濱江流域水文模型研究.pdf

1、洪水問題是一個全球性的問題，而且呈逐年上升趨勢。水文模型一直是防洪非工程措施中的重要組成部分，水文模型發(fā)展至今已有70多年的歷史，當前神經(jīng)網(wǎng)絡模型和分布式水文模型已成為研究的熱點。本文以濱江流域為試驗區(qū)對這兩類模型進行了探討，主要研究成果與創(chuàng)新點如下： 1)建立了水位預報神經(jīng)網(wǎng)絡模型神經(jīng)網(wǎng)絡自上世紀80年代就已經(jīng)在水文預報中得到了應用研究，然而直接由降雨過程來預報流域出口斷面水位變化的研究卻很少見報道。本文利用濱江流域的降雨水位

2、資料建立了水位預報模型。 a)提出了比例系數(shù)BP網(wǎng)絡訓練算法，提高了網(wǎng)絡的訓練速度。 b)將遺傳算法與BP網(wǎng)絡相結合為BP網(wǎng)絡優(yōu)化初始權值，從而避免網(wǎng)絡的訓練結果落入局部極小點，加快了網(wǎng)絡的訓練速度，提高了模型的預報精度。 c)由于雨量與水位的單位不同而且變化范圍相差較大，本文采用了壓縮系數(shù)法按不同的標準對雨量數(shù)據(jù)和水位數(shù)據(jù)分別進行了處理。尤其對于水位數(shù)據(jù)，首先應該減去一個基準水位以提高水位變幅在水位數(shù)據(jù)中的比例

3、。通過這樣處理后模型對水位的識別能力得到了提高。 d)針對流域雨量站稀少的特點，提出了充分利用有效點雨量信息的方案，從而改善了BP網(wǎng)絡的模擬性能。 e)提出了前饋網(wǎng)絡與遞歸網(wǎng)絡相結合的方案，即采用BP網(wǎng)絡確定模型的參數(shù)然后采用遞歸網(wǎng)絡進行預報，采用這種方案建立的實時水位預報模型，通過對未來3小時、6小時及9小時水位的預報得到了令人滿意的結果。 2)提出了基于神經(jīng)網(wǎng)絡的日降雨～徑流耦合模型由于簡單線性模型能夠從長序

4、列的降雨～徑流資料中捕捉流域的線性響應過程，本文根據(jù)濱江流域1990-2000年的日降雨～徑流資料，首先利用簡單線性模型對日徑流量進行初步模擬，然后再利用神經(jīng)網(wǎng)絡對這一初步模擬值進行優(yōu)化調整。通過實例驗算，這樣一種耦合模型得出了令人滿意的結果。目前大多數(shù)降雨～徑流神經(jīng)網(wǎng)絡模型需要將前期徑流作為模型的輸入，而本文提出的耦合模型不需要考慮前期徑流，是神經(jīng)網(wǎng)絡在資料稀缺流域建模的有益嘗試。 3)建立了基于GIS的分布式水文模型本文以G

5、IS為平臺以遙感數(shù)據(jù)為主要的參數(shù)來源建立了具有物理基礎的分布式水文模型。 a)SCS模型一般用于流域或子流域平均產(chǎn)流量的計算，而本文利用SCS模型對流域的每個柵格單元進行產(chǎn)流分析，從而得出整個流域的產(chǎn)流分布。 b)擴散波方程主要用于河道的洪水演進，而本文將其用于整個流域的匯流分析，包括坡面漫流和河網(wǎng)匯流，通過概率論方法求解出每個柵格單元的徑流路徑瞬時單位線。根據(jù)流域的產(chǎn)流分布可得到流域出口匯流過程。 4)通過對神