共查询到19条相似文献，搜索用时 234 毫秒
1.
冻土覆盖率高的小流域的径流形成受温度因素控制明显,普通水文模型不适用,而常规冻土水文模型因需要较多的气象观测要素而难以应用。考虑冻土流域产流机制,利用青藏高原腹地风火山小流域2017—2018年逐日降水、气温、径流观测数据,以降水、气温为输入,径流为输出,基于长短期记忆神经网络（LSTM）建立了适用于小流域尺度的冻土水文模型,并利用2019年观测数据进行验证。模型得益于LSTM特殊的细胞状态和门结构能够学习、反映活动层冻融过程和土壤含水量变化,具有一定的冻土水文学意义,能很好地模拟冻土区径流过程。模型训练期R2、NSE均为0.93,RMSE为0.63 m3·s-1,验证期R2、NSE分别为0.81、0.77,RMSE为0.69 m3·s-1。同时,为了验证模型可靠性,将模型应用于邻近的沱沱河流域,模型训练期（1990—2009年）R2、NSE均为0.73,验证期（2010—2019年）R2、NSE分别为0.66、0.64,模拟结果较好。考虑到未来气候变化,通过模型对风火山流域径流进行了预测：降水每增加10%,年径流增加约12%;气温每升高0.5 ℃,年径流增加约1%;春季融化期、秋季冻结期径流增幅明显,而由于蒸发加剧、活动层加深,径流在8月出现了减少。模型经训练后依靠降水、气温作为输入能较好地模拟、预测青藏高原冻土区小流域径流,为缺少土壤温度、水分等观测数据的冻土小流域径流研究提供了一种简单有效并具有一定物理意义的方法。 相似文献
2.
发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明：PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%～9.77%,均方根误差平均降低17.01%～19.72%,对训练数据量的依赖程度相比LSTM降低25%～33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。 相似文献
3.
径流预报对于防洪、发电和生态调度等具有重要意义。以大渡河丹巴以上流域为研究区域,采用黏菌优化算法（SMA）对长短期记忆神经网络（LSTM）的隐藏层输出维度进行优化,构建SMA-LSTM模型对未来10日径流过程进行预报,以探讨深度学习方法对流域径流预报的适用性。基于2012—2017年的日降雨量和日流量资料,构建了预见期为10天的逐日径流SMA-LSTM预报模型,以2018—2019年的资料进行模型验证;采用最大1日径流量相对误差和10日总径流量相对误差作为SMA-LSTM模型精度的评价指标,并与未优化的LSTM模型和新安江模型结果进行对比。结果表明：SMA-LSTM模型具有较高的模拟和预报精度,无论是在率定期还是验证期,两种指标均控制在±10%以内,且两种指标的绝对值平均都不超过7%;整体而言,SMA-LSTM模型精度更高,预报的径流过程与实测过程更为贴近。研究成果可供流域径流预报实际工作参考。 相似文献
4.
5.
环境变化影响下流域径流的精确模拟对洪涝灾害防治与区域水资源管理都具有重要意义。在径流模拟研究中，现有机器学习模型未能充分考虑水文中间状态变量对降雨-径流过程的影响，本研究基于集合卡尔曼滤波(EnKF)更新水文状态变量，结合主成分分析(PCA)提取预报因子的主要特征，采用长短时记忆神经网络(LSTM)构建考虑水文中间变量的机器学习水文模型EnKF-PCA-LSTM。以赣江流域为例，评估EnKF-PCA-LSTM模型的径流模拟效果，同时将模拟结果与LSTM模型、物理水文模型HYMOD做对比分析。结果表明，EnKF-PCA-LSTM模型模拟径流的纳什效率系数、Kling-Gupta效率系数和对数纳什效率系数分别为0.954、0.971和0.972,比LSTM模型和HYMOD模型具有更好的模拟性能，说明考虑水文状态变量可有效提高机器学习模型的径流模拟精度及稳定性。研究成果可为流域径流模拟提供技术参考。 相似文献
6.
