流域水文气象特性分析及径流非线性综合预报研究

摘要

流域水文气象特性分析与径流非线性综合预报是水文学领域两个十分重要的研究课题，是水利工程规划建设、水资源优化配置和人类社会可持续发展的重要条件。我国独特的地理和气候条件造成了水资源时空分布严重不均，此外全球气候变暖和人类活动的强烈影响下，流域水循环过程正在发生深刻改变，加剧了水资源分布的时空变异和不均匀性，尤其是近几十年来大型水利工程的兴建和跨流域调水工程的实施使得流域水文气象过程的形成与演变规律更趋复杂，对流域水文气象特性分析与径流非线性综合预报提出了更高的要求。 本文围绕变化环境下流域自然水循环过程演变规律与水资源优化配置利用中面临的关键技术难题，以长江上游流域为主要研究对象，分析流域水文气象要素时空演变规律，研究流域水文建模与非线性综合预报的先进理论与方法，相关研究成果可以进一步推动水文分析和水文预报在实际工程应用领域的深化与发展。本文的主要研究内容包括以下几个方面： （1）为了研究流域水循环系统各类自然水文气象要素的变化趋势，研究工作以长江上游金沙江流域作为主要研究对象，分析了金沙江流域水循环要素包括气温、降雨量和径流量近37年的季节性和年际变化规律，首次引入新一代变化水平下的滑动平均方法——MASH滑动平均，并结合Mann-Kendall趋势检验、线性回归检验和Sen’s斜率估计分析了流域气象水文过程的年内季节变化和年际变化趋势，进一步分析了流域气象水文要素间的相关关系，研究结果表明MASH滑动平均能够消除周期变动和随机波动对水文气象时间序列的影响，结合多种统计检验方法能够揭示水文气象过程的长期内在变化规律及变化趋势。 （2）概念水文模型结构复杂且参数众多难以确定，如何确定适应于不同流域下垫面异质性的水文模型参数一直是需要研究和解决的难题。针对传统水文模型单目标参数率定方法不能反映流域不同量级径流的内在特性，建立了水文模型多目标参数优化率定与非劣解优选理论与方法，首先引入正交实验设计、混沌遗传算子与第二代快速非支配排序算法相结合，提出了可有效求解非线性多重约束优化问题的多目标智能优化算法，进一步在对HYMOD模型进行多目标参数优化率定的基础上，引入基于投影的改进逼近理想解排序法和香农信息熵理论对Pareto最优解进行评价和排序，以期找到一种能权衡不同径流过程水文特性的综合最优参数方案。研究结果表明所提方法可以获得分布性更好的Pareto最优前沿和精度更高的径流预报结果，可以为水文模型参数优化率定提供一种高效的解决方案，为水库实时防洪调度提供数据支撑。 （3）针对长江上游流域主要站点中长期径流时间序列的非线性和非平稳特征，首先以流域径流非线性动力系统的混沌特征参数辨识为切入点，研究并发现了流域内在特性作用下月径流时间序列动力响应的混沌现象，然后推求了月径流时间序列相空间重构的最佳延迟时间和嵌入维数，在此基础上以重构相空间作为输入变量，引入基于自适应动态阈值的改进Adaboost.RT算法对若干个极限学习机弱学习器进行集成学习并对月径流时间序列进行预报；进一步引入经验小波变换对年径流时间序列进行分解，然后去除分解模态中的高频分量以消除原始径流时间序列的冗余信息，并引入全局收敛性较强的多元宇宙优化算法对神经网络模型进行训练，得到了高精度的年径流时间序列预报模型。实例对比对分析表明本文构建的中长期径流预报模型可以得到同等条件下预报精度更高、泛化能力更强的预报结果，可以为流域水资源优化配置和水库兴利调度提供高精度的中长期径流预报信息。 （4）针对现有确定性水文预报方法无法描述径流预报结果的内在不确定性特征并给出其可能波动范围，提出了一种基于多目标核极限学习机的径流区间预报模型，采用双输出核极限学习机直接预报径流可能取值的上、下边界，并采用正交混沌NSGA-Ⅱ算法对核极限学习机模型的隐层输出权值进行优化，以获得高质量的径流预报区间，进而准确把握预报信息的不确定性特征。实例研究表明多目标径流区间预报模型能够克服单目标区间预报模型惩罚系数难以确定的缺点，同时得到不同置信水平下的径流预报区间，与多目标神经网络径流区间预报模型相比，基于多目标核极限学习机的区间预报模型具有更好的稳定性和泛化性，正交初始化技术和混沌遗传策略能够改进NSGA-II算法的分布性和收敛性能，得到全局收敛能力更强的径流区间预报模型，从而获得可靠性和有效性更高的径流预报区间。

目录

第一个书签之前