Nothing Special   »   [go: up one dir, main page]

CN108507544A - 一种新的水文预测模型 - Google Patents

一种新的水文预测模型 Download PDF

Info

Publication number
CN108507544A
CN108507544A CN201810324722.0A CN201810324722A CN108507544A CN 108507544 A CN108507544 A CN 108507544A CN 201810324722 A CN201810324722 A CN 201810324722A CN 108507544 A CN108507544 A CN 108507544A
Authority
CN
China
Prior art keywords
region
hydrologic
rainfall
forecast model
mandarin
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810324722.0A
Other languages
English (en)
Inventor
史宇清
朱跃龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201810324722.0A priority Critical patent/CN108507544A/zh
Publication of CN108507544A publication Critical patent/CN108507544A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/30Circuit design
    • G06F30/36Circuit design at the analogue level
    • G06F30/367Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种新的水文预测模型,包括以下建模步骤:步骤一:选定研究区域及该区域往年水文状况;步骤二:对于该区域的水文情况进行预测;步骤三:建立水文预测模型;步骤四:对水文预测模型进行计算处理;步骤五:得出结论;本发明通过数学建模方式预测未来一年的降水量和雨量分布状况,以预测的雨量为基础,然后建立水文预测模型,对该区域的河网的影响各因素进行分析,河网的降雨量、损耗量和总量,最终预测处该区域未来一年水量,从而方便有效的管理,在水文预测建模的过程中对降雨P、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG等影响性因素进行全面的分析,从而提高预测的准确性。

Description

一种新的水文预测模型
技术领域
本发明涉及一种新的水文预测模型,属于水文预测技术领域。
背景技术
水文模型指用模拟方法将复杂的水文现象和过程经概化所给出的近似的科学模型,按模拟方式分为水文物理模型(实体模型、比尺模型)和水文数学模型两种基本类型。水文物理模型是具有原型(即研究对象)主要物理性质的模型,如在实验室中将一个流域按相似原理缩小,或将原土样搬到实验室所做的实验等;水文数学模型则是遵循数学表达式相似的原理来描述水文现象物理过程的模型,却不考虑原型的物理本质,如汇流,既不把河段搬到实验室,也不仿造一个人工河段进行实验,而是用一个物理本质与其不同却具有相同数学表达式的方程式表示汇流,从而描述出实际汇流的物理过程。这两种模型之间存在着密切的联系,因为物理模型的研究是数学模型的基础,而数学模型则是物理模型的有力表达方式,对某一水体、某一地区或某一水文站在未来一定时间内水文情况作出定性或定量的预测,对防洪、抗旱、水资源合理利用和国防事业中有重要意义。传统的对于区域性的水文预测考虑的影响性因素较少,从而导致得出预测的结果准确性较差,水文预测模型的预测效果不佳。为此,需要设计一种新的技术方案给予解决。
发明内容
本发明正是针对现有技术存在的不足,提供一种新的水文预测模型,解决现有技术存在的不足,满足实际使用要求。
为解决上述问题,本发明所采取的技术方案如下:
为实现上述目的,本发明提供如下技术方案:一种新的水文预测模型,包括以下建模步骤:
步骤一:选定研究区域及该区域往年水文状况;
步骤二:对于该区域的水文情况进行预测;
步骤三:建立水文预测模型;
步骤四:对水文预测模型进行计算处理;
步骤五:得出结论。
作为上述技术方案的改进,所述选定研究区域及该区域往年水文状况,即为:对研究对象进行选定,然后通过气象及水文相关数据进行查找总结,然后通过数学建模的方式建立该区域近三年内的雨量大小及全年分布状况,预估下一年的降雨量和雨量分布状况。
作为上述技术方案的改进,对于所述该区域的水文情况进行预测,利用数学建模的方式构建出未来一年的雨量状况和分布状况,求近三年内每个月的降雨量及近三年内各月平均降水量,然后通过曲线图表达出来,预估未来一年的降水量范围、降水谷峰月份。
作为上述技术方案的改进,建立所述水文预测模型根据往年水文数据得出该区域:输出蒸散发E、降雨P、区域河网面积M、水面蒸发EM、透水面积产流R、不透水面积产流RB、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG等数据,进行建模处理。
作为上述技术方案的改进,所述对水文预测模型进行计算处理以降雨P、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG得出该区域水源增加量,然后通过输出蒸散发E水量消耗量,得出该区域河网总入流,然后通过单位面积出流得出流域出流Q,最后通过河网总入流减去流域出流Q得出该区域一年的剩余水量,即:
剩余水量=(P×M+S+QS+QI+QG)-(E+Q)。
作为上述技术方案的改进,对该区域的降水状况、分布情况以及降水后水流在河网内的存储状况进行预估,得出该区域的谷峰月份的水量状况和河网储水量是否满足存储标准,然后进行有效管理。
本发明与现有技术相比较,本发明的实施效果如下:
本发明首先选定研究区域,对该区域往年水文状况进行分析,通过数学建模的方式预测未来一年的降水量和雨量分布状况,以预测的雨量为基础,然后建立水文预测模型,对该区域的河网的影响各因素进行分析,河网的降雨量、损耗量和总量,最终预测处该区域未来一年水量,从而方便有效的管理。此外,在水文预测建模的过程中对降雨P、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG等影响性因素进行全面的分析,从而提高预测的准确性。
附图说明
图1为本发明所述降水量分布示意图;
图2为本发明所述水文预测模型结构图。
具体实施方式
下面将结合具体的实施例来说明本发明的内容。
本发明所述请参阅图1-2,本发明提供一种技术方案:一种新的水文预测模型,包括以下建模步骤:
步骤一:选定研究区域及该区域往年水文状况;
步骤二:对于该区域的水文情况进行预测;
步骤三:建立水文预测模型;
步骤四:对水文预测模型进行计算处理;
步骤五:得出结论。
首先选定研究区域,对该区域往年水文状况进行分析,通过数学建模的方式预测未来一年的降水量和雨量分布状况,以预测的雨量为基础,然后建立水文预测模型,对该区域的河网的影响各因素进行分析,河网的降雨量、损耗量和总量,最终预测处该区域未来一年水量,从而方便有效的管理。
进一步改进地,如图1所示:所述选定研究区域及该区域往年水文状况,即为:对研究对象进行选定,然后通过气象及水文相关数据进行查找总结,然后通过数学建模的方式建立该区域近三年内的雨量大小及全年分布状况,预估下一年的降雨量和雨量分布状况。
进一步改进地,如图1所示:对于所述该区域的水文情况进行预测,利用数学建模的方式构建出未来一年的雨量状况和分布状况,求近三年内每个月的降雨量及近三年内各月平均降水量,然后通过曲线图表达出来,预估未来一年的降水量范围、降水谷峰月份。
进一步改进地,如图2所示:建立所述水文预测模型,根据往年水文数据得出该区域:输出蒸散发E、降雨P、区域河网面积M、水面蒸发EM、透水面积产流R、不透水面积产流RB、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG等数据,进行建模处理。
具体地,如图2所示:所述对水文预测模型进行计算处理以降雨P、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG得出该区域水源增加量,然后通过输出蒸散发E水量消耗量,得出该区域河网总入流,然后通过单位面积出流得出流域出流Q,最后通过河网总入流减去流域出流Q得出该区域一年的剩余水量,即:
剩余水量=(P×M+S+QS+QI+QG)-(E+Q)
在水文预测建模的过程中对降雨P、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG等影响性因素进行全面的分析,并剩余水量=(P×M+S+QS+QI+QG)-(E+Q)为计算基础,从而提高预测的准确性。
其中,对该区域的降水状况、分布情况以及降水后水流在河网内的存储状况进行预估,得出该区域的谷峰月份的水量状况和河网储水量是否满足存储标准,然后进行有效管理。
本发明的核心技术点是:首先选定研究区域,对该区域往年水文状况进行分析,通过数学建模的方式预测未来一年的降水量和雨量分布状况,以预测的雨量为基础,然后建立水文预测模型,对该区域的河网的影响各因素进行分析,河网的降雨量、损耗量和总量,最终预测处该区域未来一年水量,从而方便有效的管理,在水文预测建模的过程中对降雨P、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG等影响性因素进行全面的分析,并以计算公式为基础,从而提高预测的准确性。
以上内容是结合具体的实施例对本发明所作的详细说明,不能认定本发明具体实施仅限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明保护的范围。

