一、浅析洪水预报中的不确定性来源（论文文献综述）
张婷,李怡,李建柱,冯平[1]（2022）在《多源降雨数据融合及其水文应用研究进展》文中进行了进一步梳理降水作为水文循环中最活跃的因子和导致洪水灾害最常见的因素,其数据精度对于洪水预报和防洪减灾具有重要意义。雨量站、雷达和卫星遥感产品是获取降水量资料的3个重要来源。单一来源的降水数据不确定性较大,因此多源降雨数据融合技术得到了广泛的应用。本文总结了降雨资料的来源,介绍了多卫星降水集成以及客观分析法、地质统计学法、最优插值法、尺度递归估计法和贝叶斯模型平均法5种常用的多源降雨数据融合方法。本文还介绍了一些主流的国际和国内的多源降雨融合产品和融合降水数据在水文研究中的应用,最后对未来多源降雨数据融合及其在水文研究中的应用进行了展望。
张仁[2]（2021）在《玉石水库对碧流河流域洪水预报的影响研究》文中指出全球气候变化加剧,洪涝灾害对社会发展的危害变得越来越显着,洪水预报已经成为有效应对洪水灾害的重要技术手段。随着社会经济的发展,为有效缓解水资源的时空分布不均,河道上修建了大量水利工程,对流域天然径流的影响越来越强烈,在洪水预报当中考虑人类活动影响已成为必然趋势。然而,上游中小型水库运行资料和水文数据缺测的情况普遍存在,预报中无法准确考虑水利工程影响,造成洪水预报精度降低,这仍是洪水预报的难点。碧流河上游于2001年修建了玉石水库,玉石水库长期以来缺少水文数据记录,因此,其对流域洪水的影响难以评判。本文针对玉石水库在碧流河流域洪水预报中的影响展开研究,并提出考虑玉石水库影响的碧流河流域洪水预报方法。本文研究内容总结为以下三点:（1）利用HEC-HMS模型和新安江模型对玉石水库建库前后流域洪水进行预报,定性分析玉石水库对下游洪水预报的影响。分别利用HEC-HMS模型和新安江模型对流域天然条件下（玉石水库建库前）的16场洪水进行预报,得到两个模型在流域天然条件下的洪水预报模型参数。经分析,碧流河流域多年土地利用变化微小,玉石水库的建造是流域主要人类活动。运用流域天然条件下的模型参数对建库后的洪水进行预报,根据洪水预报结果,定性分析上游玉石水库在流域洪水预报中的影响。（2）利用多源遥感信息定量分析玉石水库在流域场次洪水中的拦蓄影响及拦蓄规律。首先运用多源遥感信息对玉石水库长期的水位、水面面积进行提取,对数据进行统计分析和公式推导后,合理构建玉石水库的水位-面积-库容关系。接着运用多源遥感信息对场次洪水前后玉石水库的水位或水面面积进行提取,结合玉石水库水位-面积-库容关系,估算出了玉石水库在场次洪水中的拦洪量,拦洪量大小即表示玉石水库对流域洪水的拦蓄影响大小。最后分析了各场次洪水的前期土壤含水量、玉石水库子流域累积降雨量与玉石水库拦洪量的关系,推求出了玉石水库在场次洪水中的拦洪规律。（3）基于上文研究成果,本文提出两种考虑玉石水库影响的碧流河流域洪水预报方法。第一种方法,在HEC-HMS模型中添加玉石水库单元模拟其影响过程,结合玉石水库的蓄泄规则、水位-库容关系等信息对模型中水库单元参数进行设置,从而有效模拟玉石水库对洪水的拦蓄过程。第二种方法,利用玉石水库在场次洪水中的拦洪规律对新安江模型的预报结果进行实时校正。分析两种方法的洪水预报结果,预报精度均取得了一定的提升,从而为玉石水库影响下的碧流河流域洪水预报提供了有效指导。
冯克兰[3]（2020）在《水文站洪水预报的不确定性来源分析》文中指出近年来,极端天气出现的频率越来越高,尤其是暴雨天气,因此,一些国家对洪水的预报理论和预报方法都进行了较为深刻的研究。但是对洪水预报的不确定性来源,却没有进行充分的分析。洪水预报中的不确定性来源主要包括自然环境的变化,资料的不确定性,参数的计算及结构的不确定性等方面。本文主要针对水文站洪水预报的不确定性来源进行分析,不断提高洪水预报的准确性。
宋天宇[4]（2020）在《基于长短时记忆网络的山丘区洪水预报研究》文中提出洪水灾害是威胁人类生存与社会发展最主要的自然灾害之一,其中山洪灾害突发性强、破坏力大、成灾速度快、预测难度高,已经成为世界各国山丘区城市和乡村社会经济发展面临的重大问题,山洪灾害防御亦是我国防汛工作的难点和薄弱环节。山洪灾害预报预警研究能够为山洪灾害防御工作提供必要的科学支撑,构建适用于山丘区中小流域、预报精度高、适用能力强、计算简单且易于推广的洪水预报模型是山洪灾害预报预警研究的关键技术之一。本文针对山洪灾害预报预警及其与深度学习交叉学科研究面临的关键问题和技术难题,基于长短时记忆网络（LSTM）和深度学习堆叠架构,以我国江西省安和水文站控制流域为例,从适用于山丘区中小流域的洪水预报模型构建、机器学习洪水预报模型建模不确定性分析、机器学习洪水预报模型的可解释性三方面开展研究。在山洪灾害预报预警迫切的实际需求和深度学习技术爆发的时代背景下,本文研究工作对于提高山洪灾害预报预警方法的创新能力、人工智能技术应用水平具有一定的理论研究意义和工程应用价值。本文的主要研究内容和创新性成果如下:（1）为更有针对性地构建适用于山丘区中小流域的机器学习洪水预报模型,本文对我国江西省安和水文站控制流域进行了水文特征分析。首先,介绍研究流域概况,审查并整编水文资料;然后,选取典型场次洪水并识别山丘区中小流域暴雨和洪水特征;最后,分别制定适用于机器学习模型评估、适用于机器学习模型建模不确定性分析以及同时适用于新安江模型和机器学习模型的样本集构建方案,确定符合山洪灾害预报预警实际需求的洪水预报评价指标和评定标准,为机器学习洪水预报模型构建、权重可视化分析、建模不确定性分析、特征因子影响分析以及记忆单元状态水文解释提供数据基础和建模准备。（2）为解决山丘区中小流域洪水预报中常规流域水文模型难以兼顾预报精度和预见期的问题,本文提出适用于山丘区中小流域的LSTM洪水预报模型构建及权重可视化分析方法。首先,基于LSTM及其堆叠架构,建立LSTM单步输出洪水预报集合模型及其基准模型（BP单输出洪水预报集合模型）;然后,分析两个模型对不同量级场次洪水的预报精度,对比两个模型在不同预见期的泛化能力,评估LSTM单步输出洪水预报集合模型的预报效果;最后,通过LSTM权重可视化分析,验证LSTM单步输出洪水预报集合模型内部计算符合产汇流计算的时序特征。该方法将水文特征分析融入了机器学习洪水预报模型建模过程,实现了山丘区中小流域短预见期大于预警流量场次洪水的高精度预报,洪峰流量大于预警流量场次洪水1～5h预见期的合格率在94.7%以上,6～10h预见期的合格率在84.2%～89.5%之间。（3）针对已有机器学习洪水预报模型不确定性分析仅考虑单一建模因素影响的问题,本文提出机器学习时间序列预测模型建模不确定性量化及机器学习评估方法。首先,阐述机器学习建模过程中主要的三类不确定性来源,引入耦合二次抽样方法的方差分解理论,构建机器学习时间序列预测模型建模不确定性量化及评估框架;然后,依次统计各个建模不确定性因素组合方案在不同预见期下的模拟结果,明确多个不确定性来源条件下LSTM在机器学习洪水预报模型中的优势所在;最后,量化样本集划分方式、循环神经网络方法、深度学习堆叠架构及其交互作用在不同预见期、不同流量分位数上对径流模拟的不确定性贡献。