水利部数字孪生流域模型管理云平台设计及应用研究

【目的】智慧水利是推动新阶段水利高质量发展的实施路径之一,建设数字孪生流域是实现智慧水利的核心与关键。为提升水利部数字孪生平台建设中水利模型的易用性、可扩展性、复用率和可维护性【方法】按照数字孪生流域水利模型建设“标准化、模块化、云服务”的要求,采用“分治+集成”的思想,基于组件技术、工作流技术、SOA架构和容器技术等构建水利部数字孪生流域模型管理云平台。平台通过提供水利专业模型、智能识别模型的组件化封装和流程化搭建功能,以微服务的方式对外提供模型共享和模型计算服务。【结果】依托重点研发项目分别在示范区域——屯溪流域和白鹤滩水库开展“洪水预报-预警-调度”业务应用和工程管理范围形变监测业务应用,验证了平台设计的合理性和应用的可行性。【结论】研究成果可为数字孪生流域模型平台的建设与应用提供一定技术支持和经验借鉴。

基于多模型融合的中长期径流集成预测方法

中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各模型的最优参数。将其用于青海省龙羊峡水库的中长期径流预报中,结果表明,通过Stacking融合算法建立的集成预测模型相较于单一模型,取得了更高的预测精度(R2值由0.71提升至0.82)。此方法可为提升流域中长期径流预测精度提供一定参考。

基于注意力机制与LSTM-CCN的月降水量预测

针对现有月降水量预测方法预测准确性不高的问题,提出一种基于注意力机制与LSTM-CCN的月降水量预测方法。首先,利用长短时记忆神经网络(long short-term memory neural network,LSTM)提取气象数据在时间维度的特征分布,从时间相关性方面捕获相邻时间段或长距离气象数据段中的统计分布;其次,利用因果卷积神经网络(causal convolutional network,CCN)将气象数据映射到空间维度,深层次地从空间维度捕获气象数据在空间中的特征统计分布;再次,以并联的方式将时间和空间特征作为交叉注意力网络的输入,构造融合的时空特征;最后,以长短时记忆神经网络构造解码器,并将融合的时空特征作为解码器的输入,预测的月降水量作为输出。选取河南省新乡市2001~2017年数据集进行测试,结果表明:所提出方法的均方根误差仅为13.08 mm,相比主流方法具有更低的预测误差。研究成果可为提高气象预测的准确性和实用性提供参考。

数据驱动与物理机制耦合的菜子湖流域水位预报模型研究

菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用。结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m。直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R^(2)分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R^(2)分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008。研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度。同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果。为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考。

基于水文水动力模型和机器学习模型耦合的河道水位预报方法

为探讨利用水文水动力模型和机器学习模型来提高河道水位预报精度的可行性,首先利用水文水动力模型进行河道水位预报,采用支持向量机模型对水文水动力模型的预报结果进行校正,进而构建了一种耦合水文水动力模型和机器学习模型的河道水位预报模型。在广州市南沙区蕉西水闸的应用结果表明,构建的耦合模型的预报效果优于单一的水文水动力模型,明显地提高了不同预见期下的水位预报精度;尽管随着预见期的增加,耦合模型的预报精度有一定的衰减趋势,但整体上仍优于水文水动力模型提供的水位预报结果。

基于多因子多模式集成的中长期径流预测模型

提高中长期径流预测精度对于水资源调度等具有重要意义和应用价值。基于国家气候中心的130项气候因子,采用皮尔逊相关系数、最大信息系数、方差增量指标筛选主要预测因子,建立基于DS(Dempster-Shafer)证据理论的多因子综合方法;采用随机森林、BP神经网络和贝叶斯网络等建立基于水文-气象因子遥相关的中长期径流预测模型,构建基于DS证据理论的预测结果集成模型。以三峡水库为对象开展实例研究,结果表明:引入遥相关因子能有效提高预测精度;基于DS证据理论的多因子综合方法能筛选出综合性更强、稳定性更优的因子,弥补单一筛选方法的不足;基于DS证据理论的多因子多模式集成方法在径流预测精度上优于单一方法单一模型,确定性系数提高到0.823,平均相对误差降低到23.2%。

