摘要：为解决水库中长期径流预报精度问题,提高水库运营效率,以某水库为研究对象,基于BP神经网络法对监测值训练学习,对水库径流量进行短期优化调度。结果表明:小波分析法、混沌理论模型法和BP神经网路法预测得到的数据均与实测年径流量总体趋势一致,BP神经网络法在年径流量预测中精度更高;优化调度提高了水库的防洪抗旱的能力,达到了调节水资源的目的。研究结果可为水库运行调度提供参考。

摘要：针对跨流域引水工程受水水库如何提高引水有效性的问题,本文基于参数-模拟-优化模型(PSO),研究耦合中期、长期径流预报信息的跨流域引水受水水库调度图。结合碧流河水库实例研究,提出利用长期径流预报修正调度图引水上下限及采用"库容+中期径流预报"制定引水决策的方法。通过比较多种预报调度图的模拟结果及调度风险分析,论证耦合中期、长期径流预报调度图的合理性。结果表明:应用耦合长期、中期径流预报信息的调度图可有效减少跨流域引水量,提高水资源利用率,且相比仅考虑长期径流预报的调度图降低了缺水风险。

摘要：中国位于地球环境变化最为激烈的东亚季风区,水资源形成和转化过程中的水循环机制具有复杂性和易变性,降雨在时空分布上的不均匀性造成了水旱灾害的频繁发生。水文循环原理是水文学的基础理论之一,基于水文循环原理的径流预报方法是中国长期径流预报的一种新思路。"水文循环异常说"是长期径流预报的理论基础,即水文循环异常造成径流异常。雨情和水情事实证明,本方法具有明确的物理意义和明显的前兆特征,对径流异常的预报有着重要的指导意义,未来有广阔的发展前景。

摘要：【目的】高精度的长期径流预报是水利工程运行的重要基础支撑,然而影响径流预报精度的预报因子选择、模型构建、径流分解中决定性因素不明,阻碍了预报精度的提升。【方法】基于信息熵筛选天文、全球和流域尺度预报因子,分别构建多元线性回归、神经网络、随机森林模型,结合STL算法分解径流,形成多种预报方案,量化预报因子、模型及径流分解三个因素对长期径流预报的贡献。【结果】在英那河、碧流河及桓仁水库的实例研究中,以气候因子、天文因子与流域因子组合(C+A+W)为输入,在对年径流进行分解的前提下利用随机森林模型进行预报,测试集的纳什效率系数分别为0.92、0.84、0.84。在影响因素分析中,预报因子对英那河、碧流河及桓仁水库年径流预报的精度贡献占比分别为0.30、0.30、0.27。【结论】对于三个水库,均是包含三个尺度的预报因子预报精度最高,随机森林模型表现最优,径流分解能一定程度提升预报精度。预报因子的选择是精度的主要影响因素;另外,与预报因子有关的因素之间的相互作用也不容忽视。本文可为长期预报方案的制订和精度提升提供新思路。

摘要：为提高跨流域引水工程受水水库引水有效性,研究了耦合长期径流预报信息的跨流域引水受水水库调度模型。首先选取汛期径流预报信息,采用径流预报概率修正先验概率来描述径流的不确定性,建立了贝叶斯随机动态规划模型(BSDP-LTF)。然后将模型应用于碧流河水库,并与仅考虑径流相关的随机动态规划模型(SDP-I)、仅考虑长期预报信息的随机动态规划模型(SDP-LTF)进行比较。比较结果得出在供水保证率基本一致且不增加调度风险的情况下,BSDP-LTF模型相比SDP-I、SDP-LTF模型,可分别减少引水8.2%、4.1%。表明贝叶斯随机动态规划模型BSDP-LTF有效改进了径流描述,提高了跨流域引水的有效性。