该方法解析了多个建模因素对山丘区中小流域洪水预报结果的影响随预见期和流量量级变化的规律,弥补了机器学习方法评估无法考虑其他建模因素影响的缺陷。（4）为解决已有机器学习模型可解释性分析方法难以验证机器学习洪水预报模型合理性的问题,本文提出了机器学习洪水预报模型特征因子影响分析方法。首先,在机器学习洪水预报模型建模不确定性分析基础上,建立LSTM多步输出洪水预报模型;然后,对比分析LSTM多步输出洪水预报模型与LSTM单步输出洪水预报集合模型在1～10h预见期的预报精度和泛化能力;最后,设计特征因子影响分析研究方案,分离不同预见期下降雨特征因子、径流特征因子以及二者交互作用在洪水过程中对输出流量的作用,分析两类特征因子作用随洪水过程变化的特点。该方法揭示出降雨特征因子作用与降雨过程在时间上保持一致,径流特征因子作用与模拟径流的预见期保持一致,LSTM多步输出洪水预报模型能够挖掘出降雨空间分布对洪水过程的影响规律,但其并未遵循水文学中的水量平衡原理。（5）针对机器学习洪水预报模型无法从水文学角度解释模型结构和模型参数的问题,本文提出基于深度学习堆叠架构的LSTM概念性洪水预报模型构建及其水文学解释方法。首先,将概念性水文模型的模型结构、多降雨特征因子的输入优势、LSTM处理长期依赖问题的强大能力融入深度学习堆叠架构设计,建立LSTM概念性洪水预报模型,通过对比分析新安江模型和Simple RNN,检验和评估LSTM概念性洪水预报模型的预报效果;然后,提取LSTM概念性洪水预报模型和新安江模型的状态变量,阐明LSTM概念性洪水预报模型结构和记忆单元状态的水文学含义;最后,提出基于LSTM的山丘区小流域洪水预报组合方法。LSTM概念性洪水预报模型取得了优于新安江模型的预报效果,为水文模拟研究和水文预报方法提供了全新的建模思路,组合预报实现了山丘区小流域1～10h预见期大于预警流量场次洪水洪峰的高精度预报（合格率在94.7%以上）。
邱庆泰[5]（2020）在《天气雷达与数值模式融合的降雨临近预报研究及应用》文中指出降雨临近预报可实现对未来较短预见期内天气的高质量预报,将其与流域水文模型藕合,可有效延长洪水预报的预见期、提高暴雨洪水的预报预警能力。在全球气候变化背景下,我国北方半干旱、半湿润地区夏季降水集中、极端降雨事件发生频率增加,引发的洪灾往往具有预见期短、突发性强、峰量集中、致灾性强的特点。本研究以我国北方半干旱、半湿润地区的中小尺度流域为例,明确了基于天气雷达的外推临近预报和数据同化改进下数值模式预报的优缺点,通过不同的融合方法对两者进行“取长补短”,实现了两种预报方式在0～6h预见期的无缝融合,深入分析了不同融合方法在0～3h预见期的权重变化,探讨了融合交叉点在不同类型降雨下的变化趋势,阐述了融合方法随预见期的响应关系;进一步的将融合临近预报输入流域水文模型进行洪水预报,有效提高了北方半湿润、半干旱地区中小尺度流域的降雨-径流的预报能力。研究首先构建了三种基于不同理论的雨量计修订雷达定量降水估测（Quantity Precipitation Estimate,QPE）方法,三类方法可以归纳为偏差调整类（平均偏差法—MFB、回归反距离平均法—RIDW）、数据集合类（共协克里金法—CCOK、快速贝叶斯回归克里金法—FBRK）、空间关联插值类（回归克里金法—RK、外部漂移克里金法—KED）。针对研究区降雨时空分布均匀程度不同的8场降雨过程,采用LOOCV方法对三类6种雨量计修订雷达QPE方法进行了试验。研究发现,雷达原始QPE的质量是决定修订质量的关键要素,高质量的雷达QPE往往可以较好的反映研究区不同场次的降雨空间分布,使得修订效果较好;降雨小尺度空间特征的捕捉能力是衡量修订方法优劣程度的重要指标。总的来说,集合类方法的性能最好,偏差调整类方法明显较差,空间关联插值类方法介于两者之间。其次,选取在不同降雨过程综合表现最优的KED修订方法,在基于KED的雨量计修订雷达QPE的基础上,采用可实现不同高度分层和像素网格追踪外推的PBN算法,对研究区的典型降雨过程开展了 0-3h预见期的雷达外推降雨临近预报。通过构建的时空二维评价指标体系进行评价,结果表明,PBN算法对时间均匀分布的降雨场次的临近预报效果较好,特别是在1h预见期的表现最佳;对时间分布不均匀的降雨场次,预报效果一般,且有效预见期不超过3h。在开展雷达外推临近预报的同时,研究基于数据同化,探讨了中尺度数值大气模式WRF在不同物理参数化方案组合下的临近预报能力。结果表明,选取的数据同化方案（内层同化雷达反射率、外层同化GTS数据）可以在不同程度上有效提升数值模式的预报效果。然后,融合临近预报可以看作是上述雷达外推预报和WRF模式预报的后处理,以获得一个无缝隙的0～6h临近预报。研究中设置了两种融合方案:基于预报效果的动态权重时效匹配法、基于外推修订模式预报强度的识别器法,两种方法的主要差别在于融合权重随预见期的设置而不同。深入探讨了两种融合方法在8场降雨的权重趋势变化、融合交叉点变化以及0～3h预见期的综合表现。结果表明:1)权重变化是考虑外推预报和模式预报效果的综合体,在预见期上外推预报权重由大变小,在降雨历时上呈现初期权重大,随着历时增加其权重相应减少。2)两种融合方法的交叉点全部集中体现在2h前后,时效匹配法的交叉时间较识别器法延后0.5h左右。对不同降雨类型来说,时空均匀的降雨场次融合点发生时刻最早,时空不均匀场次其次,时间均匀空间不均匀场次发生时刻最晚。3)在融合效果上,1h预见期时效匹配法始终优于识别器法,外推临近预报质量越高其表现越好;2h预见期,对于时空均匀的降雨两种融合方法表现基本一致,对时间均匀空间不均匀、时空不均匀的场次来说,识别器法可较好的借助于模式预报的优势进而表现优于时效匹配法;3h预见期,识别器法普遍优于时效匹配法,特别是在降雨类型存在不均匀分布的场次。对比不同降雨类型,时空均匀类型降雨,时效匹配法优于识别器法;时空不均匀类型和时间均匀空间不均匀类型,识别器法优于时效匹配法。最后,将多种高分辨率下的降雨信息（QPE、QPF）驱动半分布式河北雨洪模型,在研究流域开展了降雨-径流模拟与预报研究。选取了 13场历史降雨事件率定半分布式河北雨洪模型,获得一套参数方案。选取了 8场降雨多种雨量计修订雷达QPE与率定的参数方案结合,通过径流模拟发现高分辨率QPE可使水文模型更好地利用降雨的空间分布信息,且越高质量的降雨资料其径流模拟效果越好,参数方案具有一定的适用性。在此基础上,结合参数方案,将多种降雨临近预报单向耦合半分布式河北雨洪模型进行洪水预报,结果表明随预见期的增加,融合临近预报可较好的实现3h预见期的洪水预报。
