基于Vine Copula的梯级水库短期发电调度风险估计

基于能准确描述高维变量相关关系的Vine Copula,考虑短期径流预报误差的空间相关性,构建了梯级水库短期发电调度风险估计模型,并将模型应用于长江上游溪洛渡、向家坝和三峡水库,分析了径流预报误差带来的单一水库、梯级水库短期发电调度风险。结果表明:基于C-vine Copula构建的联合分布能较好地描述屏山站、朱沱站、寸滩站和武隆站的日径流预报误差特性;随着水库可调节安全区间范围增大,单一水库发电量不足风险率、弃水风险率均越来越小,梯级水库发电量不足、弃水联合风险率和同现风险率越来越小,即水库调节库容越大,其承担的风险也就越小。

灰色预测模型在径流长期预报中的应用

基于灰色系统的建模理论，利用河西地区有关河流的径流观测资料，建立了一个ＧＭ（１，１）残差序列周期修正径流预测模型，并用于春旱缺水期３～６月河流来水量的长期预报，经生产部门验证。

基于随机水文过程的防洪调度风险分析

通过对流域产流预报误差的统计分析,分析了窝水库根据洪水预报信息进行调度,改变水库泄流方式的安全性指标,然后采用随机模拟方法,研究分析了水库实施防洪预报调度方式相对于常规调度方式,水库及其上下游风险率的变化。研究表明,相对于常规调度方式,窝水库实施防洪预报调度方式未增加水库及其上下游的防洪风险。

基于最大熵原理的径流预报误差分布规律研究

为了更好的研究径流预报误差的分布规律,应用最大熵原理,建立径流预报误差分布的最大熵模型;以官地水库径流预报系列为例,计算其不同预见期的径流预报误差概率密度函数及分布曲线,将该分布曲线与理论正态分布曲线和样本直方图进行对比,结果表明最大熵法求得的误差分布能更好地描述径流预报误差的分布特性。考虑流域径流年内的丰枯变化,以枯水期、汛期和过渡期对径流系列进行划分,分别分析各个时期的误差分布规律,并给出预报误差在不同置信区间下的置信度,从而更好地掌握径流预报误差的分布规律,为提高径流预报精度提供一条新途径。

雨量站分布不均匀流域的降雨径流预报人工神经网络模型

为解决传统方法难以可靠预报雨量站分布不均匀流域的次降雨径流量这一水文预报难题 ,探讨了人工神经网络模型用于该类水文预报问题的可能性。实例研究表明 ,以次暴雨量及其前期影响雨量为输入、次暴雨径流总量 (净雨量 )为输出的 BP网络模型 ,预报的相对误差比蓄满产流模型预报的相对误差平均低 9.2 % ,这说明 ,人工神经网络模型可作为雨量站分布不均匀等雨量观测存在系统偏差或不足流域的降雨径流预报模型。

防洪预报调度方式下水库下游防洪风险分析——以葠窝水库为例

水库实施的防洪预报调度方式是解决我国防洪和兴利之间矛盾的一条有效途径,其对水库上下游的防洪风险率的大小是决定其能否实施的关键。目前对此缺少一种定量计算方法。本文在分析防洪预报调度方式风险指标的前提下,根据水库洪水径流深与产流预报误差的分布规律,采用数值分析方法计算水库实施防洪预报调度方式时,相对于常规调度方式,产流预报误差对水库下游防洪风险率,并以实例论述了具体分析思路和计算过程。

