三峡工程对长江下游感潮河段极值水位的影响

以往河流极值水位的研究往往选取年最大和最小水位开展分析,但这容易忽略了小概率因素带来的随机性的影响。为了更合理揭示长江感潮河段极值水位的演变趋势,并分析三峡工程对其影响,文章通过概率密度函数法及NS_TIDE调和分析,分析了长江下游感潮河段极值水位的演变规律。结果表明:三峡工程的流量调节对长江下游高水位有着显著的影响,高水位的变化在三峡工程建成前后由上升变为下降趋势,但三峡工程对于低水位的影响较小;而在三峡工程流量调控的影响下,分潮振幅变化趋势与概率密度函数法得到的水位变化趋势相反,即对极值水位影响也相反,表明长江口感潮河段由于三峡工程流量调节后,导致潮汐振幅的改变对极值水位的影响较小,极值水位的变化直接对流量条件的响应更为显著。

基于非稳态调和分析和长短时记忆神经网络的河口潮位短期预报混合模型

河口潮汐过程受上游径流、外海潮波等因素影响,动力机制复杂,潮位预报难度大。本文提出了一种基于非稳态调和分析(NS.TIDE)和长短时记忆(LSTM)神经网络的混合模型,对河口潮位进行12-48 h短期预报。该模型首先对河口实测潮汐数据进行非稳态调和分析,通过与实测资料对比得到分析误差的时序序列,并以此作为LSTM神经网络的输入数据,通过网络学习并预测未来12~48 h潮位预报误差,据此对NS_TIDE的预测结果进行实时校正。利用该模型对2020年长江口潮位过程进行了预报检验,结果表明混合模型12 h、24 h、36 h和48 h短期水位预报的均方根误差(RMSE)相比NS_TIDE模型至多分别降低了0.16 m、0.15 m、0.14 m和0.12 m;针对2020年南京站最高水位预测,NS.TIDE模型预报误差为0.64 m,而混合模型预报误差仅为0.10 m。