開題報告范文水文水資源洪水預(yù)報(編輯修改稿)
2024-12-07 02:51 本頁面
【文章內(nèi)容簡介】 就要由該區(qū)域內(nèi)各個雨量點所測得的點雨量推求出區(qū)域內(nèi)點平均降水量，這就是面雨量。簡單地說，面雨量是特定區(qū)域內(nèi)單 位面積上的降水量。 水文工作中常需推求整個流域面上的平均降雨量。 對一個地區(qū)，根據(jù)不規(guī)則分布的觀測站網(wǎng)計算面平均雨量是開展最早并持續(xù)至今的研究內(nèi)容。除了將多個測站觀測雨量的算術(shù)平均值作為面平均雨量外，泰森多邊形加權(quán)平均雨量方法是最早的研究成 果；后來又發(fā)展了根據(jù)等雨量線區(qū)間面積加權(quán)計算面雨量的方法。長期以來，算術(shù)平均法、泰森多邊形法和等雨量線法是我國水文計算和預(yù)報計算面雨量的主要方法。 20 世紀中葉，面雨量計算方法又有發(fā)展，例如考慮地形（高程）的加權(quán)平均、根據(jù)周圍測站到估算地點距離的加權(quán)平均、趨勢面分析等等。電子計算機的廣泛應(yīng)用給面雨量估算開創(chuàng)了新的途徑，高密度的網(wǎng)格插值估算面雨量給水文預(yù)報帶來了很大的方便。 洪水預(yù)報 實時 校正 方法 預(yù)報總是有誤差的 。 預(yù)報誤差可表現(xiàn)為系統(tǒng)誤差 ， 也可表現(xiàn)為隨機誤差 ， 因此 ， 在 4 發(fā)布洪水預(yù)報之前 ， 對預(yù)報值進行誤差實 時校正是十分必要的 。 通常使用的實時校正方法有 遞推最小二乘法、誤差自回歸法 、卡爾曼濾波法 和自適應(yīng)算法等 。 遞推最小二乘法是根據(jù)最新輸入與輸出信息 ， 給現(xiàn)時預(yù)報誤差一定的權(quán)重以校正模型參數(shù)來進行實時預(yù)報的 ， 屬于參數(shù)在線識別 (也稱動態(tài)識別 ) ， 能反映預(yù)報時刻的參數(shù)狀態(tài) 。 該法簡單易行 ， 但跟蹤實時洪水預(yù)報系統(tǒng)的能力不強 ， 靈敏性較差 。 不過這種動態(tài)識別方法是優(yōu)于現(xiàn)行時不變模型的 。 誤差自回歸法是通過對輸出的殘差系列進行自回歸分析 ， 用前推若干個時刻的殘差值作為實時校正系統(tǒng)的輸入來推求當(dāng)前時刻的輸出誤差 ， 達到實時校正的目的的 。 該法不涉及實時洪水預(yù)報模型本身的結(jié)構(gòu)或數(shù)學(xué)表達式 ， 僅從誤差序列著眼進行校正 ， 故可與任何實時洪水預(yù)報模型配合 ， 有廣泛的適應(yīng)性 ， 其校正效果主要取決于誤差序列的自相關(guān)性 ， 自相關(guān)密切則校正效果好 ， 否則效果較差 ， 而且當(dāng)預(yù)報值與預(yù)報誤差為同一量級時 ， 實時校正的效果可能會大大下降 。 卡爾曼濾波法因?qū)ο到y(tǒng)的狀態(tài)變量進行最優(yōu)估計 ， 既可以達到最小方差 ， 又不損失預(yù)見期 ， 是一種比較理想的實時校正方法 。 在實時洪水預(yù)報中可選擇作為狀態(tài)變量的有洪水預(yù)報模型的參數(shù)、預(yù)報對象和預(yù)報誤差等 。 卡爾曼濾波實質(zhì)上是一種線性無 偏最小方差估計 ， 可用于任何線性隨機系統(tǒng) ， 并可綜合處理模型誤差和量測誤差 。 但洪水預(yù)報系統(tǒng)通常不是線性隨機系統(tǒng) ， 模型誤差和量測誤差通常也不是白噪聲 ， 這就限制了卡爾曼濾波法在實時校正中的應(yīng)用 。 此外 ， 使用此法時外推時段也不宜太長 。 自適應(yīng)算法是指濾波器本身具有自動調(diào)整功能、可根據(jù)預(yù)報過程中模型所出現(xiàn)的偏差自動調(diào)整模型達到最優(yōu)狀態(tài)的一種算法 。 該 法能細致地考慮噪聲統(tǒng)計量的時變特性 ，是較為完善的濾波方法之一 ， 有較好的發(fā)展前景 。 應(yīng)該說，洪水預(yù)報實時校正的最佳方法是自適應(yīng)濾波算法，但是如何找到適合的濾波器是比較大的問題，所 以在現(xiàn)實生產(chǎn)中應(yīng)用的不廣泛。 3 問題的提出 單元流域的劃分 流域水文模擬中，為了考慮流域下墊面水文特性的空間差異，常常采用分散式水文模型，即將流域按一定形式的分成若干塊（通常稱分單元面積）。傳統(tǒng)的 泰森多邊形分
公司管理相關(guān)推薦
鄂ICP備17016276號-1