基于集合卡尔曼滤波的水文模型状态变量反馈校正方法

集合卡尔曼滤波已应用于水文模型初始状态误差校正。如何选择校正变量、是否同步校正模型参数、如何优选滤波超参数是其应用难点。为此,以綦江流域GR5J模型为原型,同化实测流量反馈校正模型状态,通过合成实验和滚动预报实验,分析状态变量选择、模型参数扰动、滤波超参数对预报精度的影响。结果表明:准确识别有偏初始状态,集合卡尔曼滤波能提高预报精度;若难以识别,建议同步校正产流汇流状态变量,减少过校正。模型参数有偏时,应先识别模型参数,再校正模型状态。增加集合数和预热时长能提高校正精度,模型和观测噪声的影响具有非单调性;滤波校正效果随预见期延长而衰减,但要优于模型预热技术。该发现可作为作业预报应用状态校正法的参考。

基于Vine Copula的梯级水库短期发电调度风险估计

基于能准确描述高维变量相关关系的Vine Copula,考虑短期径流预报误差的空间相关性,构建了梯级水库短期发电调度风险估计模型,并将模型应用于长江上游溪洛渡、向家坝和三峡水库,分析了径流预报误差带来的单一水库、梯级水库短期发电调度风险。结果表明:基于C-vine Copula构建的联合分布能较好地描述屏山站、朱沱站、寸滩站和武隆站的日径流预报误差特性;随着水库可调节安全区间范围增大,单一水库发电量不足风险率、弃水风险率均越来越小,梯级水库发电量不足、弃水联合风险率和同现风险率越来越小,即水库调节库容越大,其承担的风险也就越小。

基于数据分解与斑马算法优化的混合核极限学习机月径流预测

为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数),建立WPT-ZOA-HKELM组合模型,并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)-HKELM、WPT-ZOA-极限学习机(ELM)、WPT-ZOA-最小二乘支持向量机(LSSVM)、ZOA-HKELM作对比模型,通过黑河流域莺落峡、讨赖河水文站月径流时间序列预测实例对各模型进行检验。结果表明:(1)莺落峡、讨赖河水文站月径流时间序列WPT-ZOA-HKELM模型预测的平均绝对百分比误差分别为1.054%、0.761%,决定系数均达0.999 9,优于其他对比模型,具有更高的预测精度,预测效果更好。(2)利用ZOA优化HKELM超参数,可提高HKELM预测性能,优化效果优于GWO、WOA、GA。(3)预测模型能充分发挥WPT、ZOA和HKELM优势,提高月径流预测精度;在相同分解和优化情形下,HKELM的预测性能优于ELM、LSSVM。

基于WPT-IDBO-RELM和WPT-IDMO-RELM模型的日径流预测

为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模型。对云南省暮底河水库、马鹿塘电站入库日径流进行预测,结果表明WPT-IDBO-RELM和WPT-IDMO-RELM模型对暮底河水库日径流预测的平均绝对百分比误差分别为1.048%、1.015%,对马鹿塘电站日径流预测的平均绝对百分比误差分别为1.493%、1.478%,优于其他对比模型;IDBO、IDMO算法对标准测试函数和实例目标函数的寻优效果均优于其他对比算法,且IDBO、IDMO算法优化效果越好,RELM超参数越优,WPT-IDBO-RELM、WPT-IDMO-RELM模型预测精度越高;WPT可将日径流序列分解为分量更少、规律性更强的子序列分量,在提高预测精度的同时显著降低模型复杂度和计算规模。

