径流预报

摘要： 准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用AdaBoost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用置换准确度重要性度量法从130项气象-气候因子及前期降雨/流量构建的1 562个因子变量中筛选出影响各月径流的关键因子,构建了基于AdB、RF和SVM模型的各月径流预报模型,模型参数采用随机搜索技术并结合交叉验证方式确定。采用变幅误差合格率和等级(五级)预报合格率指标对模型的预报精度进行了评估。变幅误差合格率指标表明,王家坝12个月的平均合格率分别为99.8%(AdB)、96.6%(RF)和95.9%(SVM),蚌埠站分别为100%(AdB)、94.8%(RF)和93.8%(SVM);等级预报合格率指标表明,王家坝12个月的平均合格率分别为79.0%(AdB)、76.4%(RF)和79.9%(SVM),蚌埠站分别为81.0%(AdB)、75.6%(RF)和76.6%(SVM)。模型均具有较好的预报效果,但RF和SVM模型对于高流量值的预报存在偏低现象,AdB模型整体上优于RF和SVM模型。

摘要： 为优化流域径流预报方案,引入数值降雨预报信息,对比分析了不同预见期下新安江-融雪径流预报模型(XAJ-DDF)、基于总误差分析途径的概率预报模型(HUP)、多因子最近邻抽样回归模型(NNBR)在大渡河上游丹巴断面的日径流预报精度。结果表明,汛期,HUP模型表现最优且稳定,3、7 d预见期NS分别大于0.9、0.7,且伴随推荐值Q_(50)的90%置信区间信息为决策人员明晰洪水风险提供依据;枯期,多因子NNBR模型预报精度最高,对退水特征把握更准确。通过模型对比,可进一步提升流域预报水平,为同类研究提供应用参考。

摘要： 为解决径流预测模型存在的预测精确度低、稳定性差、延时高等问题,结合门控制循环单元神经网络(gated recurrent unit,GRU),集合经验模态分解(ensemble empirical mode decomposition,EEMD)的各自优点,提出一种基于改进EEMD方法的深度学习模型(EEMD-GRU)。该模型首先以智能算法对径流信号进行边界拓延,以解决EEMD边界效应。然后利用改进EEMD方法将径流信号分解为若干稳态分量,将各分量作为GRU模型的输入并对其进行预测。实验结果表明,与结合了经验模态分解的支持向量回归模型相比,并行EEMDGRU径流预测模型的预测精准度、可信度和效率分别提高82.50%、144.67%和95.49%。基于EEMD-GRU的最优运算结果表明,该方法可进一步减少区域防洪的经济损失,提高灾害监管的工作效率。

摘要： 揭示降水不确定性在水文过程中的传递特征是气象水文耦合预报研究的关键环节,可为进一步加强流域水资源管理、提高农业灌溉保障能力提供有力支撑。利用TIGGE资料中心CMA、CMC、ECMWF、NCEP和UKMO 5个模式降水集合预报(127个集合成员)驱动分布式新安江模型,生成2010-2013年涪江流域汛期径流集合预报。在此基础上,从精度和锐度两个方面,定量分析降水不确定性在水文过程的传递特征及其随预见期的变化规律。结果表明,降水预报经过水文过程后,其精度和锐度在不同年份、不同预见期均大幅提升。但随着预见期的延长,对精度的改进效果逐渐减小,而对锐度的改进效果则不断增大。

摘要： 精细化、时效长的雨量和径流预报能够为水库的防汛抗旱、水土保持以及持续化发展提供重要决策依据。滩坑流域水文气象服务系统通过对滩坑流域DEM、土地利用和土壤等信息进行数字化提取,利用历史降水和径流序列进行参数率定,构建SWAT水文模型,再以雷达、中尺度气象站的流域实况监测数据、多模式集成的雨量预报等精细化格点序列作为初始场,驱动SWAT模型,形成流域入库径流逐日预报产品。再结合Html5、GIS技术为滩坑水电站建立适用于PAD端、手机端、电脑端的水文气象服务系统。本系统实现流域雨量实况、0~14 d不同时段流域面雨量预报、客观面雨量预报评估以及逐日流域入库径流预报等产品的实时展示,该系统自研发应用以来,取得良好的效果。通过分析2017年6月中旬和2019年6月下旬2次大洪水过程,该系统流域面雨量和径流预报时效为14 d,有效洪水预见期达1周以上,大大提高水库流域洪涝灾害的预报能力,为滩坑水电站的生产调度和防洪防汛提供有效的决策支持。

