛期径流深、主汛期降雨量和主汛期径流深表示的相关性基本一致,都有明显的相关性,通过了99%的显著性水平检验。降雨量和径流深的相关性在主汛期最高,汛期次之,枯水期最差,这主要与枯水期径流多依靠水利工程的补水调节作用有关。(2)支持向量机模型在柳江流域的年径流量、汛期径流量和主汛期径流量的模拟中,通过遗传算法和粒子群算法优选出的参数的模拟效果都是相对准确的。在柳江流域年径流量的模拟中,粒子群算法优选的参数得到的支持向量机模型泛化能力更好,而在汛期径流和主汛期径流的模拟中,遗传算法优选的参数得到的支持向量机模型更加平稳。模拟结果可以为柳江流域防灾减灾提供科学依据。
|