水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流...水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流域的3个多功能水库枫树坝、新丰江、白盆珠水库的出流进行了模拟,并与传统的水库模型Level Pool Scheme(LPS)进行对比;使用三参数月度水文模型(Three-Parameter Monthly Hydrological Model Based on the Proportionality Hypothesis,TMPH)进行水库入流和区间来水模拟,与上述两种水库出流模型结合分别形成PSO-LSTM-TMPH和LPS-TMPH对东江流域重要站点龙川、河源、岭下、博罗进行预见期为一个月的径流模拟。结果表明:①PSO-LSTM在三大水库的模拟中效果均好于LPS,尤其在新丰江水库出流模拟中,在验证期的纳什效率系数(Nash-Sutcliffe Efficiency,NSE)、均方根误差(Root Mean Square Error,RMSE)分别为0.59、55.59 m^(3)/s,相比LPS提高了0.22,降低了17.01 m^(3)/s,说明该模型可以很好地捕捉多年调节水库复杂的水库出流规则;②PSO-LSTM-TMPH模拟龙川站、河源站、岭下站、博罗站径流的NSE为0.87,0.86,0.91,0.93,相比LPS-TMPH,NSE提高了0.09、0.21、0.07、0.03;③在测试期内,PSO-LSTM-TMPH水库出流模拟效果仍然较好,相比训练期、验证期模拟效果差异小,说明模型的模型泛化能力较强。研究建立的PSOLSTM-TMPH混合模型可以结合深度学习和物理模型各自的优势,适用于人类活动干扰下的径流模拟,可为优化水资源利用、实施干旱调度等提供技术支撑。展开更多
在人类活动和气候变化的复杂影响下,广东省东江流域的降雨特征发生了明显改变,为精准识别其时空变化特征,基于流域34个雨量站1956—2021年逐月长序列降雨数据,采用集中度、集中期、Ordinary Least Square回归法、Mann-Kendall检验法、滑...在人类活动和气候变化的复杂影响下,广东省东江流域的降雨特征发生了明显改变,为精准识别其时空变化特征,基于流域34个雨量站1956—2021年逐月长序列降雨数据,采用集中度、集中期、Ordinary Least Square回归法、Mann-Kendall检验法、滑动t检验法、一维连续小波等多种方法,对广东省东江流域上下游降雨的年内分布特征,年际变化的趋势性、突变性和周期性特征以及空间变化规律开展多角度分析。结果表明:广东省东江流域降雨量从东北向西南递减;从上游到下游,年内降雨集中期从6月延迟到7月份,降雨由减少过渡到弱增长趋势;下游突变性较上游显著,上游周期性强于下游;上下游降雨主周期一致,均为17 a。研究成果可为广东省东江流域降雨预报及水资源开发利用等提供支撑。展开更多
文摘水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流域的3个多功能水库枫树坝、新丰江、白盆珠水库的出流进行了模拟,并与传统的水库模型Level Pool Scheme(LPS)进行对比;使用三参数月度水文模型(Three-Parameter Monthly Hydrological Model Based on the Proportionality Hypothesis,TMPH)进行水库入流和区间来水模拟,与上述两种水库出流模型结合分别形成PSO-LSTM-TMPH和LPS-TMPH对东江流域重要站点龙川、河源、岭下、博罗进行预见期为一个月的径流模拟。结果表明:①PSO-LSTM在三大水库的模拟中效果均好于LPS,尤其在新丰江水库出流模拟中,在验证期的纳什效率系数(Nash-Sutcliffe Efficiency,NSE)、均方根误差(Root Mean Square Error,RMSE)分别为0.59、55.59 m^(3)/s,相比LPS提高了0.22,降低了17.01 m^(3)/s,说明该模型可以很好地捕捉多年调节水库复杂的水库出流规则;②PSO-LSTM-TMPH模拟龙川站、河源站、岭下站、博罗站径流的NSE为0.87,0.86,0.91,0.93,相比LPS-TMPH,NSE提高了0.09、0.21、0.07、0.03;③在测试期内,PSO-LSTM-TMPH水库出流模拟效果仍然较好,相比训练期、验证期模拟效果差异小,说明模型的模型泛化能力较强。研究建立的PSOLSTM-TMPH混合模型可以结合深度学习和物理模型各自的优势,适用于人类活动干扰下的径流模拟,可为优化水资源利用、实施干旱调度等提供技术支撑。
文摘在人类活动和气候变化的复杂影响下,广东省东江流域的降雨特征发生了明显改变,为精准识别其时空变化特征,基于流域34个雨量站1956—2021年逐月长序列降雨数据,采用集中度、集中期、Ordinary Least Square回归法、Mann-Kendall检验法、滑动t检验法、一维连续小波等多种方法,对广东省东江流域上下游降雨的年内分布特征,年际变化的趋势性、突变性和周期性特征以及空间变化规律开展多角度分析。结果表明:广东省东江流域降雨量从东北向西南递减;从上游到下游,年内降雨集中期从6月延迟到7月份,降雨由减少过渡到弱增长趋势;下游突变性较上游显著,上游周期性强于下游;上下游降雨主周期一致,均为17 a。研究成果可为广东省东江流域降雨预报及水资源开发利用等提供支撑。