摘要： 本文考虑预报发生时的外界环境差异性及不同预报情景下预报误差的不同,根据降雨情况、预见期等关键影响因子的不同,实现了预报情景的划分,并进一步基于历史预报误差数据实现了不同情景下相对预报误差分布规律以及90%置信度下置信区间的推求。并基于变分模式分解和长短期记忆神经网络模型,建立了考虑预报误差和预报情景的多维、多属性径流预报校正方法,通过三峡水库实例分析发现,入库径流预报的平均相对误差由实际的8.32%降低为6.36%,减少幅度达到23.6%。此外,平均绝对误差、均方根误差及确定性系数等其他指标都得到了不同程度的改善。说明本文的方法可增加校正模型的有效信息输入,从而提高径流预报模型精度。

摘要： 为缓解不同地区、不同部门间不断加剧的水量供需矛盾,有必要设计开发一套水量优化调度系统。该系统通过径流预报、可供水量计算及需水预测等,并结合实际业务需求建立水量优化调度模型,进行水量合理分配。此系统已在福建省长泰枋洋水利枢纽得到应用,可为水资源优化配置与优化调度提供依据。

摘要： 定量分析短期径流预报序列的不确定性特征,对于提高水库短期运行计划的可靠性具有重要意义。针对常用多元椭圆Copula或阿基米德Copula难以有效刻画短期径流预报不确定性特征的问题,本文引入了Vine Copula对不同径流量级及不同预见期下预报不确定性进行定量评估,进而分析了先验信息对于后续时段预报不确定性的影响。以雅砻江流域锦西水库为例进行验证,结果表明:相较于传统多元Copula函数,Vine Copula构建的相对预报误差联合分布均能通过假设检验且拟合效果最好,模拟结果的统计量与实测数据相差较小;通过利用调度期内已经发生的相对预报误差信息,可以有效减小后续时段相对预报误差期望值及90%置信水平分位距,降低预报的不确定性。

摘要： 为提高径流预报的精度,以嘉陵江流域北碚水文站为例,选取1979~2019年径流资料,对比分析月径流预报多种建模方法的预报性能。选择时间序列法作为单变量预报模型的方法,随机森林、BP神经网络和多元线性回归作为多变量预报模型的方法,并应用时变权重进行组合预报,对比单变量与多变量、单一与组合模型预报结果。结果表明:①多变量预报模型预报效果更优,与时间序列模型相比,其平均绝对百分比误差减少约20%;②随机森林与BP神经网络这两种机器学习方法在单一模型中具有更好的预测能力;③时变权重组合预报方法能有效结合单一模型的优点,进一步提高预报精度。研究成果可为中长期径流预报的建模策略制定提供参考。

摘要： 为提高径流时间序列多步预报精度,建立了小波包变换(WPT)-猎人猎物优化(HPO)算法-极限学习机(ELM)相融合的径流时间序列多步预报模型,并应用于云南省南康河水文站月径流和日径流时间序列多步预报。引入HPO算法原理,在不同维度条件下选取6个典型函数对HPO进行仿真验证;利用2层WPT将径流时序数据分解为4个子序列分量,达到降低径流序列数据复杂性和不平稳性的目的;采用HPO优化ELM输入层权值和隐含层偏值,建立WPT-HPO-ELM模型对实例月径流和日径流进行多步预报。结果表明:HPO算法具有较好的寻优精度和全局搜索能力;WPT-HPO-ELM模型对预见期为1~3个月的月径流具有理想的预报效果,预报的平均绝对百分比误差≤2.43%,合格率≥99.2%,确定性系数≥0.999;对预见期为4~6个月的月径流具有较好的预报效果,预报的平均绝对百分比误差≤15.0%,合格率≥73.3%,确定性系数≥0.991;当预见期≥7个月时,预报效果较差。对预见期为1~3 d的日径流具有理想的预报效果,预报的平均绝对百分比误差≤1.23%,合格率为100%,确定性系数≥0.999;对预见期为4~7 d的日径流具有较好的预报效果,预报的平均绝对百分比误差≤15.3%,合格率≥73.0%,确定性系数≥0.947;当预见期≥8 d时,预报效果较差。WPT-HPO-ELM模型能充分发挥WPT、HPO和ELM的优势,表现出较高的预报精度和稳定性能,预报误差随着预见期的增加而增大,该模型及方法可为径流时间序列多步预报提供新途径。