挠力河流域湿地和耕地变化对径流深的影响研究 总被引：2，自引：1，他引：1
运用线性、对数、指数和三次函数关系拟合挠力河流域1956～2000年湿地面积、耕地面积以及面降水量对径流深的影响,得出:①三次函数拟合的相关性最好;②湿地面积减少和耕地面积增加与径流深的相关性小于面降水量与径流深的相关性.通过分析湿地面积减少和耕地面积增大对径流递减贡献机理,认为湿地面积减少,降低了湿地冷湿效应,增加了陆面蒸发的潜力;湿地转变成耕地,改变了土壤对降水的再分配过程;耕地面积的扩大增大了土壤蒸发潜力;旱地改成水稻田增大了地表水的利用率和地下水的利用量,这些是流域地表径流深减小的原因.研究结论显示湿地面积的减少和耕地面积的增加对流域径流深的递减有较为明显的贡献;径流深的减小是流域呈干旱趋势的指征. 相似文献
7.
基于弹性系数法的径流对气候变化与人类活动响应研究 总被引：1，自引：0，他引：1
基于永定河流域内1957~2010年降雨、蒸发和径流数据,采用Mann-Kendall趋势检验法结合距平序列变化情况分析蒸发能力、降雨和径流的变化趋势;运用Mann-Kendall突变检验法、Hurst系数法分析流域径流序列的突变年及对应的突变程度;在此基础上以径流突变年为界划分基准期和变化期,采用弹性系数法定量分析气候变化和人类活动对径流的影响,并简要分析其原因。结果表明:流域蒸发能力呈现上升趋势,降雨和径流呈现递减趋势;径流序列突变点发生在1984年,突变程度属中度变异;永定河流域由气候变化引起的径流变化率为28%,而由于人类活动引起的径流变化率为72%,可见人类活动是影响永定河流域径流变化的主要驱动因素。 相似文献
8.
采用SWAT模型方法对滁州花山水文实验流域进行了径流与氮素耦合模拟,探讨了流域土地利用对氮素输移的影响。构建了花山水文实验流域SWAT模型,采用2008年1月~2013年12月的降雨、径流等数据对径流模型进行率定和验证,以2012年5月~2013年12月的氮浓度监测数据对氮负荷模型进行验证。利用所建立的模型对现状土地利用情形和土地利用变化情景假设下进行了径流与氮素耦合模拟,计算了现状和不同土地利用情景假设下流域的径流深和氮负荷。结果表明:汛期的氮流失量占全年氮流失的比重较大,每年的汛期是控制氮流失的关键时期;旱地的氮流失潜力较水田大,林地的增加对氮负荷具有一定的消减作用;控制氮肥的使用,加强水土保持能力,可以有效减少流域氮负荷。 相似文献
9.
1955—2008年冬克玛底河流域冰川径流模拟研究 总被引：11，自引：7，他引：4
采用HBV水文模型,对长江源区有冰川覆盖的冬克玛底河流域日径流进行了模拟试验研究.使用冬克玛底河流域周边4个有长期观测资料的气象站日气温、日降水数据,结合流域内自动气象站实测数据,应用多元回归法插值恢复了流域1955—2004年日气温数据,应用降水梯度与反距离权重相结合的方法恢复了流域1955—2004年日降水数据.采用数据质量较好的2004/2005年度和2006/2007年度两个物质平衡年水文气象数据进行模型参数的率定,应用2005/2006年度和2007/2008年度水文气象数据进行模型参数的检验.在确定模型能较好的模拟流域年月径流深的前提下,采用率定好的模型参数和恢复的气象资料,恢复了1955—2004年冬克玛底河流域的年径流深;依据水量平衡原理,得到流域冰川物质平衡变化.结果表明:1955—2008年冰川物质平衡呈亏损趋势,平均-136.0mm.a-1;年径流深呈波动增加趋势,平均增加5.61mm.a-1.径流深的增加量中约34%是因为降水增加所致,66%是因为温度升高导致冰川消融加剧所致. 相似文献
10.