基于IGMM-Copula的入库径流过程预报误差随机模拟模型

为揭示入库径流过程预报误差的统计特征及其变化规律,进而为水电站水库优化调度提供更为准确的输入,基于AIC与BIC准则选取最优高斯混合数,同时引入K-means++算法确定高斯混合模型(Gaussian Mixture Model,GMM)的初始参数值,对GMM-Copula模型中的GMM部分进行了改进,建立了基于IGMM-Copula的入库径流过程预报误差随机模拟模型,该模型不仅在单一预见时刻径流预报误差的量化估计上更具优势,而且能通过建立误差的多维联合分布函数实现对误差序列的随机模拟。以锦屏一级水电站水库为例,应用IGMM-Copula模型对预见时刻为6 h、12 h、18 h、24 h的径流预报误差进行随机模拟。结果表明,IGMM-Copula所得拟合曲线的图形效果及适用性检验结果均优于GMM-Copula模型,且其模拟预报误差的统计参数更贴近于实测预报误差,验证了其合理性与可行性,为入库径流过程预报误差的估计与模拟提供了一种更为精确有效的方法。

西江流域压咸风险调度及其时空传递规律研究

枯水期珠江河口咸潮情势日益加重,径流不确定加剧了压咸风险,严重威胁沿线的供水安全。本文基于概率密度分布描述径流不确定性,构建了单源风险调度基本框架。以西江流域五座水库为研究对象,量化了预报误差与压咸风险的响应关系;揭示了压咸风险的时空传递规律;将压咸风险划分为3个等级;确定出各级风险越级传递的临界阈值。研究表明:随预报误差的增大,压咸风险提前且持续天数增加、风险率增大;压咸风险呈逐时段累积和从上游向下游、从支流向干流的时空传递规律;当预报误差超过±16%、±21%时,压咸风险从轻险越级至中险、中险越级至重险。研究成果对于西江流域压咸风险的调控和粤港澳大湾区的供水安全具有重要的应用价值。

基于土壤墒情抗差的降雨径流预报模型--设计与实验流域应用

本文旨在将实时监测得到的土壤墒情转化为流域水文模型可以直接使用的土壤含水量,论证将实时土壤墒情资料用于实时预报的可行性;利用实时监测土壤墒情,改进传统的模型结构,设计基于实测土壤墒情的降雨径流水文预报模型.采用土壤含水量误差抗差估计技术以抵御观测资料粗差的影响,提高系统的稳定性;并在此基础上提出了土壤含水量系统响应修正方法,以提高模型计算精度.将该模型应用于实验流域——宝盖洞流域进行应用检验,洪水模拟合格率达到92.3%,整体模拟精度达到甲级.

多源径流预报误差混合分布模型及应用

多支流河流径流预报误差具有复杂性、多重不确定性,研究多源径流预报误差可为流域制定水资源管理方案提供更加可靠的来水依据。基于具有稳定鲁棒性的t Location-Scale分布,构建反映径流预报误差多重不确定性、缓解分布假设不正确问题的多源径流预报误差混合分布模型,应用于长江上游屏山站、朱沱站等干支流7座代表性水文站,分汛期、非汛期研究径流预报误差特性。结果表明:各水文站汛期、非汛期径流预报误差最佳边缘分布基本适宜采用t Lo⁃cation-Scale分布;朱沱站、寸滩站及清溪场站汛期多源径流预报误差混合分布模型拟合效果较好,非汛期拟合效果仅次于最佳边缘分布;模型产生的径流预报误差模拟值与实际值均值、变差系数的相对误差不超过11%,偏态系数变化规律相似,能进一步修正径流预报,为流域水资源开发利用及优化配置提供依据。

基于微分响应的流域产流分单元修正方法

为考虑洪水预报误差的空间变化,提出一种基于微分响应的流域产流分单元修正方法.该方法建立了各单元流域产流与流域出口流量之间的微分响应关系,采用正则化最小二乘法结合逐步迫近进行反演求解,将产流误差估计量分配给相应单元流域实现流域产流分单元修正.将构建的方法应用于大坡岭流域和七里街流域进行新安江模型产流修正,比较分析了流域产流分单元修正、流域面平均产流修正和自回归修正的效果.结果表明:流域产流分单元修正效果优于流域面平均产流修正;随着预见期的增大,产流微分响应修正效果优于自回归修正.该方法通过汇流系统将流域出口断面流量信息进行分解用于修正各单元流域产流,有利于提高实时洪水预报精度.