摘要： 影响中长期径流的因素众多,从众多的影响因素中选择合适的因子至关重要.目前,常用的筛选因子方法主要是相关分析法,这种方法选出的因子相互之间存在复共线性.如果直接把这些因子作为模型的输入,会使模型参数增加,且过多的冗余和噪声会对模型预报结果产生不利影响.本文提出了互信息和核主成分分析驱动的Elman神经网络径流预报方法.该方法利用互信息筛选因子,使用核主成分分析提取筛选的因子的特征,然后将提取的特征输入Elman神经网络.利用锦屏一级水电站2007-2011年的年平均径流数据对该方法进行评估,多次预报的最大相对误差都在16％以内,预报效果良好.对多次预报结果取平均值,预报的精度进一步提高.

摘要： 受天气系统和流域下垫面系统综合作用的影响,径流过程具有高度的非线性特征.针对径流时间序列强相关性和复杂特性,本文综合运用小波变换、混沌理论和神经网络非线性理论对水文时间序列进行分析和预测.首先通过小波变换对月径流序列进行消噪处理,然后推求出大于零的李雅普诺夫指数,证实了宜昌站的月径流序列具有混沌特性,为此引入混沌理论中的相空间重构方法计算出宜昌站1882～2008年月径流序列的最佳延迟时间和饱和嵌入维数,进而以相空间重构后的时间序列作为神经网络的输入进行网络训练得到最佳的混沌神经网络径流预报模型.实例研究结果表明,该模型能较好地处理复杂非线性径流序列,预测精度高,具有实际工程应用价值.

摘要： 本文介绍了中荷合作建立黄河黑河子流域和莱茵河塞格子流域降雨径流预报模型项目背景、内容及技术路线。重点介绍了半分布式HBV水文预报模型和新安江模型,并对项目的开展进行了展望。

摘要： 水库常规调度图按时段出水位确定该时段出力(或出流)决策一般不考虑径流预报,但在水库实际调度中则可利用入库径流预报来提高水库的运行效率.本文基于水库两阶段优化问题,在分析目标函数单调性的基础上,将两阶段优化的理论应用于水库调度图中,并以三峡水库为研究背景,按照原设计调度图和两天预报结果,进行水库调度的优化运行.结果表明:较原模拟结果,优化后可增加年均发电量19.47亿KW·h,显著提高了水库的运行效益.

摘要： 本文主要针对龙头水库投运前,阿海水电站单独运行以及与金安桥联合运行的问题, 建立短期水库发电调度模型。选择丰、平、枯三种不同典型年的来水过程以及随机模拟生成的大量来水过程进行发电调度计算,归纳出阿海水电站单独发电运行以及与金安桥联合发电运行方案及调度规则。结合径流预报利用该规则进行模拟调度计算,其中年发电量计算结果与设计值及优化调度计算值进行对比分析,体现该成果对水电站短期发电运行有很好的指导意义。

摘要： 短期洪水预报是澜沧江流域水情测报系统的核心内容,是水库实时优化调度系统 的基础和重要的输入项,在充分调研、分析论证的基础上,系统采用分区三水源新安江DEDNM数字高程模型、马斯京根法河道汇流模式开展短期径流预报,率定的模型经过2007、2008年两个汛期检验,各项指标运行正常,在流域水情测报、工程截流、电站下闸蓄水、水库调度、防洪度汛和短期发电计划编制等工作中发挥了重要作用,其预报模型是首次 在澜沧江流域洪水预报中使用,可为其他梯级流域洪水预报系统建设和运用提供借鉴和参考.

摘要： 本文提出了考虑预报因子权重的径流中长期预报相似关系模糊推理法,为径流中长期预报提供了新的模糊推理方法；将其应用于大伙房水库年径流预报检验。检验结果表明；考虑因子权重的预报精度高于不考虑因子权重(相当于等权重)的预报结果,表明在径流中长期模糊推理预报中,考虑因子权重是必要的。

摘要： 棉花滩水库为了更好的开展水库中长期降水、径流预报及短时面雨量预报研究，与当地的龙岩气象局合作，建立了水情气象综合系统。在棉花滩水库流域增设雨量、气象站点，采集相关雨量、气象信息，建设数据共享平台，在平台上针对棉花滩流域的地形、降水特性开发降雨量预报软件，并结合利用棉花滩水库流域原有的水情自动测报系统采集的雨量水位数据，以及上游水电站人工报汛的数据，进行径流和洪水预报，指导水库调度。

