基于集合神经网络的水文站洪水预报研究

洪水预报是最有效的降低洪灾影响的策略之一,对于洪水频发的山区来说尤为重要。文章以神经网络与集合预报相结合的思路,选取钱塘江上游山区开化水文站为研究对象,综合考虑洪水成因和模型结构筛选影响因子,在BP神经网络3层结构基础上,尝试扰动神经网络参数初始值,通过简单平均、贝叶斯平均和Stacking平均3种方法构建集合神经网络模型。开化水文站1966—2017年6场洪水模拟分析表明,集合神经网络模型整体表现明显优于单一BP神经网络模型,且集合神经网络(贝叶斯平均)模型模拟效果最佳,合格率均值80.0%~85.0%,确定性系数均值0.91~0.95,可达到甲级预报精度。该模型应用简便,预报效果良好,可为山区小流域洪水预报提供一定的参考。

冰湖溃决洪水演进模拟

以西藏年楚河流域的典型危险性冰湖——黄湖及其下游区域为研究对象,采用二维溃坝洪水演进数值模型,进行了模型的率定和不同工况下的洪水演进模拟。设置了瞬时全部溃决和逐渐溃决2种工况,模拟结果表明:洪水发生后,预计最大淹没面积约为89.25 km2,溃决洪水到达江孜的时间约为33.6 h,江孜处的洪峰流量约为1777 m3/s,大于江孜地区暴雨洪水万年一遇洪峰流量1000 m3/s。根据预测结果做好预警工作,能一定程度上减小灾害损失。本研究的研究结果对于完善江孜地区的潜在危险冰湖数据库和科学制定洪水预警策略具有重要的现实意义。