GFS可利用性研究及其在旬径流预报中的应用

分析了中长期降雨径流预报研究应用现状和存在的主要问题,研究了利用GFS降雨数值预报信息进行旬径流预报的方法,建立了旬降雨—旬初土壤含水量—旬径流预报模型(PSRM)。通过对实例流域历史旬径流资料的模拟优选出模型参数,分析了GFS降雨数值预报信息的可利用性,并给出了利用GFS降雨预报信息和PSRM模型推求径流的方法。结果表明,基于GFS预报降雨信息和PSRM模型推求径流期望值和概率分布用于水库的实时调度可行。

三参数月水量平衡模型及其应用

在两参数月水量平衡模型基础上建立三参数月水量平衡模型并应用于汉江流域模拟月地下水位和径流过程,与实测月降水的变化趋势一致。计算结果表明,该模型效率高、效果好、参数少、易率定和检验,可供湿润地区地下水位动态监测借鉴。

基于EOF和BP网络的库群径流预测

在考虑多个水库径流相关性的基础上,基于自然正交函数,将多维径流序列分解成时不变的空间特征和随时间变化的权重系数矩阵,并运用网络对时间权重系数变化规律进行分析,从而对库群径流做出预测。以某区域中的三座中型水库为例,选用灰关联模型进行比较预测,取得了较好的结果。

基于VMD-SSA-LSTM的月径流预测模型及应用

为提高月径流预测精度,提出了变分模态分解(VMD)和麻雀搜索算法(SSA)与长短期记忆神经网络(LSTM)相耦合,建立了月径流预测模型(VMD-SSA-LSTM)。首先利用VMD对历史径流数据进行分解,然后依据SSA对LSTM的参数进行寻优,并将分解出的月径流分量输入到LSTM神经网络,最后将每个分量的预测值相加,得到月径流预测值,并以福建池潭水库1950~2019年的月径流数据对模型进行验证。结果表明,与LSTM、VMD-LSTM模型相比,VMD-SSA-LSTM模型的预测精度更高,为开展月径流预测工作提供了一种新的选择。