基于GRO优化的VMD-HKELM月蒸发量预测方法研究

水面蒸发预测对于水库水量预测、区域水量平衡分析和水资源量核算等具有重要意义。水面蒸发量预测影响因素众多,并最终体现在随时间变化的蒸发量监测数据中。为此,基于淘金热(GRO)算法优化变分模态分解(VMD)-混合核极限学习机(HKELM)提出两种方案。方案Ⅰ先对月蒸发量时间序列分解,后划分训练集、测试集;方案Ⅱ先对月蒸发量划分训练集、测试集,再进行时间序列分解。通过一种新型元启发式算法对分解技术VMD、预测器HKELM超参数进行目标寻优并建立多种模型,采用云南省龙潭寨、西洋街水文站月蒸发量预测实例对方案Ⅰ、方案Ⅱ各模型进行检验。结果表明:方案Ⅰ各模型性能优于方案Ⅱ,各模型的拟合精度和预测精度总体上随分解分量数的增加而提高,但方案Ⅰ使用了测试集信息,导致预测精度虚高;方案Ⅱ各模型具有较好的预测精度和稳健性能,其用于月蒸发量时间序列预测是可行的,反映出客观真实的预测效果,具有较好的实用价值和意义。

SARIMA-GRU组合模型的水位预测

相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和IOWA算子进行组合,最后比较单一模型和组合模型在该水位数据集上的预测精度差异。结果表明,适当的组合方式有利于提高模型预测精度,基于IOWA算子的组合模型具优良的预测性能。

基于NRIHM的分布式水文模型在湿润流域的应用

分布式水文模型是水文模型的发展趋势,南京水文研究所模型(NRIHM)是架构灵活的集总式水文模型,为探索基于NRIHM的分布式水文模型在湿润流域开展水文模拟的可行性与适应性,在湿润地区南大洼—沙河集嵌套流域开展了相关研究。首先基于NRIHM产流模型构建思路构建了一层产流模型与二层产流模型,利用天然试验流域观测成果进行了栅格点尺度的产流模拟验证,对比模拟结果发现二层-抛物线的组合方式模拟效果更优。基于此种产流计算方法,构建了具有二层土壤结构的分布式水文模型,以长江滁河水系沙河集水库以上集水区为研究流域开展应用,率定期和验证期平均确定性系数分别为0.80和0.86,平均洪峰、洪量相对误差也均低于20%,表明该模型能够较好模拟实际径流过程,初步证明了该模型在湿润地区具有较好的适用性。

基于VIC模型的三峡库区流域小时尺度实时洪水预报

VIC模型在流域面积大于3 000 km^(2)的大型流域日或月尺度洪水模拟中表现出良好的适用性,而在大型流域小时尺度实时洪水预报过程中的适用性尚未得到验证。以三峡库区大型流域为例,通过建立小时尺度VIC分布式洪水预报模型,构建三峡库区流域实时滚动洪水预报方案,将VIC分布式洪水预报模型实地化部署并应用于2022及2023年三峡库区实时洪水预报。结果表明:VIC模型应用于2014—2021年三峡库区各子流域历史洪水模拟,率定期和验证期的洪量、洪峰平均合格率均在80%以上,确定性系数均值在0.70以上,构建的VIC分布式洪水预报模型在三峡库区及其子流域洪水模拟中表现出良好的适用性;在2022及2023年三峡库区4场典型洪水的实时洪水预报中,径流深和洪峰的平均相对误差达到16.3%和5.0%,重点产流区产流量平均相对误差为7.8%,能够准确把握库区重点产流区的洪量及来水过程,因此VIC模型在大型流域小时尺度实时洪水预报中具有较大的应用潜力。

基于HEC-HMS的黄土高塬沟壑区流域城市化对洪水情势的影响

黄土高塬沟壑区城市化过程中下垫面硬化会影响暴雨水文情势,增大洪水模拟预报难度。为实现对流域城市洪水灾害的预警,基于HEC-HMS水文模型,分别率定砚瓦川流域城市化前后不同时期土地利用条件下的产汇流参数,开展极端暴雨洪水情景设计,揭示流域城市化对不同重现期洪水的水文效应。结果表明:建立的HEC-HMS降雨-径流模型适用于黄土高塬沟壑区洪水预报,其模拟综合合格率为81.25%,平均Nash效率系数为0.82;流域城市化对重现期短的洪水要素变化影响较大,且洪量变化幅度大于洪峰变化幅度,100 a一遇洪水的洪峰和洪量的增幅分别为4.54%和6.40%,5 a一遇洪水的洪峰和洪量的增幅分别为7.06%和9.49%;各子流域设计洪水对流域城市化的响应分布具有空间差异性,以西北部地区响应为最强,其次为南部地区,东北部地区最弱。