吴晨晨[6]（2020）在《多源降雨信息评估及在洪水预报中的耦合利用研究 ——以诺敏河小二沟以上流域为例》文中认为小二沟以上流域位于嫩江西岸,是诺敏河流域的源头子流域。诺敏河历史洪水频发且以该子流域来水为主,但该子流域面积达1.68万km2却无雨量站,无法基于降雨径流模型进行出口断面洪水预报。因此目前诺敏河流域洪水预报是基于小二沟站的实测流量演进所得,预见期较短。诺敏河在尼尔基水库下游附近汇入嫩江干流,能否做好该流域洪水预报对于配合尼尔基水库泄洪调控意义重大。因此本文选择诺敏河小二沟以上流域为研究区域,探究对于缺少实测降雨资料的地区,如何科学合理利用卫星遥感和新一代多普勒天气雷达等多源降雨观测信息进行洪水预报,延长洪水预报预见期的同时保证洪水预报精度,从而增强流域灾害防控能力。本文的主要研究内容和成果包括:（1）本文从覆盖范围与时段、时空分辨率、时效性多角度出发,选取了CMORPH（BLD、CRT）、GSMaP（NRT、NRTGauge、MVK、Gauge、NOW）、IMERG（Early、Late、Final）十种卫星产品和加格达奇站雷达图像产品。对于覆盖时段足以进行性能评估的九种长序列卫星产品,从面雨量、点雨量、典型降雨场次累计降雨信息三个角度出发评估其在日尺度上的误差特性及性能表现。结果表明后处理产品中CMORPH-BLD和IMERG-Final精度最高。考虑到洪水预报对产品时滞的要求,IMERG-Early,GSMAP-NRTGauge兼顾了时效性（4h）与精确性。每一类时效性产品中,都不存在某个产品对所有评估指标表现最优,各种产品对各量级降雨捕捉能力也都有所差异。（2）将小二沟周边雨量站插值结果和九种长序列卫星降雨产品分别作为降雨输入,基于三水源新安江模型和多目标优化算法优选模型参数,评估比选不同降雨输入方案洪水模拟结果。其中相比其他遥感降雨产品和周边雨量站插值降雨,CMORPH-BLD产品模拟结果适用性最好。经过算法改进和实测数据校正后的产品总体模拟精度更好,但并不具有绝对优势;时效性好的产品径流模拟不确定性更大,容易出现极端偏差。针对短时滞近实时卫星偏差较大的问题,采用基于加法校正模型的分月校正法对四种时效性好的近实时卫星产品进行校正,在保证了对原有高流量峰值的模拟效果前提下,提高了整体模拟精度,大大增强了准时性产品在洪水模拟中的可利用性。（3）为减小单一遥感降雨产品模拟结果的不确定性,比较了四种多源融合方法（BGA、GRA、BMA-N、BMA-G）及由卫星和雷达降雨产品组成的八种组合方案,其中基于Gamma分布的贝叶斯模型平均法（BMA-G）融合方法适用性最好,针对不同的时效性要求可以选择不同的遥感降雨产品的组合,最终为缺少实测降雨资料小二沟以上流域确定了0.5h、4h、12h、3d四种时滞的洪水预报方案。
张行[7]（2020）在《基于陆气耦合的融江流域洪水预报方法研究》文中进行了进一步梳理中短期径流预报对于水库调度具有重要意义,而及时且有较高精度的洪水预报可以为防洪减灾及洪水利用争取更多宝贵时间。本文在保证洪水预报精度的基础上,将延长预见期作为首要研究目标,以麻石水电站所控制的融江流域为研究对象。首先对该流域的洪水预报方案进行分析建立,随后引入ECMWF降水数值预报信息进行气象水文信息相耦合的洪水预报研究,在保证洪水预报精度的基础上,与以落地雨预报结果相比,最终使得该流域洪水预报的预见期提前24h。本文主要研究内容如下:（1）基于麻石水电站所控制的融江流域实测水文资料,首先采用经验回归模型,探究该流域洪水预报方案。提出流域雨峰前累计雨量与实测洪峰流量回归模型,率定期合格率为82%,检验期合格率为70%。（2）鉴于经验回归模型对流域特征描绘的不足,选择新安江蓄满产流水文模型作为该流域产流预报模型进行产流计算,采用经验单位线进行汇流计算,并基于线性规划方法推求出该流域三类七条单位线。采用新安江模型参数率定,率定期内洪水产流预报合格率为86%,汇流预报合格率为86%,检验期内的产流预报合格率为100%,汇流预报的合格率为90%。结果表明,新安江蓄满产流模型在融江流域洪水预报中具有很好的适用性。（3）采用ECMWF发布的降水数值预报信息,以麻石水电站所控制的融江流域实测降水数据为参考,采用面雨量估算方法将降水预报的格点数据转化为面雨量数据,并采用目前TS评分、BS评分等多种评价方法对ECMWF集合预报系统进行评估。结果表明,集合预报准确性要高于确定性预报,且针对不同累计降水量量级,ECMWF具有一定预报效果,在该流域具有很好的适用性。（4）将ECMWF降水集合预报数据作为降水输入,来驱动新安江模型,进行该流域洪水预报。使用集合预报的洪水预报成果表明,集合可以有效描绘洪水预报的不确定性,给出洪水的有效区间变化范围。采用集合算术平均法对集合预报产品进行修正,并将其作为新安江蓄满产流模型的输入值进行预报研究。结果表明,算术平均修正产品可以在一定程度上消除极端值预报所带来的预报误差,在保持洪水预报精度前提下,使该流域洪水预报的预见期提前24h。
王文丽[8]（2020）在《雷达估测降雨在碧流河洪水预报中的应用研究》文中研究表明降水是水文循环中的关键变量。降水的时空变化影响着洪水的径流深、峰值和峰现时间等,同时降水的数据误差也增加了水文模型的不确定性。因此获取准确度高、时效性强、时空分辨率良好的降雨观测数据,对于流域洪水预报十分重要。而雷达可以获取到实时的、有一定精度的、具有高时空分辨率的、大范围的降雨数据,将雷达估测降雨数据与水文模型结合应用于洪水预报中有重要的研究意义。本文以碧流河流域为研究对象,结合地面雨量站实测降雨数据,对雷达估测降雨数据进行质量评估与分析,并利用多点校准法和卡尔曼滤波校准法分别对天气雷达估测降雨数据进行校准,采用绝对误差、均方根误差等指标,对校准后的雷达估测降雨数据进行精度评价;选用新安江洪水预报模型,结合实测历史洪水资料,利用多目标遗传算法,进行模型参数的率定和验证,采用径流量相对误差、洪峰流量相对误差等指标,对模拟结果进行评价;最后,将未经校准的雷达估测降雨数据、经多点校准法校准的雷达估测降雨数据、卡尔曼滤波校准后的雷达估测降雨数据输入到新安江模型中进行径流模拟,评价雷达估测降雨数据与新安江模型结合在碧流河流域洪水预报中的应用效果,探索其适用性。结果表明:（1）随着1h累积降雨量级的增大,雷达估测降雨漏报率逐渐减小,而准确预报临界指数在逐渐增大。雷达估测降雨整体呈现低估,且随着1h累积降雨量级的增大,低估现象越来越严重。（2）相比于多点校准法,卡尔曼滤波校准法不仅能够在总体上有效地提高雨量站-雷达对的精度,还可以显着降低雨量站-雷达对的离散程度,改进个别雨量站-雷达对的精度。在流域面雨量校准方面,多点校准法和卡尔曼滤波法都可以有效地提高雷达估测流域面雨量的精度,但卡尔曼滤波法校准后的雷达估测面雨量过程与雨量站实测面雨量过程具有更好的一致性。（3）利用10场洪水对新安江模型进行参数率定,模拟结果合格率为90%;利用3场洪水对模型进行验证,模拟结果均合格,说明优选的新安江模型参数适用于碧流河流域的洪水预报。（4）经过卡尔曼滤波法校准后的雷达估测降雨数据与新安江模型的结合,洪水预报精度较高,在碧流河流域具有较好的适用性。
