考虑水文模型参数时变的水库水位多预见期实时预报——以水布垭水库为例

精准可靠的坝前水位预测可支撑水库的调度决策,保障流域防洪安全。传统水库水位实时预报方法均基于降雨径流稳态假定,在变化环境下精度不高。为此,本研究提出了一种整合水文模型参数时变和实时校正的水库水位多预见期实时预报方法:识别变化环境下水文模型参数的时变过程,构建时变参数与自然、社会经济因子的函数关系;基于时变参数函数式构建预报调度集成模型,以预见期内多个时刻预报水位与观测水位的吻合程度为目标函数率定水文模型的参数;采用基于反向拟合算法的实时校正技术进行误差校正,输出不同预见期的水库水位预报。以水布垭水库流域为研究对象,结果表明,较传统水库水位预报方法,论文提出的方法在率定期和检验期的平均绝对值误差分别下降了0.050和0.040 m,可为防洪减灾提供高精度、长预见期的水库水位预测。

暴雨泥石流实时预报的研究

研究开发简单实用的暴雨泥石流实时预报模型对于受影响地区防灾减灾具有十分重要的意义．该文对北京北部山区多年泥石流发生的雨情进行统计分析，以降雨强度（Ｙ）与发生泥石流当日激发雨量（Ｘ）和前期实效雨量（Ｋ）建立的有雨量站危险区泥石流发生判别方程为Ｙ＝－０１１６（Ｘ＋Ｋ）＋１１５；以泥石流发生当日激发雨量（Ｙ）与泥石流发生前３ｄ降雨量（Ｘ）建立的无雨量站危险区泥石流发生判别方程为Ｙ＝－１．３８９９Ｘ＋３４５，与前１５ｄ实效雨量Ｘ建立的无雨量站泥石流发生判别方程为Ｙ＝－２．８０１９Ｘ＋３９０．经检验，模型的预测性能良好，可在北京山区应用．

北京地区中尺度非静力数值预报系统的开发与实时预报应用

国家气象中心与北京市气象局联合开发并将于１９９９ 年底建成“北京地区中尺度数值天气预报业务系统”．作为开发的第一阶段，以ＰＳＵ／ＮＣＡＲ的ＭＭ５ 非静力中尺度模式为基础，在国家气象中心ＩＢＭ／ＳＰ２机并行运算环境下与国家气象中心资料源连接并应用北京地区加密地面观测资料，初步建成了“北京地区中尺度数值天气预报试验系统”（以下简称ＢＪ－ＭＭ５Ｖ．１）．模式设计为垂直２３ 层，水平分辨率分别为４５ 和１５ ｋｍ 的两重双向嵌套网格．在ＩＢＭ／ＳＰ２ 计算机上用２４ 个节点作３６ ｈ 预报所需机时为２ ｈ ２０ ｍ ｉｎ，满足实时业务预报需要．该系统于１９９７ 年夏季进行了实时运行试验，可提供北京地区每小时降水量预报和每３ ｈ 多种气象要素预报，预报产品在北京市气象局试用．结果表明，系统有较强的稳定性和实用性，对降水时空分布的预报效果较好．

基于遗传-神经网络的深基坑变形实时预报方法研究

根据深基坑变形的基本特征,运用遗传-神经网络建立了深基坑变形的实时预报模型,并对刘屋洲泵站深基坑变形进行了建模预报,预报值与实测值基本吻合,预测精度高,证明该方法用于深基坑变形实时预报的有效性和实用性。

赤潮卫星遥感监测与实时预报

本文根据赤潮水体光谱特征和赤潮环境要素，提出了赤潮卫星遥感监测与实时预报的方法。利用这些方法成功地监测和预报了１９９７年１１月发生在广东沿海的金囊藻赤潮和１９９７年７月发生在浙江嵊泗海区的液光藻赤潮。

参考作物腾发量支持向量回归机实时预报模型

为了实现高精度的实时预报作物需水量,利用结构风险最小化准则的思想以及核函数的非线性变换把空间变换到高维寻求全局最优解的方法,以最高温度、最低温度、日平均温度、天气阴晴指数和风力等级为输入因子,建立基于支持向量回归机的参考作物腾发量实时预报模型。以江苏南京站2003至2005年的日气象资料进行模型训练和预测,并将各输入因子进行±20%增噪后建立的支持向量回归机模型与传统BP网络模型作为对照。结果表明,支持向量回归机实时预报模型不仅精度高(有效性指数87.93%,平均误差0.2609,合格率87.4%),较传统BP网络模型(有效性指数78.91%,平均误差0.3526,合格率76.8%)有更优的泛化能力,且泛化能力不会因为增噪处理而降低,有较强的适应性及参数可移植性。