祁连山老虎沟流域强消融期径流对气候变化的响应 总被引：4，自引：4，他引：0
为定量研究老虎沟流域径流对气候变化的响应,利用老虎沟流域1959年和2014年强消融期（7月）的气象、径流数据,分析了强消融期气温、降水、蒸发、冰川消融量、径流（流域的径流深）等的变化,进而探讨了老虎沟流域强消融期气温分布和降水形态、流域蒸发和冰川消融对径流的影响。结果表明：老虎沟流域2014年强消融期径流比1959年多159 mm,增加了49.67%。2014年7月平均气温较1959年升高0.38℃,最低气温升高1.34℃。1959年和2014年7月降水量相差较小;老虎沟流域强消融期日降水和日径流之间呈负相关,蒸发量的变化较小,流域内祁连山站的混合态降水比例减少23.01%,导致降水转化为径流的比例增大;起决定性作用的是正积温, 2014年7月较1959年的正积温高11.71℃·d,主要由于2~4℃的气温日数增多导致正积温增加,从而加剧冰川消融对径流的补给。 相似文献
11.
针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题, 本文基于主成分分析(PCA)方法提取气象要素空间特征, 利用长短时记忆神经网络(LSTM)学习长时序过程规律, 构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域, 利用LSTM模型和物理水文模型THREW作为比对模型, 基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示: PCA-LSTM模型径流模拟纳什效率系数为0.92, 高于比对模型LSTM和THREW, 表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。 相似文献
12.
K. K. Kuok S. Harun Ph.D. S. M. Shamsuddin Ph.D. 《International Journal of Environmental Science and Technology》2010,7(1):67-78
The rainfall-runoff relationship is one of the most complex hydrological phenomena. In recent years, hydrologists have successfully applied backpropagation neural network as a tool to model various nonlinear hydrological processes because of its ability to generalize patterns in imprecise or noisy and ambiguous input and output data sets. However, the backpropagation neural network convergence rate is relatively slow and solutions can be trapped at local minima. Hence, in this study, a new evolutionary algorithm, namely, particle swarm optimization is proposed to train the feedforward neural network. This particle swarm optimization feedforward neural network is applied to model the daily rainfall-runoff relationship in Sungai Bedup Basin, Sarawak, Malaysia. The model performance is measured using the coefficient of correlation and the Nash-Sutcliffe coefficient. The input data to the model are current rainfall, antecedent rainfall and antecedent runoff, while the output is current runoff. Particle swarm optimization feedforward neural network simulated the current runoff accurately with R = 0.872 and E2 = 0.775 for the training data set and R = 0.900 and E2= 0.807 for testing data set. Thus, it can be concluded that the particle swarm optimization feedforward neural network method can be successfully used to model the rainfall-runoff relationship in Bedup Basin and it could be to be applied to other basins. 相似文献
13.
河川径流遥感监测研究进展 总被引：5，自引：0，他引：5
河川径流参数是用于地表水资源评估、全球变化监测和生态环境保护的基础数据.现有的河川径流监测数据基于水文监测站点获取.近年来,受经济和政治原因的影响,全球水文监测站点在逐渐减少.随着全球变化研究对区域乃至全球水文监测数据需求的增加,监测站点有限及监测数据格式多样等问题逐渐凸显.过去15年,卫星遥感技术在河川径流监测领域的研究和应用实践,使上述问题的解决成为了可能.总结了河川径流遥感监测方法和技术研究进展,包括地基高低频雷达、航空航天雷达和多光谱卫星遥感监测3个方面;介绍了全球大型河川径流与湖泊水体动态监测重大应用成果及未来研究计划.指出在未来具有全天时、全天候,高时空分辨率,以及多水文要素探测能力遥感卫星发射之前,应充分利用遥感野外观测实验,完善河川径流监测技术方法,并综合应用已有高时空分辨率的多光谱和微波遥感数据,开展径流监测应用研究. 相似文献
14.
15.