刘莉[9]（2020）在《基于TIGGE数据的分布式集合洪水预报研究》文中提出受气候变化和城市化的影响,极端水文气象事件频繁发生,洪水成为了影响我国乃至全世界最主要、破坏性最严重的自然灾害,严重威胁着社会经济安全。加强洪水预测预警对于缓解洪水灾害有着重要意义,越来越受到人们的关注。得益于气象科学和计算机技术的发展,基于数值天气预报的水文集合预报成为了洪水预报的主要手段,并证实在洪水预警中发挥着重要作用。本文从TIGGE数据的适用性研究入手,耦合数值天气预报产品和VIC分布式水文模型构建集合洪水预报系统,以兰江流域和雅鲁藏布江流域为研究对象,分析了预报系统对洪峰、洪量、径流成分等的预报能力,论文主要工作和取得的成果如下:（1）采用CSGD-EMOS和QM统计方法对ECMWF、NCEP以及CMA的降水预报进行后处理,比较了处理前后降水预报在梅雨季和台风季的预报能力,同时评估了不同阈值降雨量的预报表现。结果显示ECMWF和NCEP的降水数据在衢江流域具有不相上下的预报技能,但ECMWF在台风季表现更好,NCEP更擅长对梅雨季降水的预测。三个EPS都存在对小雨事件的低估和对暴雨事件的漏报。原始降水预报的有效预见期约为8天,经偏差纠正后,预见期可延长至10天及以上。QM擅长对偏差的纠正,但却无法保证预报的可靠度,而CSGD-EMOS在概率指标的评估中略胜一筹。（2）利用MPICH和ε-NSGAII遗传算法对VIC模型进行自动化并行参数率定,并针对日径流（VIC/D）和POT峰值径流（VIC/P）分别建立模拟框架,再利用模块法对径流进行重组,耦合TIGGE预报数据在兰江流域进行集合洪水预报。发现优化的率定策略和模块组合方法可以显着提高模型精度,流域日径流NSE维持在0.8以上,POT峰值的NSE达到0.9。研究发现,ECMWF是多模型超级集合的主要贡献者,其对CRPSS的贡献率达到20%。不同的集合方法表现不同,等权重超级集合的表现最差,给予ECMWF更多权重的集合方法可以取得更高的技能得分。径流预报的有效预见期约为10天,对POT峰值的预报存在显着地低估。（3）采用POR法从ε-NSGAII解决方案的帕累托最优前沿上选取一定数量的优先解,再加上不同率定目标函数的特征解,来研究模型参数不确定性对洪水及其成分的预报影响。基于ECMWF和VIC模型构建了雅鲁藏布江流域集合洪水预报系统,采用融雪追踪算法进行水文分成。结果显示考虑参数不确定性的VIC模型（NVIC）可以显着提高模型的模拟能力,但在预报中的表现略不及基于单个参数的VIC模型（SVIC）。集合预报系统对于年最大洪水的预见期为10天,其中融雪径流成分的遇见期约为7天。每年的第一场洪水基本可以提前5天预测到。地表径流中的融雪成分是总径流预报误差的主要来源,而降水径流的良好预测效果是总径流预测结果的主要贡献者。（4）误差统计分析显示VIC模型在雅鲁藏布江流域的模拟误差存在显着的季节性和月尺度变化特征,其中夏季和冬季误差分布分别为均一的高估和低估,但在春秋两季则呈现出过渡型误差分布,这可能和模型对这两个季节内复杂的水文过程模拟不足有着直接关系。根据误差分析及其变化规律,构建了半年尺度（ERRIS-H）、季节尺度（ERRIS-S）和月尺度（ERRIS-M）时变误差模型。结果显示对于预测应用时变误差模型可以比非时变误差模型（ERRIS-A）提供更高的后处理效率,能够额外减少34%的CRPS,多提高23%的NSE。ERRIS-A甚至对原始模型输出存在负面影响。对于预报应用,时变误差模型依然以7%左右的优势领先ERRIS-A。时变误差模型的功效基本于模型尺度正相关,ERRIS-S和ERRIS-M在误差不存在季内分布时表现难分伯仲,当季内误差存在时,月尺度模型表现更好。
任娟慧[10]（2019）在《黄土区典型中小流域洪水预报KNN-FWA-ELM模型及其适用件研究》文中提出我国是世界上黄土分布最广的地区,黄土面积占国土总面积的近7%。黄土丘陵是黄土地区的主要地貌形态,地形切割强烈、沟壑纵横、坡面陡峭是其主要地形特点。黄土区降雨多集中在7-9月份,降雨强度大,导致该区中小流域洪水具有产流快、洪峰高、历时短、流速急和破坏力强等特点。黄土区下垫面易受自然和人类活动的影响,暴雨和局部强降雨等引起的中小流域洪水预报一直是自然灾害等相关领域的重要研究课题。论文采用混合智能计算方法,应用烟花算法（Fireworks Algorithm-FWA）和K最近邻（K Nearest Neighbor-KNN）方法,对极限学习机（Extreme Learning Machine-ELM）模型进行改进,建立下垫面变化条件下黄土区中小流域的数据驱动洪水预报模型并进行适用性研究。不仅对洪水预报方法具有重要的理论意义,而且对黄土区中小流域的防洪减灾具有较高的应用价值。本文以晋西黄土区圪洞流域为研究区,通过分析流域下垫面特征,将流域下垫面变化划分为三个时期,分析计算了不同时期流域水文特征和洪水过程中的降雨损失;提出了KNN-FWA-ELM洪水预报混合模型,并将其应用于圪洞流域洪水预报中;通过对比KNN-FWA-ELM模型与HEC-HMS模型在不同下垫面条件、不同洪水特征下场次洪水的模拟结果,分析KNN-FWA-ELM模型在王家沟试验小区典型场次洪水预报中的应用效果,评价了KNN-FWA-ELM模型在黄土区典型中小流域洪水预报中的适用性。取得的主要成果如下:（1）流域水文特征分析。在1964-2012年期间,流域年降水量下降不显着,但年径流深呈明显下降趋势。年径流系数与土地利用变化的多元线性关系表明,黄土区增加林地面积可有效拦蓄径流,减少山洪灾害的发生。通过对比分析不同时期洪水演变特征,发现修建梯田、植树造林等水保措施可有效拦截降水、衰减洪峰流量和洪量,并延长滞时。相同级别雨量及雨强下,洪量和洪峰流量的衰减幅度分别为9.32%-92.90%和4.61%-80.22%,滞时延长了0.58-1.38h。流域降雨损失主要受林地面积占比和地形坡度的影响,降雨损失随着林地面积占比的增加和地形坡度的减小而增加,且林地面积占比对降雨损失的影响大于地形坡度。从1964年到2012年,在相同量级降雨条件下,随着林地面积占比的增加,降雨损失占比与林地面积占比的相关系数由0.6397上升至0.8413。（2）KNN-FWA-ELM洪水预报模型的构建。针对黄土区特殊的地形、微地貌和植被等下垫面变化条件,对ELM模型在黄土区典型中小流域洪水预报中的优缺点进行分析。为了实现模型参数优化和洪水连续预报,以MATLABR2016b为平台自行编程,运用烟花算法和K最近邻方法对ELM模型进行了改进,提出并构建了一种适用于黄土区中小流域洪水预报的数据驱动混合模型（KNN-FWA-ELM）,并在模型的输入与输出中考虑了不同时期流域下垫面特征的变化。（3）KNN-FWA-ELM洪水预报模型的应用及评价。将KNN-FWA-ELM模型和ELM模型应用于圪洞流域,对不同时期、不同等级的场次洪水进行模拟预报,依据洪峰流量误差、峰现时差、纳什系数、相关系数和均方根误差五个指标,分别对两个模型的场次洪水模拟结果进行了分析评价,结果表明KNN-FWA-ELM模型的模拟效果更优、模拟精度更高。（4）KNN-FWA-ELM洪水预报模型的适用性分析。为了进一步探讨KNN-FWA-ELM模型在黄土区中小流域洪水模拟预报中的适用性,依据场次洪水模拟合格率、洪峰流量误差、峰现时差、纳什系数、相关系数和均方根误差六项指标,对比分析了KNN-FWA-ELM模型与HEC-HMS模型在圪洞流域所有场次洪水及不同时期、不同洪水等级下场次洪水的模拟结果,同时依据均方根误差和平均绝对百分比误差,对KNN-FWA-ELM模型与HEC-HMS模型模拟的洪峰流量、洪量和洪峰滞时三个洪水特征值进行了比较,并将KNN-FWA-ELM模型应用于王家沟试验小区场次洪水模拟中。结果表明:KNN-FWA-ELM模型对圪洞流域和王家沟试验小区场次洪水模拟整体效果较好,且模型在圪洞流域的模拟效果优于王家沟试验小区。从不同时期场次洪水来看,KNN-FWA-ELM模型更适用于快速起峰且洪水过程持续时间相对较长的洪水、多峰之间间隔时间相对长或第一个峰为主峰的洪水、洪水过程不规则且持续时间长的洪水;对不同等级场次洪水,KNN-FWA-ELM模型对大洪水的模拟效果更优;从洪峰流量、洪量和洪峰滞时三个洪水特征值方面考虑,KNN-FWA-ELM模型对洪峰滞时的模拟效果更优。
