基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。

河流集合预报方法(ESP)在水资源中长期预测中的应用研究

中长期径流预测是水文水资源研究领域中的一项重要内容,为水资源规划管理及可持续利用、防汛抗旱、水库调度与发电计划制作、工农业用水计划编制等提供科学依据,对国民经济发展具有十分重要的意义。但由于大气圈极其复杂,水文要素并非仅是气象强迫输入的函数。它还受流域基本特性,前期来水以及人类活动等诸多因素的影响,中长期径流预测在其计算中存在着多种不确定性。因此,中长期径流预测一直是水文预测研究中难度较大的课题之一。本文引入河流集合预报方法(ESP),以丹江口水库为应用实例,利用水文气象历史资料和新安江水文模型,预测分析水库2007年10月份每旬的平均入库流量及概率分布统计,并经与实测流量过程对比分析,满足水库运行调度需求,为水库发电计划制作提供了可靠依据。

基于Elman神经网络的锦屏一级水电站年平均径流量集合预报研究

为预报锦屏一级水电站年平均径流量,根据其1960~1999年逐年年平均径流量与上年(1959~1998年)逐月74项大气环流指数的相关关系,选出相关性高且与年平均径流有物理联系的大气环流指数作为预报因子;利用多个Elman神经网络建立年平均径流量的集合预报模型,并采用锦屏一级水电站1960~1999年的逐年年平均径流量和筛选的预报因子数据对模型参数进行率定,2000~2011年的逐年年平均径流量对模型预报效果进行检验。结果表明,基于Elman神经网络的单一模型的范化能力较好,多模型的集合预报精度比单一模型的预报精度有进一步提高,可为锦屏一级水电站水资源调度提供参考。

基于多模型集合方法的北江流域月径流预报研究

准确的月径流预报对于水资源优化配置、流域防汛抗旱、开展水量调度、水库群发电优化等具有十分重要的作用。当前工作中常用的月径流预报方法主要有水量平衡模型、数理统计模型、人工神经网络等。研究表明,任何单个模型在月径流预报问题上都无法始终具有最佳预报效果,多模型集合方法为消除模型不确定性、提高月径流预报精度提供了有效途径。以北江流域坪石站、犁市站、横石站和石角站为研究对象,分析对比了季节性自回归模型、两参数月水量平衡模型、人工神经网络的应用效果,并基于BMA(Bayesian Model Averaging)法获取上述站点的多模型集合方案,研究结果表明多模型集合月径流预报的精度相比单模型具有明显提升,不仅具有更高的确定性系数DC(Determination Coefficient),还能有效降低水量误差MAPE(Mean Absolute Percentage Error),能够为流域调度决策提供更好的支持。

水文径流集合预报技术现状及关键问题浅析

水文集合预报是针对数值预报的不确定性而发展起来的概率预报技术,可以延长水文预报有效预见期并提高预报精度,目前已在国内外得到了广泛应用。通过分析水文径流集合预报技术的特点、国内外研究现状及发展趋势,探讨集合预报应用中存在的关键技术问题,特别是指出完善后处理技术是控制集合预报误差的关键。

河流集合预报方法在洮河流域径流预报中的应用研究

为研究洮河流域径流预报,根据河流集合预报方法,利用红旗水文站实时监测资料,基于中国洪水预报系统开发的三水源蓄满产流、滞后演算和马斯京根模块构建全流域洪水预报模型,并应用该模型分析预测红旗水文站径流及其概率分布统计。结果表明:径流拟合过程拟合较好,取得了较好的预报效果,模型满足河流集合预报应用的条件,结论可为洮河流域水资源开发利用、防汛保安提供参考依据。

集合预报在南盘江流域中长期径流预报中的应用研究

对南盘江流域的中长期径流预报模型进行研究,充分利用不同类型径流预报模型的优点,建立一种集合预报模型,并根据各模型的预报精度排序,对各模型的组合权重进行分配。该模型可以基于机器的自主学习建立自适应挑选技术,不断自动优化各模型的组合权重系数,提高预测精度,为南盘江流域水库优化调度与发电计划制定提供科学的决策依据。

气象集合预报在水文领域中的应用研究进展

集合预报是针对数值预报的不确定性而发展起来的概率预报技术,在水库控制中应用集合预报信息可以延长水文预报有效预见期并且提高预报精度。目前,集合预报已在发达国家中得到广泛的应用。现概括了集合预报的发展过程,并从洪水预警、径流预报、水库调度决策3个方面分析了集合预报在水文领域中的研究进展,探讨了集合预报的检验和集合预报应用中存在的关键问题。

改进EEMD-GRU混合模型在径流预报中的应用

为解决径流预测模型存在的预测精确度低、稳定性差、延时高等问题,结合门控制循环单元神经网络(gated recurrent unit,GRU),集合经验模态分解(ensemble empirical mode decomposition,EEMD)的各自优点,提出一种基于改进EEMD方法的深度学习模型(EEMD-GRU)。该模型首先以智能算法对径流信号进行边界拓延,以解决EEMD边界效应。然后利用改进EEMD方法将径流信号分解为若干稳态分量,将各分量作为GRU模型的输入并对其进行预测。实验结果表明,与结合了经验模态分解的支持向量回归模型相比,并行EEMDGRU径流预测模型的预测精准度、可信度和效率分别提高82.50%、144.67%和95.49%。基于EEMD-GRU的最优运算结果表明,该方法可进一步减少区域防洪的经济损失,提高灾害监管的工作效率。