MM5在国家气象中心CRAY-C92的实时预报试验尝试

该文利用国家气象中心ＣＲＡＹ－Ｃ９２计算机上初步建成的一个可与实时资料连接的ＭＭ５中尺度预报试验系统，探讨在目前国家气象中心计算机资源和可获取的实时资料条件下，进行实时预报服务的可行性及可能达到的精度，采用３０ｋｍ水平分辨率的模式，在１９９６年夏季北方汛期进行了一个半月的实时预报试验，在１９９７年６～７月间“庆香港回归”天气服务过程中作了实时预报服务．预报及检验结果表明：ＭＭ５模式在强降水预报方面比业务模式ＨＬＡＦＳ有较明显的改进，能预报出某些中尺度降水的细化特征，对暴雨和大暴雨落区预报有较好的参考价值；该模式可以作为城市预报的补充工具；就目前计算机和资料条件，比６ｈ时段更短的高频城市降水模式预报尚很难得到满意效果．

煤矿顶板矿压显现实时预报的自适应神经网络方法

应用神经网络系统理论，提出了煤矿顶板压力显现实时预报的自适应模式识别方法，它通过对井下实测压力曲线的记忆，可以预报出该顶板未来的矿压显现规律，包括来压步距和来压强度。实际应用表明，本方法可外推预报１０个工作面推进循环的来压规律，来压强度的预报准确率达到９３％，来压步距的预报准确率为１００％。

核事故应急条件下风场的实时预报

针对核环境事故场外应急评价的需要 ,开发了一种运行速度快 ,具有一定预报功能和准确度的中尺度风场预报模式。该模式从气象站实测风资料的插值与调整 ,得出中尺度诊断风场 ,并作为中尺度风场预报模式的初值和四维同化资料 ;然后利用中尺度风场预报模式计算未来 2 4h内的预报风场 ( 2 0 5km× 2 0 5km)。最后再用风场诊断模式进一步细化插值与调整 ,得出核电站附近的小尺度 ( 2 0 .5km×2 0 .5km)预报风场。以杭州湾地区 1 996年 1、4、7、1 0月为例进行了不同的同化时间间隔和不同气象站数目的风场模拟试验。结果发现通过诊断模式与预报模式的结合 ,互相取长补短 ,提高了风场预报的准确性 ;特别是用风场诊断模式对中尺度预报风场进行细化插值调整来计算小尺度预报风场 ,大大提高了计算速度。该方案已应用于“秦山地区环境核事故后果评价系统”。

基于人工神经网络的河川径流实时预报研究

将人工神经网络技术应用于河川径流实时预报，建立起河川径流实时预报的BP网络模型，并针对经典BP算法所存在的缺陷，采用共轭梯度优化和误差反向传播训练算法，使得所建立的BP网络模型的收敛性大为改善，消除和避免了实际应用中可能出现的局部优化问题．利用西大洋水库1975～1995年的入库径流系列资料，对所建立的BP网络模型进行训练和检验，同时探讨了网络结构对网络模型预报结果的影响．通过大量的实际应用和对比分析，表明BP网络模型比HG分析模型和相关图法更优越、更具有实际推广和应用价值．

河道洪水实时预报的半自适应模型研究

提出和讨论了基于马斯京根流量演算河道洪水实时预报的半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时估计出来，只有模型误差系列的协方差矩阵需要预先给出。提出了一个处理区间入流较为合理、方便的方法。通过验证和应用说明了该模型的合理性。

作物腾发量实时预报与田间试验验证

获得实时、有效的作物腾发量数据是进行实时灌溉预报的基础和难点。本文根据公共的天气预报信息,提出了实时的估算作物腾发量的方法流程,并利用作物根区土壤水量平衡方程,用冬小麦田间灌溉试验的土壤水分数据对该模型和方法进行了检验;同时为检验实时参照腾发量估算方法的可靠性和实用性,对当地媒体发布的实际天气预报信息与实际气象观测值进行了对比。结果表明,在现有天气预报准确度条件下,该方法可以有效的实时估算作物腾发量,为田间实时灌溉管理与决策提供较为可靠的参数。

AREM模式对2002年汛期降水的实时预报试验

20 0 2年主汛期 ,“973”(中国暴雨 )项目研制开发的 η坐标有限区域数值预报模式 (AREM )在武汉暴雨研究所进行了每天两个时次 ( 0 8时、2 0时 )的实时数值预报试验。实时预报表明 ,该模式适合于我国计算机条件 ,对我国夏季降水有相当预报能力。对试验结果进行了分区TS 评分检验 ,模式对我国东部地区的降水预报评分最高 ,0 8时起报的 0～ 2 4h时效的降水预报 ,对 2 4小时降水量大于 0 1、1 0、2 5和 50mm的TS 评分分别为 0 578、0 2 82、0 1 4 4和 0 0 6 2。对 2 0 0 2年主汛期的几次强降水过程的预报结果表明 :模式对 2 0 0 2年梅雨、长江流域暴雨、华南暴雨和华北暴雨都有很好的预报 ,模式对雨带的位置、移动、降水强度、降水的持续与减弱的预报都具备一定的能力。

