摘要：为解决无资料断面水位预报问题,提出BP神经网络与MIKE11模型耦合方法。通过小时尺度的洪水场次数据,选取水位、降雨和前期影响因子进行相关性分析;筛选出预见期12 h及24 h兰江流域水位关联度最高的预报因子,以多元线性回归(MLR)和反向传播神经网络(BPNN)模型构建兰溪站不同预见期下的水位预报模型;并利用Mike NAM-HD机理模型推演未设测站断面的水位数据,通过BP神经网络进一步构建兰江流域无资料断面的水位预报模型。结果表明:(1)BPNN模型对长预见期下的水位预报效果优于MLR模型;(2)随着预见期的延长,BPNN模型的纳什效率系数逐渐降低;(3)对比筛选预报因子前后BPNN模型的纳什效率系数,12 h及24 h预见期下分别提升9.0%、34.7%;(4)提出的耦合BP神经网络和MIKE11模型方法可应用于无资料断面的水位预报。

摘要：为探究基于TASCC的养分添加示踪方法在山区流域内不同特征河道的氨氮吸收能力研究中的适用性及其优缺点,以浙江西南部山区小港流域为研究对象,在自上游至下游的8处试验点开展了氨氮的营养盐添加示踪试验,同时采集流域水生态环境特征数据。结果表明,基于TASCC方法和Michaelis-Menten吸收动力学模型量化小港流域的氨氮吸收能力,除在下游低流量的宽河道外都有较好的应用效果外,流域内氨氮吸收能力的空间分布差异可能与河道断面几何形态、流量、流速、背景浓度和水生态环境等因子有关。