二、浅析洪水预报中的不确定性来源（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、浅析洪水预报中的不确定性来源（论文提纲范文）
（1）多源降雨数据融合及其水文应用研究进展（论文提纲范文）
| 引言 |
| 1 降雨资料来源 |
| 2 多源降雨数据融合 |
| 2.1 多源降雨数据融合方法 |
| 2.1.1 客观分析法 |
| 2.1.2 地质统计学法 |
| 2.1.3 最优插值法 |
| 2.1.4 尺度递归估计法 |
| 2.1.5 贝叶斯模型平均法 |
| 2.2 多源降雨数据融合产品 |
| 2.2.1 国际融合产品 |
| 2.2.2 国产融合产品 |
| 3 降雨融合数据在水文研究中的应用 |
| 3.1 降雨融合数据在洪水预报中的应用 |
| 3.2 降雨融合数据在干旱预报中的应用 |
| 3.3 国产多源融合降水产品的相关研究 |
| 3.4 我国多源降雨融合研究存在的问题 |
| 4 总结与展望 |
（2）玉石水库对碧流河流域洪水预报的影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 洪水预报模型研究进展 |
| 1.2.2 水利工程影响下的洪水预报研究进展 |
| 1.2.3 基于遥感信息的湖库水文资料获取研究进展 |
| 1.3 本文主要研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构框架 |
| 2 流域基本情况与洪水预报模型介绍 |
| 2.1 流域基本情况 |
| 2.1.1 流域概况 |
| 2.1.2 流域水文资料 |
| 2.2 HEC-HMS模型介绍 |
| 2.2.1 模型概述 |
| 2.2.2 模型原理 |
| 2.3 新安江模型介绍 |
| 2.3.1 模型概述 |
| 2.3.2 模型原理 |
| 3 基于HEC-HMS模型和新安江模型的碧流河流域洪水预报研究 |
| 3.1 引言 |
| 3.2 HEC-HMS模型在碧流河流域的搭建 |
| 3.2.1 数字流域的提取 |
| 3.2.2 土地利用数据统计分析 |
| 3.2.3 土壤类型分析 |
| 3.2.4 气象数据整理计算 |
| 3.3 HEC-HMS模型参数率定 |
| 3.3.1 参数优化率定方法 |
| 3.3.2 参数率定过程 |
| 3.4 HEC-HMS模型洪水预报结果 |
| 3.4.1 洪水预报精度评价标准 |
| 3.4.2 玉石水库建库前洪水预报结果 |
| 3.4.3 玉石水库建库后洪水预报结果 |
| 3.5 新安江模型在碧流河流域洪水预报中的应用 |
| 3.5.1 模型参数率定 |
| 3.5.2 玉石水库建库前洪水预报结果 |
| 3.5.3 玉石水库建库后洪水预报结果 |
| 3.6 HEC-HMS模型与新安江模型洪水预报结果对比分析 |
| 3.6.1 洪水预报过程对比 |
| 3.6.2 玉石水库建库后洪水预报结果分析 |
| 3.7 小结 |
| 4 基于多源遥感信息的玉石水库对流域洪水影响分析 |
| 4.1 引言 |
| 4.2 基于jason卫星的玉石水库水位提取 |
| 4.2.1 卫星监测水位原理介绍 |
| 4.2.2 jason测高卫星介绍 |
| 4.2.3 jason卫星测高水位的可用性分析 |
| 4.2.4 玉石水库测高水位提取 |
| 4.3 玉石水库水面面积提取与水位-面积-库容关系的构建 |
| 4.3.1 基于Landsat遥感数据的玉石水库水面面积提取 |
| 4.3.2 玉石水库水位-面积-库容关系的构建 |
| 4.4 玉石水库拦洪影响及拦洪规律分析 |
| 4.4.1 场次洪水中玉石水库拦洪影响 |
| 4.4.2 场次洪水特征分析 |
| 4.4.3 场次洪水中玉石水库拦洪规律分析 |
| 4.5 小结 |
| 5 考虑上游玉石水库影响的碧流河流域洪水预报 |
| 5.1 引言 |
| 5.2 基于HEC-HMS—玉石水库模型的洪水预报 |
| 5.2.1 玉石水库蓄泄规则推断 |
| 5.2.2 HEC-HMS—玉石水库模型的搭建 |
| 5.2.3 洪水预报结果 |
| 5.3 基于玉石水库拦洪规律的洪水预报实时校正 |
| 5.3.1 基于玉石水库拦洪规律的洪水预报实时校正流程结构 |
| 5.3.2 洪水预报结果 |
| 5.4 洪水预报结果分析与两种方法评价 |
| 5.4.1 洪水预报结果分析 |
| 5.4.2 对两种方法的评价 |
| 5.5 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（3）水文站洪水预报的不确定性来源分析（论文提纲范文）
| 1 洪水预报的现状 |
| 2 案例分析 |
| 3 水文站洪水预报的不确定性来源分析 |
| 3.1 自然现象的随机性 |
| 3.2 数据资料的不确定性 |
| 3.3 水文模型参数的不确定性 |
| 3.4 不确定的水文结构模型 |
| 3.5 可以预测到的不确定因素 |
| 4 水文站洪水预报不确定性控制的发展分析 |
| 5 结语 |
（4）基于长短时记忆网络的山丘区洪水预报研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 研究现状与进展综述 |
| 1.2.1 山洪灾害预报预警技术研究进展 |
| 1.2.2 机器学习洪水预报技术研究进展 |
| 1.2.3 长短时记忆网络及应用研究进展 |
| 1.3 存在问题及发展趋势 |
| 1.4 论文主要内容 |
| 1.5 论文研究框架 |
| 2 研究流域概况及洪水预报建模准备 |
| 2.1 引言 |
| 2.2 流域概况与资料整编 |
| 2.2.1 研究流域概况 |
| 2.2.2 水文数据整编 |
| 2.2.3 典型场次选取 |
| 2.3 洪水预报建模准备 |
| 2.3.1 水文特征分析 |
| 2.3.2 样本集的构建 |
| 2.3.3 预报精度评定 |
| 2.4 本章小结 |
| 3 基于LSTM的单步输出洪水预报集合模型及权重可视化分析 |
| 3.1 引言 |
| 3.2 机器学习方法 |
| 3.2.1 LSTM |
| 3.2.2 BP神经网络 |