适于TBM施工的HSP法实时预报技术设计与实现

为实现TBM施工隧道的实时地质预报,以TBM刀盘滚刀破岩震动作为震源的HSP法地质预报技术为基础,通过分析TBM施工工艺与机身结构特点,对HSP系统硬件和软件进行优化设计,使其小型化、自动化和智能化,并搭载于TBM上进行智能控制。在TBM掘进过程中,首先,通过隧道轮廓位置的检波器连续或高频次地采集地震反射波信号;然后,经系统软件对数据的自动处理,实时获取掌子面前方地层反射特征参数图谱;其次,通过智能识别技术完成对不良地质反射界面的有效拾取与判识;最后,实现不良地质的探测。通过对适于TBM施工的HSP法实时预报技术进行优化设计,实时探查前方地层不良地质(体)位置、规模与性质,为TBM的高效施工起到一定的推助作用。

高关水库流域洪水实时预报方法及应用研究

考虑到高关水库流域降雨时空变化和地形对流域产汇流的非线性影响 ,建立了流域分散产流、非线性汇流模型以及洪水实时预报校正方法 ,将研制的模型应用于实际洪水预报 。

洋河流域非线性产汇流实时预报模型研究

考虑到流域降雨时空变化和流域地形、河道特征对流域产汇流的非线性影响,建立流域非线性产流、汇流模型以及流域洪水实时预报校正方法,该方法应用于洋河水库流域洪水预报,取得较为满意的效果。

神经网络在洪水实时预报中的应用研究

建立了一种基于神经网络的洪水实时预报模型。运用向后演算法 ,该模型的权重系数可以在每一时间步长上进行自动更新 ,较好地反映了实际水文过程和参数的时变性 ;由于该模型不再需要单独的误差序列实时校正模型 ,因而更加简洁。最后利用淮河鲇鱼山水库 1 975～ 1 999年的小时降雨和入库洪水资料对模型参数进行了率定和校核。结果表明 ,洪水实时预报的效率系数超过 96 % ,洪峰值合格率为 92 .5 % ,峰现时间误差都在 1

基于误差自回归的洪水实时预报校正算法的研究

根据三水源新安江模型洪水预报误差信息 ,探讨了三种基于误差自回归模型的洪水实时预报校正算法 ,即固定遗忘因子的递推最小二乘算法、可变遗忘因子的递推最小二乘算法和辅助变量法 ,并将其应用于鲇鱼山水库的实时洪水预报。通过对三种实时校正方法进行分析比较 。

地下水水质实时预报系统开发及应用——以下辽河平原为例

地下水数值模拟需要大量的监测数据作为支撑,数据的录入耗时耗力,存在出错的可能,且不能第一时间进行实时快速预报。采用VB语言编程技术,以识别和验证后的下辽河平原地下水流数值模型和地下水溶质运移数值模型为基础,重新编译后的MF2K和MT3DMS为内核计算程序,Microsoft SQL Server 2000为数据库,开发了模型与地下水实时监测系统的接口,集成建立了下辽河平原地下水水质实时预报模型,并开发了操作界面下的操作系统,实现了下辽河平原地下水水质的实时预报功能。该系统将地下水实时监控技术与地下水数值模拟技术结合,操作简便、时效性强、出错概率小,能够实时获取地下水水位、水质监测数据,对地下水流场和地下水溶质浓度场的演化进行快速预报。同时,本系统预留了更新接口,可根据逐步积累的地下水监测数据和系统计算数据进行进一步验证,不断提高系统预报的精度。

基于时变关键区和时滞多变量的长江下游10～30d低频降水实时预报

利用NCEP/NCAR逐日850 hPa再分析风场资料和长江下游地区25站逐日降水资料,采用Butterworth二阶20～30 d滤波,通过变系数时滞回归和关键区自动筛选方法,构建了长江下游地区汛期（5～8月）的延伸期低频降水实时预报模型方案,对1979、2013年的汛期降水分别做了回报和预报试验.结果表明,基于多变量时滞回归方程（MLR）的实时预报方案,能客观地反映影响长江下游夏季强降水的欧亚环流季节内振荡（ISO）传播特性的时间变化,为长江下游地区强降水延伸期预报提供主要信号.提出的实时预测方案中,关键区的选择随建模样本而变化,体现了ISO变化的多样性和一定程度的不稳定性,预测模型能及时适应大气内部动力过程和外部强迫引起的时滞相关结构的改变,在一定程度上提高了延伸期预报的能力。