基于洪水分级的青山殿水库洪水预报

为提高洪水预报精度,减小全流域使用单一参数集而产生的预报误差,以青山殿水库为研究对象,将历史洪水分为大、中、小3个等级,采用新安江模型和SCE-UA参数优化算法,基于皮尔逊相关系数分析累计降雨量和实测洪峰流量的相关性,选取相关性最优的最大6 h累积降雨量作为参数应用指标,分级后的大中小洪水选用对应的参数集进行洪水验证及预报。结果表明:未对洪水进行分级时,38场洪水总体合格率为92.1%,平均确定性系数为0.82;按照洪水等级划分大中小洪水后进行洪水过程模拟,大中小洪水场次合格率100%,确定性系数平均为0.92、0.88和0.87,平均确定性系数为0.88,分级后各场次的合格率与确定性系数提高,拟合效果更好;基于皮尔逊相关系数分析洪峰流量与最大1、3、6、24 h降雨量的相关关系,最大6 h的降雨量与洪峰流量的皮尔逊相关系数最高,取预见期内最大6 h累积降雨量作为大中小参数判定条件,在2021年汛期实际预报中,洪水预报结果全部合格,4场大中型洪水拟合程度好,确定性系数高,基于洪水分级的洪水预报精度较高、合理可行,可为水库防洪提供参考。

基于模糊聚类迭代模型的洪灾评估标准计算方法

对于洪灾评估工作来说,制定一个具有普适性的洪灾等级评估标准是很重要的,而目前缺少一个被公开认可的标准制定方案。在模糊聚类迭代模型的基础上,提出了一种不受时空分布影响的洪灾评估标准计算方法。在求解目标函数时,采用混沌文化进化算法进行了优化。以四川省1976—2006年洪灾样本为例,计算出了四川省洪灾的标准化等级评估标准,并进行了验证。分析表明:该标准是合理有效并符合洪灾分布特点的,可以作为其它模型的评估标准。采用相对值标准,不受时空分布不同的影响,可以用于所有具有同一范围级别和较完备历史灾情数据的洪灾评估标准工作。