基于相似性理论的洪水超前预报预警研究

根据历史上相似的暴雨洪水信息预测未来的洪水演化情势是实现洪水超前预报预警的一种有效途径。提出基于"量""型"相似指标、堆土机距离指标、暴雨分布相似指标的暴雨相似性综合度量方法,在历史场次暴雨中寻找相似暴雨及其对应的洪水过程,再根据暴雨量比值对典型洪水过程进行缩放,以此实现洪水的超前预报预警。根据实际的场次暴雨,生成理想暴雨过程样本序列,验证了所提出的暴雨多指标相似性度量方法的合理性,并以黄河中游窟野河新庙站为研究对象进行了应用。结果表明,提出的基于降雨相似性分析的场次洪水超前预报预警方法效果良好,是可行的。

一种基于混沌理论的“量”-“型”相似预测模型

相空间相似点模型是一种基于混沌理论的预测方法,提出"量"-"型"耦合的相似性识别技术对该方法进行改进。将以欧氏距离描述两个相点的空间接近程度定义为相点的"量"相似,以累积单位阶跃函数描述两个相点的内部结构相似程度定义为相点的"型"相似,建立双目标相似点寻优模型并采用宽容分层序列法求解,实现混沌预测。以丹江口水库流域月降雨序列为研究对象,对改进方法进行应用研究。结果表明,相较于原模型,新方法的预测精度有较明显提高,以逐月降雨预报为例,相对误差(取绝对值后的平均值)从44%降低到23%。改进后的混沌"量"-"型"相似预测模型有效可行,为月降雨预报提供了一种新途径。

基于随机森林模型的湫水河流域洪水过程模拟

黄河中游干旱半干旱地区洪水预报精度水平普遍不高,其主要原因在于降雨时空高度变异性以及大范围水土保持措施对产汇流的强烈干扰。随着现代统计理论发展,智能机器学习算法为该地区洪水预报提供了新的途径。以黄河中游左岸湫水河流域为例,采用随机森林算法建立暴雨洪水预报模型,对汛期场次洪水过程进行模拟,结果表明:当计算时间步长为1小时,随机森林模型的确定性系数(NSE)平均值为0.47,以NSE ≥ 0.60衡量,合格率为42%;当计算时间步长为0.5小时,NSE平均值为0.76,场次洪水预报合格率为88%;由此可知,输入资料精度是决定模型精度的主要因素。此外,不同时间步长条件下,随机森林模型的应用效果均明显优于传统的多元回归统计模型,表明随机森林模型适用于湫水河流域的洪水过程预报,对黄河中游黄土高原地区防洪预警具有一定参考价值。

随机森林模型在悖牛川洪水预报中应用研究

黄土丘陵区干旱半干旱流域的产汇流机理十分复杂,再加之人类活动对下垫面的强烈干扰,导致现有的水文模型预报精度总体不高,其洪水预报问题一直是水文研究中的难点。随着水文气象资料的累积,数据挖掘技术可为该地区洪水预报研究提供新思路。以黄河中游悖牛川为研究流域,建立随机森林模型开展1981—2007年间48场暴雨洪水过程的模拟研究;结果表明,该模型在场次洪水模拟中的平均确定性系数为0. 81,平均洪峰误差为-2%,模拟预报合格率为75%。研究可为黄河干旱半干旱地区洪水预报研究提供有益的借鉴与参考。