Assessment of LULC and climate change on the hydrology of Ashti Catchment,India using VIC model 总被引：1，自引：0，他引：1
The assessment of land use land cover (LULC) and climate change over the hydrology of a catchment has become inevitable and is an essential aspect to understand the water resources-related problems within the catchment. For large catchments, mesoscale models such as variable infiltration capacity (VIC) model are required for appropriate hydrological assessment. In this study, Ashti Catchment (sub-catchment of Godavari Basin in India) is considered as a case study to evaluate the impacts of LULC changes and rainfall trends on the hydrological variables using VIC model. The land cover data and rainfall trends for 40 years (1971–2010) were used as driving input parameters to simulate the hydrological changes over the Ashti Catchment and the results are compared with observed runoff. The good agreement between observed and simulated streamflows emphasises that the VIC model is able to evaluate the hydrological changes within the major catchment, satisfactorily. Further, the study shows that evapotranspiration is predominantly governed by the vegetation classes. Evapotranspiration is higher for the forest cover as compared to the evapotranspiration for shrubland/grassland, as the trees with deeper roots draws the soil moisture from the deeper soil layers. The results show that the spatial extent of change in rainfall trends is small as compared to the total catchment. The hydrological response of the catchment shows that small changes in monsoon rainfall predominantly contribute to runoff, which results in higher changes in runoff as the potential evapotranspiration within the catchments is achieved. The study also emphasises that the hydrological implications of climate change are not very significant on the Ashti Catchment, during the last 40 years (1971–2010). 相似文献
16.
In arid and semiarid areas, the only surface and groundwater recharge source is the runoff generated through flash floods. Lack of hydrological data in such areas makes runoff estimation extremely complicated. Flash floods are considered catastrophic phenomena posing a major hazardous threat to cities, villages, and their infrastructures. The objective of this study is to assess the flash flood hazard and runoff in Wadi Halyah and its sub-basins. Integration of morphometric parameters, geo-informatics, and hydrological models has been done to overcome the challenge of scarcity of data.Advanced Spaceborne Thermal Emission and Reflection (ASTER) data was used to prepare a digital elevation model (DEM) with 30-m resolution, and geographical information system (GIS) was used in the evaluation of network, geometry, texture, and relief features of the morphometric parameters. Thirty-eight morphometric parameters were estimated and have been linked together for producing nine effective parameters for evaluation of the flash flood hazard in the study basin.Flash flood hazard in Wadi Halyah and its sub-basins was identified and grouped into three classes depending on nine effective parameters directly influencing the flood prone areas. Calculated runoff volume of Wadi Halyah ranges from 26.7 × 106 to 111.4 × 106 m3 with an inundation area of 15 and 27 km2 at return periods of 5 and 100 years, respectively. Mathematical relationships among rainfall depth, runoff volume, infiltration losses, and rainfall excess demonstrate a strong directly proportional relationships with correlation coefficient of about 0.99. 相似文献
17.
基于水库模型的概念,根据地形地物将扎龙湿地划分为相互联系的9个水库单元,对每个水库单元进行水量平衡模拟,建立了扎龙湿地水循环系统模拟模型。以月为时间步长,利用建立的模型对扎龙湿地1971-2003年33年的水循环过程进行模拟,应用1971-1981年出口径流量进行模型参数标定,应用1982-1987年出口径流量和12个水面面积对模型模拟效果进行检验。模拟的出口径流量效率系数和相关系数接近0.90,相对误差小于3%;模拟的湿地水面面积也具有满意的精度。模拟结果表明,建立的模型对湿地水循环系统具有较好的模拟能力。 相似文献
18.
由于人类活动影响,水文站的实测径流过程普遍发生显著变化,而大量水资源分析计算工作必须以天然径流量为基础。以九龙江流域为例,提出将分项调查法与水文模型法相结合的流域天然径流量综合还原法,即采用分项调查法对主要水文站控制集水区的实测径流数据做还原计算,利用还原后的径流数据构建以子流域为单元的SWAT降雨径流模型,进而通过参数移用,利用该模型模拟得到全研究区不同子流域的天然径流数据。利用该方法得到的主要控制站及无径流观测子流域的天然径流数据均具有较高准确性。该方法既可以充分利用有资料流域的详实观测数据,又可以解决无资料区对天然径流数据的需求,可以为水资源评价、水量分配等工作提供依据。 相似文献
19.
波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。 相似文献