柘溪流域短期水文预报方法研究

发布时间：2020-05-05 13:14

【摘要】：在现有水文基础理论和技术水平的基础上,全面掌握水文循环过程和水资源演变规律,深入研究人类活动对水循环系统的影响,是水文学领域的关键所在。其对实现水资源可持续利用和发展具有重大意义。水文预报一直是水文学中的核心问题,其主要工作是运用已掌握的水文气象信息,有效的预测未来一定时段内的水文情势。水文预报是调度决策的重要科学依据,关系着我国经济社会的发展、人民生命财产的安全。为此,本文以柘溪流域为研究对象,围绕柘溪流域水文预报体系构建中的若干问题,开展了多项研究工作,主要研究内容和成果如下:(1)针对水文模型的参数优化率定问题,本文采用SCE-UA单目标算法、MOSCDE多目标算法等全局优化算法进行水文模型参数率定。以柘溪流域筱溪~柘溪区间为研究对象,分别采用单、双目标算法对新安江模型和水箱模型进行参数优化率定,分析不同目标组合对参数率定结果的影响,进一步验证了多目标参数率定研究的必要性。此外,本文选取确定性目标、洪峰目标、洪量目标等3项作为目标函数进行三目标参数优化率定,验证了多目标参数优化率定的可靠性和有效性。(2)围绕多目标参数优化率定最优非劣解选取这一难题,本文引入最小最大后悔值决策理论,对基于Pareto支配的非劣解优选法进行改进,提出一套多目标最优非劣解选取准则。该最优非劣解优选方法不受非劣解集规模限制,可大大减少工作量。将该方法应用于柘溪流域筱溪~柘溪区间参数优化率定中,结果表明:该方法可迅速有效地从非劣解集中选取最优参数,对多目标算法进一步推广起到促进作用,具有一定的理论意义。(3)为精细化考虑筱溪水库调蓄对柘溪水文预报的影响,本文建立描述筱溪水库入库流量、水位与出库流量的相关关系的BP神经网络模型,以寻求筱溪水库的调蓄规律。此外,引入洪峰识别思想,建立基于洪峰识别的BP神经网模型,结果表明:基于洪峰识别的BP神经网络模型可有效减小洪峰处的预报误差,提高了筱溪出库流量预报精度。(4)在上述研究成果的基础上,本文选用新安江模型、水箱模型作为预报模型同时运用三目标MOSCDE算法优化率定模型参数,从而为柘溪流域建立了完备的水文预报体系。最后,本文采用串并联校正方法实时校正柘溪水文预报误差,进一步优化柘溪流域水文预报体系。相比于现有柘溪流域预报系统,本文所建立的柘溪流域水文预报体系从整体上显著提高了柘溪流域的水文预报精度,具有一定的工程应用价值。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P338

【参考文献】