摘要：【目的】长短期记忆网络(LSTM)在水文预报研究中显示出较强的预报能力,但通常依赖于大量数据的训练。为使LSTM模型更好的适用于数据量较少的流域。【方法】研究采用退水曲线,对LSTM模型施加物理约束,提出了适用于低流量预报的混合模型。【结果】在中国西南不同地区3个流域的应用表明:(1)随着预见期的增长,混合模型预报结果的合格率有轻微下降,预见期10 d以内准确率可达到90%以上;(2)混合模型的预报精度显著高于LSTM,且能够显著降低误差累积效应的影响;(3)混合模型在减少训练样本数和减少预报因子维数的情况下均优于LSTM模型。【结论】结果表明,引入退水曲线可以降低混合模型对训练数据量的要求,有效延长预见期,对深度学习预报低流量提供了新的改进思路,并可以为抗旱方案设计等提供技术支持。

摘要：将感潮河段退水曲线视作上游洪水波退水与下游潮水波顶托2种独立过程双向运动的叠加,根据洪水波退水公式和调和分析方程建立感潮河段双向波退水曲线耦合模型。以姚江入江口段姚江大闸次洪退水过程为研究对象,对2008-2016年15场次洪水退水段进行了模拟。结果表明:各次洪退水段模拟的洪水波参数取值较稳定,说明退水规律较好;潮水波影响系数的大小与河道水位、降水以及天文大潮的出现有关;双向波退水曲线耦合模型能够较好地模拟姚江流域出口的退水过程。

摘要：为了探讨贵州喀斯特地区枯季径流的退水规律,选取Depuit-Boussinesq退水方程对流域退水进行模拟,将退水指数与从DEM数据提取的各种地形因子之间进行分析。结果表明:地形指数基本与退水指数成正比;退水指数与基流指数成反比;岩性和喀斯特地貌对退水指数的影响较大,这两项指标不仅决定了径流的成分,还决定了退水的时间与速度。

摘要：按照丰、平、枯水平年,选取白水江上游流域雨量站及大录水文站实测水文资料,分析水文站断面产汇流时间。以时段面平均雨量和时段流量为输入,率定降雨径流关系以及分析综合洪水退水曲线,建立白水江上游流域降雨径流预报模型,并利用剩余实测资料对模型进行检验。结果表明,模型实用有效、时效性高,预报精度符合要求。