| 3.3 模型构建和训练 |
| 3.3.1 模型构建 |
| 3.3.2 模型训练 |
| 3.4 模拟结果分析 |
| 3.4.1 模拟结果对比 |
| 3.4.2 场次洪水分析 |
| 3.5 LSTM权重可视化分析 |
| 3.6 本章小结 |
| 4 基于方差分解的机器学习洪水预报模型建模不确定性分析 |
| 4.1 引言 |
| 4.2 研究思路及模型构建 |
| 4.2.1 不确定性分析框架 |
| 4.2.2 循环神经网络方法 |
| 4.2.3 深度学习堆叠架构 |
| 4.3 不确定性量化方法 |
| 4.3.1 二次抽样方法 |
| 4.3.2 方差分解方法 |
| 4.4 模型建模不确定性分析 |
| 4.4.1 不同建模因素模拟结果分析 |
| 4.4.2 基于预见期的不确定性分析 |
| 4.4.3 基于流量值的不确定性分析 |
| 4.5 本章小结 |
| 5 基于LSTM的多步输出洪水预报模型及特征因子影响分析 |
| 5.1 引言 |
| 5.2 LSTM多步输出洪水预报模型 |
| 5.2.1 模型构建和训练 |
| 5.2.2 模拟结果分析 |
| 5.3 径流特征因子影响分析 |
| 5.3.1 研究方案 |
| 5.3.2 典型场次分析 |
| 5.4 降雨特征因子影响分析 |
| 5.4.1 研究方案 |
| 5.4.2 典型场次分析 |
| 5.5 本章小结 |
| 6 基于LSTM的概念性洪水预报模型及记忆单元状态水文解释 |
| 6.1 引言 |
| 6.2 预报模型构建 |
| 6.2.1 新安江模型 |
| 6.2.2 LSTM-CFF模型 |
| 6.2.3 RNN-CFF模型 |
| 6.3 模拟结果分析 |
| 6.3.1 模拟结果分析 |
| 6.3.2 典型样本分析 |
| 6.3.3 典型场次分析 |
| 6.4 记忆单元的水文学解释 |
| 6.4.1 状态变量提取 |
| 6.4.2 状态变量相关分析 |
| 6.5 组合预报与应用 |
| 6.5.1 组合预报方法 |
| 6.5.2 组合预报应用 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（5）天气雷达与数值模式融合的降雨临近预报研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 简写索引 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 雨量计修订天气雷达定量降雨估测研究 |
| 1.2.2 临近预报研究 |
| 1.2.3 降雨临近预报耦合水文预报研究 |
| 1.3 研究内容、思路与创新 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路与技术路线 |
| 1.3.3 特色与创新 |
| 1.4 本章小结 |
| 第二章 研究区概况与资料收集 |
| 2.1 研究区域概况 |
| 2.2 数据获取及分析 |
| 2.2.1 天气雷达数据资料 |
| 2.2.2 WRF模式驱动资料 |
| 2.2.3 地面观测降雨—径流资料 |
| 2.3 本章小结 |
| 第三章 基于雨量计修订的雷达定量降雨估测 |
| 3.1 概述 |
| 3.2 基于质量控制的雷达定量降雨估计(QPE) |
| 3.2.1 衰减校正 |
| 3.2.2 抑制非降雨回波 |
| 3.2.3 组合反射率 |
| 3.2.4 Z-R关系转换 |
| 3.3 基于多种方法的雷达QPE修订方案 |
| 3.3.1 雷达偏差调整类方法 |
| 3.3.2 雷达-雨量计数据集合类方法 |
| 3.3.3 基于雷达空间关联的插值类方法 |
| 3.4 修订后的雷达QPE结果与评价 |
| 3.4.1 留一交叉验证(LOOCV) |
| 3.4.2 修订雷达QPE评价 |
| 3.5 本章小结 |
| 第四章 降雨临近预报方案及预报结果评价 |
| 4.1 概述 |
| 4.2 基于像素追踪的雷达外推临近预报 |
| 4.2.1 雷达回波识别、追踪 |
| 4.2.2 雷达回波外推 |
| 4.2.3 PBN算法方案设置 |
| 4.2.4 雷达外推预报结果评价 |
| 4.3 数据同化改进下的数值模式预报 |
| 4.3.1 物理参数化方案选取 |
| 4.3.2 数据同化方案设计 |
| 4.3.3 同化结果比较分析 |
| 4.4 两种临近预报结果对比 |
| 4.5 本章小结 |
| 第五章 融合雷达外推与数值模式的降雨临近预报 |
| 5.1 “取长补短”的融合临近预报 |
| 5.2 降雨临近预报融合方案设计 |
| 5.2.1 基于预报效果的动态权重时效匹配法 |
| 5.2.2 基于雷达外推修订数值模式预报的识别器法 |
| 5.3 不同融合方法的降雨临近预报结果分析 |
| 5.3.1 不同方法融合权重的分布情况 |
| 5.3.2 典型降雨过程的融合预报结果 |
| 5.4 本章小结 |
| 第六章 融合降雨临近预报驱动下的洪水预报 |
| 6.1 高分辨降雨-径流模拟预报系统构建 |
| 6.1.1 半分布式河北雨洪模型的构建 |
| 6.1.2 模型参数率定方法 |
| 6.2 耦合融合降雨临近预报的洪水预报研究 |
| 6.2.1 高分辨率雷达QPE驱动下的径流模拟 |
| 6.2.2 融合降雨临近预报驱动下的洪水预报 |
| 6.3 模型误差修订后洪水预报表现分析 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间获得成果 |
| 攻读博士学位期间参加的科研项目 |
| 致谢 |
（6）多源降雨信息评估及在洪水预报中的耦合利用研究 ——以诺敏河小二沟以上流域为例（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 无资料地区水文预报研究进展 |
| 1.2.2 卫星遥感估测降雨及其水文应用研究进展 |
| 1.2.3 雷达回波定量估测降雨及其水文应用研究进展 |
| 1.2.4 多源降雨信息应用现状及存在的问题 |
| 1.3 本文主要研究内容 |
| 2 研究流域概况及水文模型介绍 |
| 2.1 研究流域基本情况介绍 |
| 2.1.1 流域地理概况 |
| 2.1.2 流域水文气象条件 |
| 2.1.3 流域水系介绍 |
| 2.1.4 流域防洪现状及存在的问题 |
| 2.1.5 流域水文资料介绍及处理 |
| 2.2 新安江模型介绍 |
| 2.2.1 模型概述 |
| 2.2.2 模型参数优化 |
| 2.3 小结 |
| 3 多源降雨产品介绍及精度评估 |
| 3.1 引言 |
| 3.2 多源降雨产品介绍 |
| 3.2.1 卫星降雨产品介绍 |
| 3.2.2 新一代天气雷达图像产品介绍 |
| 3.3 多源降雨产品处理 |
| 3.3.1 卫星降雨产品处理 |
| 3.3.2 新一代天气雷达图像产品处理 |
| 3.4 长序列遥感降雨产品统计评估 |
