河道洪水预报实时校正理论与方法研究

摘要

在动态模拟的思维模式下，采用卡尔曼滤波技术和糙率自动校正两种途径，对水力学模型实时校正方法进行了研究。两种途径都取得了明显改进短时段洪水预报精度的效果。 对于卡尔曼滤波技术，当采用观测变量作为状态向量时，由于状态向量与观测向量完全同形，故这一结构制约了校正的空间和弹性，使提高预报精度的幅度受到了限制；当采用糙率作为状态向量时，状态空间方程采用随机游动型，观测向量采用实测水位和流量，由于此时观测方程为状态向量的复杂隐函数，为此导出了显式、隐式差分格式条件下的显式表达方式，试验表明，由于这种模型结构的特殊性，糙率的微小波动会在水位、流量过程计算中明显放大，故滤波器难以稳定；当采用反映观测变量和系统参数(糙率等)的综合性变量作为状态向量时，其结构简洁，滤波方便，试验表明，这一实时校正途径具有深入研究和应用的价值。所提出的糙率自动校正法，是一种引入糙率校正机制、利用误差信息自动修正糙率参数、将水力学模型改造为动态参数模型的实时校正法，该方法不改变水力学模型算法结构体系，方法简单，效果稳定，也具有深入研究和推广应用的价值。 此外，还提出实时校正“指数函数衰减”新方法，开发研制了多种交互分析校正模式。在概括相关图数学模型通式的基础上，开发了相关图建模系统和相关图模型动态预报系统，实现了相关图模型建模标准化、交互校正规范化、实时预报动态化的目标。

目录

文摘

英文文摘

前言

声明

第一章绪论

1.1实时洪水预报研究的意义

1.2国内外研究进展

1.2.1洪水预报理论综述

1.2.2实时洪水预报研究现状

1.2.3洪水预报研究途径述评

1.3论文的研究思路

1.3.1技术路线

1.3.2重点和难点

1.3.3主要研究内容

第二章实时校正理论与方法

2.1概述

2.2实时校正方法的分类

2.2.1现行分类方法

2.2.2新的分类方法

2.3常用实时校正方法

2.3.1经验类校正法

2.3.2系统类校正法

2.3.3统计类校正法

2.3.4交互类校正法

2.4实用新方法研究

2.4.1指数函数衰减法

2.4.2交互校正模式

2.5 小结

第三章相关图实时预报

3.1概述

3.2相关图数学模型

3.2.1相关图的数学表达

3.2.2洪峰相关图模型

3.2.3过程相关图模型

3.3相关图实时校正

3.3.1自动校正

3.3.2交互校正

3.4相关图实时预报系统

3.4.1相关图建模系统

3.4.2相关图实时预报系统

3.5应用实例

3.5.1试验河段及基本情况

3.5.2方案因子及组合形式

3.5.3相关线的合理性分析

3.5.4几点体会

3.6 小结

第四章一维水力学模型实时校正理论与方法

4.1问题的提出

4.1.1一维水力学模型应用于洪水预报的现状

4.1.2一维水力学模型实时校正的研究现状

4.1.3本文采用的研究途径

4.2基础模型及研究河段

4.2.1基本微分方程

4.2.2差分格式及差分方程

4.2.3研究河段及基本资料

4.3以观测变量为状态向量的卡尔曼滤波

4.3.1状态空间方程的建立

4.3.2正规卡尔曼滤波

4.3.3常增益和增益直接加权法

4.4以糙率为状态向量的卡尔曼滤波

4.4.1滤波方程的建立

4.4.2滤波试验

4.5以综合变量为状态向量的卡尔曼滤波

4.5.1状态空间方程的建立

4.5.2滤波试验

4.5.3多步预测

4.6糙率自动校正法

4.6.1糙率敏感性试验

4.6.2算法原理

4.6.3一步外推预报

4.6.4多步外推预报

4.7小结

第五章结论与展望

5.1主要研究成果

5.2主要创新点

5.3进一步研究建议

参考文献

攻读博士学位期间发表论文

致谢