摘要： 通过对500hPa位势高度场大气环流特征与黄河上游龙羊峡、刘家峡两库入库径流的相关分析指出:丰、枯水年1月、2月及前一年12月北半球500hPa位势高度场具有明显的差异;丰水年冬季高纬度极区500hPa位势高度场为负距平区,枯水年为正距平区。通过丰、枯水年500hPa高度场的差异建立了唐乃亥站(龙羊峡入库站)、洮河红旗站(刘家峡入库站)汛期5～10月径流预报方程。

摘要： 通过分析黑河莺落峡站出山径流变化规律,并将年径流系列按照频率25﹪及75﹪为界,划分成3种情况,即多水年x>55.0,中水年42.1≤x≤55.0,小水年x<42.1。计算其状态转移概率得出:年径流过程从某一状态转移至其他状态的可能性都有,但其转移概率的最大值达81.8﹪。由此可知,年径流的变化过程不仅有随机性,而且有很强的相依性。通过建立前期大气环流因子与年平均流量的预报模型和建立年平均流量的时间序列组合模型,其逐年预报的精度较高,经过误差评定分析,两个模型均为甲级方案,检验预报时性能较稳定。

摘要： 本发明涉及一种基于分布式水文径流模拟替代模型的径流滚动预报方法，包括：(1)对分布式水文模型中的格点按径流特征进行聚类，获取流域的代表单元；(2)基于所确定的流域代表单元的格点径流、分布式水文模型得到的站点模拟径流、以及长短记忆神经网络LSTM构造分布式水文径流模拟替代模型；(3)利用分布式水文径流模拟替代模型对研究区域进行径流滚动预报。本发明方法基于径流特征对流域格点进行分类获得代表单元，并基于LSTM构造替代模型，加速了分布式水文模型的径流模拟速度，显著地缩短了分布式水文模型径流滚动预报所需的时间，极大地节省了分布式水文模型在径流滚动预报时所需的算力。

摘要： 本发明提出了中长期径流的预报因子识别方法、中长期径流的预测方法。该中长期径流的预报因子的识别方法包括：(1)标准化处理；(2)设定预见期，将一系列不同滞后期的标准化后的径流序列Q和气候因子集序列F组成的备选预报因子集合X，并将对应标准化后的径流序列Q作为Lasso回归中的集合Y；(3)给定一个参数λ，交叉验证并计算出预报集合Y’，将集合Y’与集合Y进行对比获得参数λ的第一评价指标；(4)选取M个不同的参数λ，对其第一评价指标进行归一化处理并对其结果相加作为评分；(5)统计每个参数λ的总评分，选出总评分最高的参数λ作为最优参数；(6)根据最优参数在步骤(3)中获得的各个气候因子的回归系数，非零的回归系数对应的气候因子被识别为预报因子。

摘要： 本发明涉及一种基于分布式水文径流模拟替代模型的径流滚动预报方法，包括：(1)对分布式水文模型中的格点按径流特征进行聚类，获取流域的代表单元；(2)基于所确定的流域代表单元的格点径流、分布式水文模型得到的站点模拟径流、以及长短记忆神经网络LSTM构造分布式水文径流模拟替代模型；(3)利用分布式水文径流模拟替代模型对研究区域进行径流滚动预报。本发明方法基于径流特征对流域格点进行分类获得代表单元，并基于LSTM构造替代模型，加速了分布式水文模型的径流模拟速度，显著地缩短了分布式水文模型径流滚动预报所需的时间，极大地节省了分布式水文模型在径流滚动预报时所需的算力。

摘要： 本发明提出了中长期径流的预报因子识别方法、中长期径流的预测方法。该中长期径流的预报因子的识别方法包括：(1)标准化处理；(2)设定预见期，将一系列不同滞后期的标准化后的径流序列Q和气候因子集序列F组成的备选预报因子集合X，并将对应标准化后的径流序列Q作为Lasso回归中的集合Y；(3)给定一个参数λ，交叉验证并计算出预报集合Y’，将集合Y’与集合Y进行对比获得参数λ的第一评价指标；(4)选取M个不同的参数λ，对其第一评价指标进行归一化处理并对其结果相加作为评分；(5)统计每个参数λ的总评分，选出总评分最高的参数λ作为最优参数；(6)根据最优参数在步骤(3)中获得的各个气候因子的回归系数，非零的回归系数对应的气候因子被识别为预报因子。

