引汉济渭工程调水区月径流预报模型研究

针对各预报模型预报结果精度评价不统一的现状,考虑径流具有非线性、突变及非平稳性等特点,本文构建了包含均方根误差(RMSE)、平均绝对百分误差(MAPE)和Nash效率系数(NSE)三项指标的综合评价系统,对自回归滑动平均模型(ARMA)、人工神经网络模型(ANN)和支持向量机模型(SVM)在径流汛期和非汛期内进行了预报精度评价。结果表明:①单一评价指标下,ARMA模型与SVM模型预报结果精度相近,而综合评价系统表明,SVM模型预报精度优于ARMA模型;②三种模型在非汛期预报精度均高于汛期预报精度,SVM预报效果均最好。将径流进行分割后预报,预报精度可提高。本研究获得了可靠性和精度较高的月径流预报模型,可为工程水资源高效配置提供理论和技术支撑。

西北旱区水文水资源科技进展与发展趋势

西北旱区水资源短缺,生态环境脆弱,严重制约了社会经济可持续发展和生态环境良性循环。尤其是在变化环境下,全球气候变暖加快了冰川融化速率,西北旱区的水文要素和水资源都发生了剧烈变化。因此,综述西北旱区水文水资源科技进展与发展趋势具有重要的意义。本文在大量查阅国内外水文和水资源科技研究文献的基础上,简述了西北旱区水文水资源特点和存在问题,对水文水资源科技进展进行了较系统总结;同时,指出了旱区水文水资源科技的发展趋势,可为进一步研究旱区水文水资源关键学科问题和关键技术提供有益参考。

基于多种混合模型的径流预测研究

变化环境下径流的波动不断加大,给径流的精准预报带来新的挑战。基于“分解-合成”策略的混合径流预报模型来提高预报精度是当前研究的热点之一。以往研究聚焦在单一的混合预报模型而忽视了它们的适用性研究。基于此,以渭河流域为例,在优选多元线性回归(MLR)、人工神经网络(ANN)和支持向量机(SVM)单一预报模型的基础上,分别基于经验模态分解(EMD)、集合经验模态分解(EEMD)和小波分解(WD)构建了多种混合模型,并融合了大气环流异常因子的信息。结果表明:(1)SVM模型预测精度高于ANN和MLR;(2)混合预测模型预测精度均高于单一模型,混合模型中WD-SVM的预测精度优于EMD-SVM和EEMD-SVM;(3)融合大气环流异常因子后WD-SVM模型预测精度最高,对极值预报精度的提高较为明显。

融合大气环流异常因子的径流预报研究

径流预报对区域水资源开发与管理具有重要的作用,当前的研究主要聚焦在先进的算法而忽视了丰富预报因子对提高径流预报精度的贡献。本研究以泾河径流为例,将遗传算法(GA)和回归支持向量机模型耦合,建立了改进的支持向量机回归模型(GA-SVR)。预报变量在常规预报因子(降雨与蒸发)的基础上增加了对径流影响较强的大气环流异常因子。结果表明,预测变量未含大气环流异常因子的情况下,GA-SVR模型的预测精度和泛化能力皆优于神经网络模型(ANN);考虑大气环流异常因子后,GA-SVR模型预测精度进一步提高。由此说明,SVR模型耦合GA后可提高月径流的预报精度,考虑大气环流异常因子后其预测精度可进一步提高。