论文部分内容阅读
我国是个山区洪涝灾害频繁发生的国家,每年因局部强降雨和山洪灾害致死人数占洪涝灾害死亡总人数的70%以上,因此如何提高预测预报水平,增强洪水预见期,对搞好流域防洪减灾工作具有重要意义。论文主要构建山区流域降雨径流RBF神经网络预报模型,以崇阳溪武夷山站上游流域为实例进行研究,为流域的防洪减灾决策提供依据。主要研究内容如下:(1)对流域单元离散化,确定子流域洪水传播时间。将流域划分为7个子流域。不计武夷山站子流域的影响,得到其余6个子流域大安、洋庄、坑口、吴边、岭阳、岚谷的面积权重分别为0.20、0.10、0.20、0.22、0.13、0.15。根据形心法算出的子流域ti与实际暴雨洪水传播时间Ti进行对比,综合分析确定6个子流域洪水传播时间τi分别为3h、lh、3h、2h、4h、3h。同时,计算武夷山站各频率设计洪水洪峰流量,对成果进行合理性分析,并对洪灾成因进行分析。(2)搜集21场洪水样本,将其分为12场训练样本、3场监控样本、6场检验样本,选取合适的RBF网络学习算法,拟定预见期T为lh,考虑τi和T,采用武夷山水文站上游流域大安站、洋庄站、坑口站、岭阳站、岚谷站、吴边站6个雨量站的时段降雨过程,对其进行赋权和对数转化,连同累计降雨过程作为输入变量,武夷山水文站的出口断面流量过程为输出,建立流域降雨径流RBF神经网络预报模型(简称模型一)。模型预报效果不是太好,综合合格率为55.6%,平均确定性系数0.586。(3)把监控样本加入训练样本,15场洪水作为训练样本,6场洪水作为检验样本,对模型一进行改进。考虑τ;、max{τi}、min{τi}、T,采用上述6个雨量站的时段降雨过程,对其进行赋权和对数转化,连同夷山水文站前min{τi},min {{τi}+1,…,max{τi}-1,max{τi}时刻的流量过程为输入,武夷山水文站的出口断面流量过程为输出,建立RBF模型二。模型预报效果好,单项、综合合格率均达到100%,平均确定性系数0.952。(4)在模型二的基础上,分别构造源于高斯函数的指数形式和Log型S函数形式的径向基函数,建立RBF模型。两种函数预报方案单项、综合合格率均达到100%,平均确定性系数超过0.900。(5)应用二水源新安江模型对崇阳溪上游流域6场洪水进行模拟,综合合格率为88.9%,平均确定系数为0.771。(6)将上述模型进行对比,对误差进行分析、评定,确定模型二为崇阳溪上游流域预报效果最优的预报模型,为流域的防汛调度提供依据。