| 3.4.1 评估依据 |
| 3.4.2 评估指标 |
| 3.4.3 逐日面雨量精度评估 |
| 3.4.4 逐日单站降雨精度评估 |
| 3.4.5 典型场次降雨的精度评估 |
| 3.5 短序列遥感降雨产品比较分析 |
| 3.6 小结 |
| 4 基于多源降雨信息的洪水预报方案研究 |
| 4.1 引言 |
| 4.2 初步降雨输入方案及结果评估 |
| 4.2.1 降雨输入方案 |
| 4.2.2 模拟结果统计及分析 |
| 4.3 近实时卫星降雨信息校正 |
| 4.4 小结 |
| 5 基于多源降雨信息的耦合利用研究 |
| 5.1 引言 |
| 5.2 融合方法介绍 |
| 5.2.1 基于BGA方法的多源数据融合 |
| 5.2.2 基于GRA方法的多源数据融合 |
| 5.2.3 基于BMA的多源数据融合 |
| 5.3 融合方法及组合方案对比分析 |
| 5.4 基于BMA-G方法的不同时滞多源融合洪水模拟 |
| 5.5 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）基于陆气耦合的融江流域洪水预报方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 洪水预报技术研究现状 |
| 1.2.2 数值天气预报研究现状 |
| 1.2.3 陆气耦合研究现状 |
| 1.3 本文主要研究内容 |
| 1.3.1 章节安排 |
| 1.3.2 论文技术路线 |
| 2 研究区域概况 |
| 2.1 引言 |
| 2.2 融江流域自然概况 |
| 2.2.1 地理及气候特征 |
| 2.2.2 降水及径流特性 |
| 2.3 研究资料简介及审查 |
| 2.3.1 降水资料情况 |
| 2.3.2 蒸发资料情况 |
| 2.3.3 洪水资料概况及雨洪特性分析 |
| 2.3.4 资料审查 |
| 2.4 本章小结 |
| 3 麻石水电站入库洪水预报模型的建立 |
| 3.1 洪水预报理论及常用方法 |
| 3.1.1 经验相关法 |
| 3.1.2 三水源新安江模型法 |
| 3.2 洪水预报精度评价标准 |
| 3.3 经验相关法预报成果 |
| 3.3.1 降水洪峰经验回归模型的建立 |
| 3.3.2 降水洪峰经验回归模型检验预报成果 |
| 3.4 新安江蓄满产流模型预报成果 |
| 3.4.1 新安江蓄满产流参数客观优选 |
| 3.4.2 麻石水电站蓄满产流预报方案成果 |
| 3.5 麻石水电站汇流预报方案建立 |
| 3.5.1 推求时段单位线 |
| 3.5.2 汇流预报方案预报成果 |
| 3.6 本章小结 |
| 4 ECMWF降水数值预报在融江流域的可利用性研究 |
| 4.1 引言 |
| 4.2 气象数值预报简介 |
| 4.2.1 TIGGE项目简介 |
| 4.2.2 ECMWF简介 |
| 4.2.3 预报数据获取与解析 |
| 4.3 降水数值预报产品常用评价方法 |
| 4.3.1 集合预报与控制预报数据比对方法 |
| 4.3.2 降水预报产品评价方法及指标 |
| 4.4 降水预报数据数据检验结果 |
| 4.4.1 数据及其预处理 |
| 4.4.2 数据初分析 |
| 4.4.3 集合预报与控制预报数据比对结果 |
| 4.4.4 降水集合预报检验结果 |
| 4.5 本章小结 |
| 5 耦合降水集合预报信息的洪水预报研究 |
| 5.1 引言 |
| 5.2 ECMWF降水集合预报的洪水模拟结果 |
| 5.3 降水集合预报修正产品的洪水模拟结果 |
| 5.3.1 24h预见期洪水模拟结果 |
| 5.3.2 48h预见期洪水模拟结果 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要结论 |
| 6.2 不足及未来展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 攻读硕士学位期间参与科研项目情况 |
| 致谢 |
（8）雷达估测降雨在碧流河洪水预报中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 雷达定量估测降雨研究现状 |
| 1.2.2 洪水预报研究现状 |
| 1.3 研究目的及研究内容 |
| 2 天气雷达定量估测降雨及质量评估 |
| 2.1 研究区域 |
| 2.2 研究数据 |
| 2.2.1 雨量站数据 |
| 2.2.2 天气雷达数据 |
| 2.3 天气雷达数据处理 |
| 2.3.1 天气雷达数据反演降雨 |
| 2.3.2 一小时累积降雨量计算 |
| 2.4 天气雷达估测降雨数据质量评估及分析 |
| 2.4.1 质量评估指标 |
| 2.4.2 质量评估结果及分析 |
| 2.5 本章小结 |
| 3 雷达估测降雨数据偏差校准 |
| 3.1 利用多点校准法进行校准 |
| 3.1.1 多点校准法原理 |
| 3.1.2 雨量站-雷达对精度对比 |
| 3.2 利用卡尔曼滤波校准法进行实时校准 |
| 3.2.1 卡尔曼滤波校准法 |
| 3.2.2 雨量站-雷达对精度对 |
| 3.3 雨量站和雷达测量面雨量精度对比 |
| 3.4 本章小结 |
| 4 雷达估测降雨在碧流河流域洪水预报中的应用 |
| 4.1 新安江洪水预报模型建立 |
| 4.1.1 模型结构与原理 |
| 4.1.2 水文资料分析 |
| 4.2 新安江模型参数率定 |
| 4.2.1 参数率定目标函数 |
| 4.2.2 模型参数优选技术 |
| 4.3 新安江模型应用及适用性分析 |
| 4.3.1 模型误差分析及评价准则 |
| 4.3.2 模型预报结果及分析 |
| 4.4 雷达估测降雨在流域洪水预报中的应用 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）基于TIGGE数据的分布式集合洪水预报研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 集合数值天气预报模式 |
| 1.2.2 水文集合预报系统 |
| 1.2.3 分布式集合洪水预报 |
| 1.2.4 研究存在的问题及发展趋势 |
| 1.3 研究内容与技术路线 |
| 1.3.1 本文研究内容 |
| 1.3.2 研究技术路线 |
| 2. TIGGE日值降水预报在中国衢江流域的适用性评估 |
| 2.1 本章引言 |
| 2.2 研究区域和数据介绍 |
| 2.3 研究方法 |
| 2.3.1 统计后处理方法 |
| 2.3.2 评估方法 |
| 2.4 研究结果与分析 |
| 2.4.1 预报准确度分析 |
| 2.4.2 绝对指标分析 |
| 2.4.3 概率指标分析 |
| 2.5 讨论与小结 |
| 3. 基于TIGGE数据的中期集合洪水预报在兰江流域的研究 |
| 3.1 本章引言 |
| 3.2 研究区域和数据介绍 |
| 3.3 研究方法 |