摘要： 本发明公开了一种考虑不同预报情景下预报难度的径流预报水平评价方法，属于水文预报技术领域，所述方法包括：根据预报难度的影响因素对预报情景进行划分；根据划分的各个预报情景对应的预报径流和实测径流，得到各个预报情景下的相对预报难度系数；根据各个预报情景下的相对预报难度系数对预报人员在对应预报情景下的预报水平进行评定，得到预报人员的综合预报水平评定结果。本发明基于传统的径流预报精度和预报误差，提出了预报难度的概念及其求解方法，并将其耦合到预报人员综合预报水平评定中，能够有效反应不同预报情景下预报难度对于预报人员综合预报水平的贡献大小，从而科学、合理、准确地对预报人员的径流预报水平进行评定。

摘要： 本发明公开了一种利用预报误差开展上游水库群影响下径流预报的方法，包括：收集资料；根据收集的资料，利用已知的水文模型和KNN模型建立调蓄影响量预估模型；结合收集的资料驱动水文模型，以预测未来径流量；获取上一时段预报误差；根据上一时段预报误差，结合调蓄影响量预估模型，获取未来调蓄影响量预估值；将未来径流量与未来调蓄影响量预估值叠加，以获取未来时段的径流预报值。优点是：通过利用上一时刻预报误差可以间接反映水库群蓄放水情况的规律，建立预报误差与水库蓄放水对径流的改变量之间的相关关系，对调蓄影响量预估模型预报结果进行修正，达到不用直接获取上游水库群蓄放水计划，开展水库群影响下径流预报的目的。

摘要： 本发明提供一种径流预报方法及径流预报装置，通过获取待预报时段的属性变量集，按照预设相对误差范围对属性变量集中待预报时段累积降水量进行随机扰动，生成ens个扰动降水量；基于该ens个扰动降水量形成ens个集合样本；获取历史样本集；针对待测样本集中包含的各个集合样本，分别计算其与历史样本集中各历史时段对应的属性变量集之间的相似度；针对每一个集合样本，得到该集合样本的第一预报径流量；最后基于各集合样本的第一预报径流量得到待预报时段的最终预报径流量。充分考虑了径流的连续性，同时对待预报时段的累积降水量进行扰动生成多个集合样本，实现集合预报，在很大程度上降低了由于待预报时段累积降水量预报的不确定性。

摘要： 本发明公开了一种考虑不同预报情景下预报难度的径流预报水平评价方法，属于水文预报技术领域，所述方法包括：根据预报难度的影响因素对预报情景进行划分；根据划分的各个预报情景对应的预报径流和实测径流，得到各个预报情景下的相对预报难度系数；根据各个预报情景下的相对预报难度系数对预报人员在对应预报情景下的预报水平进行评定，得到预报人员的综合预报水平评定结果。本发明基于传统的径流预报精度和预报误差，提出了预报难度的概念及其求解方法，并将其耦合到预报人员综合预报水平评定中，能够有效反应不同预报情景下预报难度对于预报人员综合预报水平的贡献大小，从而科学、合理、准确地对预报人员的径流预报水平进行评定。

摘要： 本发明公开了一种基于降雨径流相似性的自适应径流预报方法，采用数据挖掘技术在历史降雨产流过程中搜索相似过程，预测后期径流最可能的过程线；包括：S1、构建历史降雨、径流样本；S2、降雨、径流关键特征指标识别；S3、基于数据挖掘的降雨、径流相似性动态评价；S4、基于雨洪相似性的径流滚动预测；S5、预报模式自适应切换。本发明既能克服物理驱动径流预报模型参数率定困难的问题，又能突破常规数据驱动径流预报模型预报结果可解释性差的难题，一定程度上突破了径流预报精度低和预见期短的瓶颈，对提高流域水库群精细化管理及精益化调度水平具有重要意义。

摘要： 本发明提供一种基于降雨预报的中长期径流集合预报方法及系统，该方法包括：根据预见期、历史径流数据和所述历史径流数据对应的预报因子，构建目标区域的径流集合预报数据，所述预报因子中的降雨因子是通过对降雨预报数据进行校正后得到的；将所述径流集合预报数据输入到训练好的径流集合预报模型，得到所述目标区域的中长期径流集合预报结果，其中，所述训练好的径流集合预报模型是由样本径流集合预报数据，对多个数据驱动模型进行训练得到的。本发明提升了中长期径流预报精度和可靠度，并且解决了传统中长期径流预报方法仅能产生确定性径流预报结果的问题。