基于深度学习的改进ERRIS径流预报实时校正模型

为提高径流预报精度,基于长短期记忆网络(LSTM)改进ERRIS模型,构建了径流预报实时校正的ERRIS-LSTM模型,以雅鲁藏布江流域和椒江流域为例进行对比分析。结果表明:与ERRIS模型相比,ERRIS-LSTM模型使雅鲁藏布江流域和椒江流域径流预报的纳什效率系数分别提升了4.1%和1.1%,均方根误差分别减小了67.7%和5.7%,使雅鲁藏布江流域中、低水流量的百分比偏差分别降低了75.5%和79.1%,椒江流域低水流量统计指标均改善超过20%;ERRIS-LSTM模型能够充分获取误差序列的序贯相关性,生成的集合预报比ERRIS模型预报的整体精度更高,连续排序概率评分降低了75%以上,不确定性更小,可靠性更强;相比于LSTM模型的校正结果,ERRIS-LSTM模型可以额外提供校正结果的不确定性信息,在业务预报和防洪决策中具有重要的应用前景。

基于分布式产流要素和时空深度学习算法的径流后处理研究

准确的径流模拟是流域水资源管理和区域综合政策制定的重要前提。为提高径流模拟的精度,本文以浙江省台州市永安溪流域为研究区域,基于2010—2019年柏枝岙站出口断面的实测日径流数据和网格化HBV模型(Grid-HBV)的模拟结果,提出了一种耦合卷积神经网络CNN和长短期记忆网络LSTM的CNN-LSTM时空后处理模型;构建了基于单一产流要素的s-CNN-LSTM模型和基于两种产流要素的bi-CNN-LSTM模型,并与基准模型s-LSTM开展径流后处理和比较分析。研究结果表明:Grid-HBV模型率定期和验证期的纳什效率系数(NSE)分别为0.78和0.81,整体径流模拟效果较好,但存在中、高水低估和低水高估的不足。经s-LSTM模型后处理后,率定期和验证期NSE提升至0.87和0.85,提升幅度为11.2%和5.8%;s-CNN-LSTM模型后处理后NSE分别为0.90和0.89,提升幅度为14.6%和10.9%。bi-CNN-LSTM模型后处理后率定期和验证期NSE皆达到0.92,提升幅度为17.2%和14.2%,比s-LSTM模型的提升幅度分别大6.0%和8.4%,且该模型对原模拟径流高、中、低各流量等级中的局部缺陷有针对性改善。在4个典型洪水事件的分析中,bi-CNN-LSTM模型总体后处理效果最好,与Crid-HBV模型模拟结果相比,各洪峰误差平均减小36.6%,s-LSTM模型和s-CNN-LSTM模型则平均额外减小了19.3%和30.3%。基于分布式产流要素的CNN-LSTM模型具有较好的径流后处理能力,能够显著提高水文模型径流模拟效果,有助于流域水文水资源的科学管理。

基于EMD的BP神经网络在凌河流域旱灾预测中的应用

为提高旱灾预测模型预测精度，利用EMD（经验模态分解法）处理非平稳信号的优势，将其应用到BP神经网络预测模型中，建立基于EMD的BP神经网络旱灾预测模型，对凌河流域44个观测站（小凌河流域11站、大凌河流域33站）共51年（1960~2010）的降水资料进行旱灾预测应用，同时将基于EMD的BP神经网络旱灾预测模型结果与BP神经网络预测模型结果进行对比。结果表明：小凌河流域基于EMD的BP神经网络预测模型、BP神经网络预测模型的年均降水量预测值均方误差（MSE）分别为0.0011和0.0076，决定系数（R2）分别为0.95和0.83；大凌河流域基于EMD的BP神经网络预测模型、BP神经网络模型的年均降水量预测值均方误差（MSE）分别为0.0032和0.0092，决定系数（R2）分别为0.93和0.79。基于EMD的BP神经网络预测值均方误差（MSE）较小且决定系数（R2）较高，均优于BP神经网络预测值，提高了BP神经网络旱灾预测模型预测精度，具有一定的可行性。

极限学习机在洪涝灾害预测中的应用

为了减轻洪涝灾害对人类的伤害,将极限学习机（extreme learning machine,ELM）引用到洪涝灾害预测中,利用凌河流域1960～2010年44个观测站（其中大凌河流域33站、小凌河流域11站）的降水资料,对凌河流域洪涝灾害进行预测,并将其与传统神经网络预测结果进行对比分析.结果表明：基于极限学习机预测模型的年均降水量预测值,大凌河流域的均方误差（MSE）为0.003,决定系数（R2）为0.927;小凌河流域的均方误差（MSE）为0.0037,决定系数（R2）为0.8481,均满足误差精度要求,其结果均优于BP神经网络预测模型的均方误差值和决定性系数.说明极限学习机预测模型用于洪涝灾害预测效果良好,为洪涝灾害预测提供了新的方法.

黄河源区鄂陵湖现代湖盆形态研究

鄂陵湖是黄河源区最大的淡水湖。通过基于GPS-RTK的技术定位以及测深仪的水下地形测量,结合相关历史资料和遥感数据分析,应用湖沼学理论,对鄂陵湖的湖盆形态进行定量化研究。结果发现鄂陵湖最大水深33.2 m,平均水深15.55 m,湖长37.49 km,湖面最大宽度32.3 km;平均宽度16.76 km,岸线长226.3 km,湖面面积628.47 km2,湖泊容积97.76×108m3,湖盆形态为接近抛物线体形式的构造断陷湖,而不具备第四纪冰川侵蚀湖盆的地貌特征。研究结果可以对黄河源区的生态环境变化和黄河源区的水量管理提供基础信息。

基于SEBS模型反演凌河流域尺度地表蒸散发量

利用NOAA/AVHRR数据和气象资料,结合反演陆面蒸发较为准确的SEBS（Surface Energy Balance System）模型,反演了2011年我国辽宁西部地区凌河流域蒸散发量的时空分布。研究表明,凌河流域各月的蒸散发量变化范围在0~7mm之间,少数地区超过7mm。研究为大面积获取我国辽西北干旱地区的蒸散发情况奠定了基础。

椒(灵)江流域洪潮遭遇规律分析

椒(灵)江感潮河段的水情受上游洪水和河口潮水共同影响,水情情况复杂。为较合理提出感潮河段设计高水位,保障临海、台州的防洪安全,利用椒(灵)江洪水及潮位资料,采用水文分析法从洪潮频率遭遇、洪潮错峰时间遭遇两方面,分析椒江洪潮遭遇规律。考虑设计高水位时,分析结果推荐,当椒(灵)江干流发生20年、50年一遇洪水时,遭遇海门站5年一遇高潮位;当发生20年、50年一遇潮位时,遭遇5年一遇洪水;发生10年一遇以下洪水时,遭遇同频率高潮位;且洪、潮遭遇时间推荐为海门站潮峰早于三江村洪峰至少15.4 h以上。分析成果可为流域防洪排涝、河道整治规划等提供决策参考。