| 3.3.1 研究框架 |
| 3.3.2 VIC水文模型简介 |
| 3.3.3 耦合并行遗传算法的水文模型率定策略 |
| 3.3.4 基于模块法的模型输出组合 |
| 3.3.5 多模型集合方法 |
| 3.3.6 评估指标 |
| 3.4 研究结果与分析 |
| 3.4.1 VIC模型在率定、验证期的模拟效果分析 |
| 3.4.2 等权重单EPS集合的性能评估 |
| 3.4.3 基于不同集合方法的多模型超级集合的评估 |
| 3.4.4 POT峰值预报和QM后处理结果 |
| 3.5 讨论与小结 |
| 4. 水文集合预报在雅鲁藏布江典型洪量及其径流成分预测中的研究 |
| 4.1 本章引言 |
| 4.2 研究区域和数据介绍 |
| 4.2.1 雅鲁藏布江流域概况 |
| 4.2.2 数据介绍 |
| 4.3 方法简介 |
| 4.3.1 水文模型率定方法 |
| 4.3.2 帕累托最优参数组选取方法 |
| 4.3.3 基于融雪追踪算法的径流组分分割 |
| 4.3.4 ECMWF预报数据后处理 |
| 4.3.5 评估指标 |
| 4.4 研究结果分析与比较 |
| 4.4.1 VIC模型对雅江径流的模拟能力评估 |
| 4.4.2 参数化QM对ECMWF气象预报的处理效果 |
| 4.4.3 VIC-ECMWF系统对典型洪量的预报能力 |
| 4.4.4 VIC-ECMWF系统对洪量成分的预报能力 |
| 4.5 讨论与小结 |
| 5. 基于时变误差模型的水文预报提高和不确定性量化分析 |
| 5.1 本章引言 |
| 5.2 数据介绍 |
| 5.3 研究方法 |
| 5.3.1 VIC模型与冰川模块 |
| 5.3.2 ERRIS误差模型 |
| 5.3.3 误差统计的时变特征与时变ERRIS模型 |
| 5.3.4 评估方法 |
| 5.4 结果与分析 |
| 5.4.1 误差统计的时变特征 |
| 5.4.2 时变误差模型整体性能评估 |
| 5.4.3 误差模型在不同季节的表现 |
| 5.4.4 误差模型在不同月份的表现 |
| 5.4.5 从参数角度解析误差模型的表现 |
| 5.5 讨论与小结 |
| 6. 结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 个人简历及科研成果 |
| 个人简历 |
| 科研成果 |
| 主持/参与科研项目 |
| 学术会议 |
（10）黄土区典型中小流域洪水预报KNN-FWA-ELM模型及其适用件研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 洪水预报模型研究 |
| 1.2.2 黄土区中小流域洪水模拟研究 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法及技术路线 |
| 第二章 圪洞流域下垫面及水文特征分析 |
| 2.1 圪洞流域概况 |
| 2.2 地形地貌特征 |
| 2.2.1 地貌特征 |
| 2.2.2 地形特点 |
| 2.3 土地利用类型 |
| 2.4 站网信息及子流域划分 |
| 2.5 水文特征分析 |
| 2.5.1 径流特征 |
| 2.5.2 洪水特征 |
| 2.5.3 降雨损失 |
| 2.6 本章小结 |
| 第三章 KNN-FWA-ELM洪水预报模型构建原理及方法 |
| 3.1 极限学习机(ELM)原理及算法 |
| 3.2 烟花算法(FWA)原理及算法 |
| 3.3 K最近邻方法(KNN)原理及算法 |
| 3.4 KNN-FWA-ELM模型构建 |
| 3.4.1 模型参数设定 |
| 3.4.2 模型输入与输出 |
| 3.4.3 数据归一化处理 |
| 3.4.4 模型构建 |
| 3.5 场次洪水模拟结果评价标准 |
| 3.6 本章小结 |
| 第四章 KNN-FWA-ELM洪水预报模型实例应用 |
| 4.1 ELM模型洪水预报 |
| 4.1.1 场次洪水模拟 |
| 4.1.2 模拟结果评价 |
| 4.2 KNN-FWA-ELM模型洪水预报 |
| 4.2.1 场次洪水模拟 |
| 4.2.2 模拟结果评价 |
| 4.3 KNN-FWA-ELM与 ELM模型场次洪水模拟结果对比分析 |
| 4.3.1 所有场次洪水模拟结果对比 |
| 4.3.2 不同时期场次洪水模拟结果对比 |
| 4.3.3 不同等级场次洪水模拟结果对比 |
| 4.4 本章小结 |
| 第五章 KNN-FWA-ELM洪水预报模型适用性研究 |
| 5.1 HEC-HMS模型构建及场次洪水模拟 |
| 5.1.1 模型原理及构建 |
| 5.1.2 场次洪水模拟及结果评价 |
| 5.1.3 不同等级场次洪水模拟 |
| 5.2 KNN-FWA-ELM模型与HEC-HMS模型模拟结果对比分析 |
| 5.2.1 所有场次洪水模拟结果对比 |
| 5.2.2 不同时期场次洪水模拟结果对比 |
| 5.2.3 不同等级场次洪水模拟结果对比 |
| 5.2.4 不同洪水特征值模拟结果对比 |
| 5.2.5 KNN-FWA-ELM洪水预报模型的适用性 |
| 5.3 KNN-FWA-ELM洪水预报模型在王家沟试验小区的适用性 |
| 5.3.1 王家沟试验小区概况 |
| 5.3.2 KNN-FWA-ELM模型在王家沟试验小区的适用性 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.3 创新点 |
| 参考文献 |
| 附图 |
| 致谢 |
| 攻读博士学位期间主要研究工作 |
| 1.攻读博士学位期间参加的科研项目 |
| 2.攻读博士学位期间发表的论文 |
四、浅析洪水预报中的不确定性来源（论文参考文献）
- [1]多源降雨数据融合及其水文应用研究进展[J]. 张婷,李怡,李建柱,冯平. 自然灾害学报, 2022(01)
- [2]玉石水库对碧流河流域洪水预报的影响研究[D]. 张仁. 大连理工大学, 2021(01)
- [3]水文站洪水预报的不确定性来源分析[J]. 冯克兰. 清洗世界, 2020(07)
- [4]基于长短时记忆网络的山丘区洪水预报研究[D]. 宋天宇. 大连理工大学, 2020
- [5]天气雷达与数值模式融合的降雨临近预报研究及应用[D]. 邱庆泰. 中国水利水电科学研究院, 2020(04)
- [6]多源降雨信息评估及在洪水预报中的耦合利用研究 ——以诺敏河小二沟以上流域为例[D]. 吴晨晨. 大连理工大学, 2020(02)
- [7]基于陆气耦合的融江流域洪水预报方法研究[D]. 张行. 大连理工大学, 2020(02)
- [8]雷达估测降雨在碧流河洪水预报中的应用研究[D]. 王文丽. 大连理工大学, 2020(02)
- [9]基于TIGGE数据的分布式集合洪水预报研究[D]. 刘莉. 浙江大学, 2020(01)
- [10]黄土区典型中小流域洪水预报KNN-FWA-ELM模型及其适用件研究[D]. 任娟慧. 太原理工大学, 2019(03)