论文部分内容阅读
随着洪水预报科学的发展,水文模型已被广泛地用来解决包括水文水资源、环境和生态等社会和人类发展问题。南方湿润地区雨洪配套资料丰富,在进行流域水文模型研究时可做的工作较多,计算方法也比较成熟。而对于占我国领土面积52%的半干湿地区,水文模型方面的工作做的较少,流域水文模型的使用在国内外在半干湿地区都存在问题。双超模型尤适用于半湿润半干旱地区,作为洪水预报首选模型,应给予充分重视,而现阶段对双超模型参数敏感性以及率定的研究贫乏,不能为各级政府和防汛部门提供准确的模型信息,难以满足洪水预报参数率定的需求。本文以双超产流模型为研究对象,对模型参数进行敏感性分析,识别模型输出响应的重要影响参数,减少模型参数率定过程中的盲目性,并且建立山西省小流域洪水分类参数率定系统,为参数率定提供依据,提高模型运行的可靠性与预报精度。本文以山西省内榆社、上静游与娄烦3个水文站控制流域作为研究对象,选取各流域内具有代表性的场次洪水进行双超模型参数敏感性分析。首先采用局部分析法,得出了双超模型参数在不同流域、不同等级洪水及多个目标函数下的敏感性与相关性情况,基于变异系数法确定模型参数的综合敏感性系数。再采用优化的LH-OAT法,通过对参数的定向改变,得出了双超模型参数在不同流域、不同等级洪水及多个目标函数下的敏感性与相关性情况,基于熵值法确定了模型参数的综合敏感性系数。并将两种方法所得结论进行对比分析,研究表明:(1)由局部分析法得到模型参数综合敏感性大小排序为Sr>b>α0>Ks>σ≈C,参数Sr、Ks、b、α0为敏感性参数,C、σ为不敏感参数,由全局分析法得模型参数综合敏感性大小排序为Ks>b>Sr>α0>σ≈c,参数Sr、Ks、b为敏感性参数,参数α0为较敏感参数,C、σ为不敏感参数。对比二者成果可知不同的研究方法的到模型参数的敏感性大小排序有所不同。但是对于参数敏感性分级,仅α0受到分析方法的影响,其他参数敏感性等级具有较好的稳定性。(2)采用局部分析法与全局分析法对参数与目标函数相关性分析可知,在不同等级洪水、不同流域中,各敏感性参数与目标函数Wi、Qmi的相关性明确。表现为参数α0、b与Wi、Qmi正相关,参数Sr、Ks与Wi、Qmi呈负相关。但各参数并不是对所有的目标函数都有明确的相关性,当目标函数变为IVF、RE、RSS、PE时,相关性不明确。因此,有在实际运用中针对不同目标函数,在参数的调节方面需要区别对待,并不是都有规律可循。本文采用模糊ISOD ATA迭代模型对历史洪水进行聚类分析。因场次洪水过程的洪峰流量和洪水总量为洪水预报的主要目标,所以选定历史洪水的洪峰流量和洪水总量为聚类特征指标进行聚类分析。将历史洪水按照量级大小分为大洪水、中洪水、小洪水3种类型。由于洪水现象复杂多变,难以掌控,产汇流规律在不同类型洪水中也不尽相同,为降低仅用一组水文预报模型参数对全流域洪水进行预报的误差,本文确立了水文预报模型参数分类率定的思路,来寻找同类型洪水产汇流的规律。水文预报模型参数分类率定结果表明:(1)本文所建立BP神经网络分类模型,可准确判断流域洪水所属类型,在样本预测中精度达到100%。(2)本文所建立的流域洪水分类预报方法,将传统洪水预报的洪量合格率从73%提高到了82%,洪量相对误差从18.1%减少到了11.3%;洪峰合格率也从73%提高到了82%,洪峰相对误差从16.4%减少到了14.6%。提高了研究流域整体预报精度,为研究流域实时调度提供了可靠依据。前人曾对双超模型参数采用传统扰动分析法仅对模型参数进行了敏感性分类,并未对模型参数敏感性系数进行定量计算,本文通过对目标函数赋权,进行模型综合敏感性系数分析,对参数的敏感性进行了客观全面的分析,成果更加完善与可靠,对深入了解双超模型产流机理、减少模型率定过程与提高模型模拟精度等具有深远的实际意义;本文所建立的BP神经网络分类模型可以较为精确的判断流域洪水量级大小,对流域洪水分类可靠。另外,洪水分类及识别结果受洪水分类特征指标选取的影响,是应进一步研究的问题。