径流预报误差的混合t Location-Scale分布模型及应用

基于混合t Location-Scale分布良好的自适应性,利用k均值聚类法挖掘数据隐含结构、良好的聚类效果特点,建立了不同预见期径流预报误差混合t Location-Scale分布模型。将模型应用于雅砻江流域官地水库,对预见期分别为6、12、18 h和24 h的区间径流预报误差进行了分析与建模,结果发现混合t Location-Scale分布模型弥补了单一分布难以描述径流预报误差特征多样性的局限,能更准确地描述不同预见期径流预报误差的统计特征,误差分布与实测径流预报误差的变化规律一致,可为水库水电站的径流预报和调度运行提供更加准确、可靠的来水数据。

基于PSO-SVR-ANN的丹江口水库秋汛期月尺度径流预报模型

丹江口水库位于汉江上游,是南水北调中线工程水源地,因受华西秋雨影响经常发生较大的秋汛过程。目前应用于丹江口水库径流预报的方法普遍存在预报精度不高和稳定性不强等缺点。针对上述问题,构建了PSO-SVR中长期预报模型,利用粒子群优化算法(PSO)寻找支持向量回归机(SVR)的惩罚系数C、不敏感系数ε以及高斯径向基核函数的gamma参数,在此基础上利用分层感知器人工神经网络(ANN)分析了SVR预报误差规律和特征,建立了PSO-SVR-ANN耦合模型,实现了径流预报的自纠正。结果显示,PSO-SVR-ANN秋汛期预报模型平均相对误差较小,均在10%左右;合格率较高,均处于80%以上水平。实验结果表明,PSO-SVR-ANN模型与PSO-SVR相比,预报精度更高,稳定性更强,可信度更高,具有一定的实用价值,为相关研究提供了参考。

秦皇岛汤河流域产汇流参数特性

基于同一流域的产汇流参数,随着降雨强度及时空分布呈一定规律变化的特点,现结合汤河秦皇岛水文站实测资料,阐述了浅山区流域产汇流参数在不同条件下的计算方法,分析计算了流域前期影响雨量Pa、最大损失量Im、稳定下渗率fc、汇流参数m值,并利用计算的参数对历史洪水进行了检验,计算精度较高,对本流域及类似流域产汇流规律研究、洪水预报、工程设计均有一定参考价值。

基于预报难度的径流预报水平综合评定

本文在分析传统径流预报精度评定方法的基础上,给出了预报难度的概念和定义,并考虑有无降雨、不同预见期及不同预报流量级别等不同预报情景,提出了两种基于预报误差分布的预报难度计算方法,可实现不同预报情景及不同预报水平标准下的预报难度计算。将其与预报员预报水平评估相结合,建立了考虑预报难度的预报人员综合预报水平评定方法。实例研究结果发现,相比于传统方法,所提综合预报水平评定方法能有效考虑不同预报情景的预报难度,能够充分体现出大难度预报情形(例如长预见期预报)在预报精度提升时对于综合预报水平的贡献量,使所得结果更加科学、合理,可有效促进预报人员预报水平的自我提升。

入库径流预报误差随机模型及其应用

为了在量化入库径流预报误差的条件下有效提高调度方案制作的精度,基于高斯混合模型(GMM)良好的自适应性,能更准确地描述单一预见期径流预报误差分布的特点,以及高维meta-student t Copula函数具有将多个类型边缘分布有机耦合的优势,建立了多个预见期入库径流预报误差的GMM-Copula随机模型。以雅砻江流域锦屏一级水电站水库为例,对预见期分别为6 h、12 h、18 h、24 h的入库径流预报误差进行了分析与随机模拟。结果表明,随着预见期的增加,模拟误差与实际误差的主要统计特征值相差不大,满足预设精度要求,且变化规律一致,验证了模型的可行性与有效性,为水库调度方案的编制与实施提供了参考依据。