不同模态分解方法结合LSTM模型对日径流预报的影响

针对日径流序列不平稳性与波动性的特点,尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先,采用完整集合经验模态分解方法对日径流时间序列进行分解,得到不同频率成分的模态分量;其次,为不同的模态分量构建长短期记忆神经网络日径流预测模型,并采用网格搜索参数寻优算法优化预报模型的超参数;最后将各模型预报结果进行模态重组获得日径流预报结果。以宜昌水文站日径流预报为研究实例,所构建的组合模型较单一长短期记忆神经网络的和分别降低了65.02%、58.35%与2.88%,且运用完整集合经验模态分解方法的分解效果优于传统的模态分解方法,为短时间尺度下的非线性和非平稳的日径流预报提供了新的方法和参考。

气象水文集合预报的多源不确定性影响评估研究

评估复杂水文预报的来源不确定性对于深刻理解和改进水文预报精度至关重要,以往研究较少关注多源不确定性对气象水文预报复杂过程的影响。本研究提出了一种通用的基于贝叶斯模型平均(BMA)的集合框架,用于评估多源不确定性对气象水文预报全过程的影响。采用TIGGE中心的八种数值天气预报产品,四种完全不同结构的水文模型和1000组参数分别考虑来自输入、结构和参数的不确定性。在中国金溪池潭流域的实际应用表明:气象水文预报中数值预报输入的不确定性比水文模型的不确定性更大,水文模型结构的不确定性则明显大于模型参数的不确定性。洪峰流量预报的精度与数值天气预报的精度紧密相关,水文模型结构和参数及其交互作用则是枯水期流量预报的主要不确定性来源。当同时考虑三种不确定性来源时,径流过程预报精度更高。通过考虑复杂预报过程的主要不确定性源,基于BMA集合预报的预测精度更高,并可降低其他因素带来的不确定性。本文提出的多源不确定性评估框架可以较好地提升对气象水文预报过程的理解,在提高复杂水文预报精度方面具有广阔的应用前景。

中长期河流集合预报方法在岗南水库的应用研究

此文对河流集合预报方法(Ensemble Streamflow Prediction,ESP)进行模型原理、应用条件介绍,以滹沱河岗南水库作为研究实例,选取2022年12月—次年5月为遇见期,开展ESP方法在岗南水库中长期预测的应用研究。结果表明,ESP方法的分析预测结果精度较高,为解决中长期径流预报提供有效途径,同时为水库的防汛抗旱和水库调度提供重要依据。

海河流域日径流模拟不确定性分析及应用

文章基于HBV、HyMod和新安江三个不同结构概念性水文模型,对海河响水堡流域进行多模型集合模拟,并对模拟日径流不确定性进行评估。结果表明响水堡流域在20世纪80年代前,下垫面变化较大。且HyMod模型,HBV模型,新安江模型及基于模型集合预报方案的HYMOD-HBV模型,HYMOD-新安江模型,新安江-HBV模型在响水堡流域日流量模拟中均有较好的应用,可实现洪水预报目的。

结合大气环流和遥相关信息的集合径流预报方法及其应用

该文采用集合径流预报(ensemble streamflow prediction,ESP)方法对汉江白河站1970～2000年逐月径流量进行了回顾式预报。针对传统集合径流预报方法中对气象条件变异性考虑不足这一问题,该文尝试引入影响径流的大气环流因子和遥相关信息,对历史气象年份进行挑选,选择与预报年相似的历史气象条件组成集合,以增加气象集合输入的代表性,从而提高径流预报的精度。以夏季(6月、7月、8月)和冬季(12月、次年1月、2月)月径流量为预报对象,改进后的集合径流预报方法显著地提高了预报精度,各月预报的合格率均超过60%,其中8月和12月的合格率达88%,能够满足实际生产需要。

ECMWF降雨集合预报在水库优化调度中的应用研究

为了充分考虑降雨预报的不确定性,本文建立了基于降雨集合预报的径流描述模型,并在满足保证出力条件下,建立以水库在调度期内总发电量最大为目标的随机动态规划模型。以桓仁水库以上流域为研究实例,应用欧洲天气预报中心(ECMWF)的降雨集合预报信息进行水库优化调度。结果显示应用降雨集合预报信息的调度可提高发电量4%以上,表明利用降雨集合预报信息进行水库优化调度,对水库实际运行有一定的指导意义。

基于正则极限学习机的非平稳径流组合预测

针对径流时间序列固有的强非线性和非平稳性特征,提出了一种将集合经验模式分解(EEMD)、样本熵(SE)和正则化极限学习机(RELM)相结合的非平稳日径流预测方法(ES-RELM)。为充分提取径流序列的局部信息以提高预测精度,利用EEMD-SE将径流序列分解为一系列差异度明显的子序列,然后根据各子序列的迥异特征构建了不同的RELM模型对各子序列进行预测,最后将各个子序列的预测结果叠加从而得到最终预测结果。将该模型应用于金沙江下游控制站屏山站的日径流预报中,与九种模型对比结果表明,该方法能有效提高日径流预报精度,是一种高效稳定的径流预报模型,为实现高精度实时径流预报提供了可能。