挠力河龙头桥水库旱警水位初探

龙头桥水库作为挠力河干流上游唯一的大型工程,为下游重要灌区及河道生态提供水资源调配服务支撑。本文分析了龙头桥水库轻度干旱典型来水,从水功能区、水库功能和生态流量要求等方面得出用水需求,按照最大值法和综合法计算出龙头桥水库旱警水位推荐值,为支撑三江平原腹地加强抗旱管理、确保粮食安全和水安全提供参考。

基于WRF模式的好溪流域致洪暴雨千米尺度预报研究

鉴于好溪流域内多山地和丘陵,梅汛期和台汛期常突发强暴雨,致使其千米尺度下的数值预报难度较大的问题,选取好溪流域2015~2020年的10场致洪暴雨事件,利用中尺度数值天气预报模式WRF和GFS预报数据进行6、30、54 h的回顾性预报,并测试了5种云微物理参数化方案的敏感性。结果表明,在千米尺度下,WRF模式模拟的降雨量偏小,对山区的预报效果优于河谷地区;Lin方案的整体预报效果最佳,而WSM3方案最差;选取的10场极端降水事件受到台风和西南低空急流等异常天气的影响,Lin方案和WSM5方案适用性较好;WRF模式对暴雨的预报效果优于大暴雨。研究结果对于提高山区小流域致洪降雨的模拟和预报精度具有借鉴意义。

小型水库洪水预报模型研究及应用

针对缺资料地区小型水库入库洪水预报难的问题,构建了一种小型水库入库洪水预报模型,其产流模块采用SCS模型,汇流模块采用地貌瞬时单位线,模型参数基于高精度地形地貌数据确定,不依赖于实测流量资料进行模型参数率定,并在安徽省永堌水库进行了应用。采用1818号台风“温比亚”期间永堌水库强降雨洪水进行了验证分析,应用结果表明,构建的模型对该场次洪水过程两次洪峰模拟值与专家反推的入库洪峰较为一致,相对误差分别为3.2%和-11.8%,均在±20%以内,峰现时差均为0,径流深模拟相对误差为-19.2%,确定性系数为0.949,说明建立的小型水库入库洪水预报模型对本次降雨洪水模拟效果较好,对其他小型水库入库洪水预报具有较好的参考和借鉴意义。

农村河道生态治理模式水质改善效果模拟

随着河长制的全面推行和乡村振兴战略实施,农村河道生态治理行动在全国各地相继展开,农村水环境问题备受关注。立足于农村河道构建水动力-水质耦合模型,通过模拟3种生态治理模式(生态浮床、生态护岸和生态湿地)下农村河道污染物浓度变化情况,分析3种治理模式对河道的水质改善效果。结果显示,生态湿地改善水质效果最佳;3种生态治理模式下,污染物降解量均与污染物本底浓度高度正相关,降解率与污染物本底浓度相关性一般;补水流量越大,污染物降解效果越突出,单位补水流量对降解污染物的贡献度越低,当补水流量约占本底流量的10%时,改善水质效果最佳。研究成果可为农村河道生态治理提供参考。

概念性水文模型与智能模型在中小河流洪水模拟中的比较研究

相较于大江大河的流域水文预报研究,中小流域的研究相对匮乏。以沅江河溪水文站以上流域为例,研究LSTM(Long Short-Term Memory)模型和新安江模型在场次洪水中的模拟效果。通过对比,新安江模型的整体模拟精度较高,洪量、洪峰、峰现时间的平均相对误差分别为9.39%、9.55%、1.6h,确定性系数为0.73,综合合格率为100%,达到甲级精度标准;LSTM模型的模拟精度较低,洪量、洪峰、峰现时间的平均相对误差分别为11.76%、12.33%、2.3 h,确定性系数为0.60,综合合格率为75%,达到乙级精度标准。结果表明,新安江模型和LSTM模型是中小河流洪水预报的有效方法,均可用于河溪流域的正式预报,且对于河溪流域,新安江模型的模拟精度比LSTM模型更高。