Claims (6)

1.一种新的水文预测模型,包括以下建模步骤:
步骤一:选定研究区域及该区域往年水文状况;
步骤二:对于该区域的水文情况进行预测;
步骤三:建立水文预测模型;
步骤四:对水文预测模型进行计算处理;
步骤五:得出结论。
2.根据权利要求1所述的一种新的水文预测模型,其特征在于:选定所述研究区域及该区域往年水文状况,即为:对研究对象进行选定,再通过气象及水文相关数据进行查找总结,最后通过数学建模的方式建立该区域近三年内的雨量大小及全年分布状况,预估下一年的降雨量和雨量分布状况。
3.根据权利要求1所述的一种新的水文预测模型,其特征在于:对于所述该区域的水文情况进行预测,利用数学建模的方式构建出未来一年的雨量状况和分布状况,求近三年内每个月的降雨量及近三年内各月平均降水量,然后通过曲线图表达出来,预估未来一年的降水量范围、降水谷峰月份。
4.根据权利要求1所述的一种新的水文预测模型,其特征在于:建立所述水文预测模型,根据往年水文数据得出该区域:输出蒸散发E、降雨P、区域河网面积M、水面蒸发EM、透水面积产流R、不透水面积产流RB、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG等数据,进行建模处理。
5.根据权利要求1所述的一种新的水文预测模型,其特征在于:对所述水文预测模型进行计算处理以降雨P、表层自由水S、地面总流入QS、壤中总入流QI、地下总入流QG得出该区域水源增加量,然后通过输出蒸散发E水量消耗量,得出该区域河网总入流,然后通过单位面积出流得出流域出流Q,最后通过河网总入流减去流域出流Q得出该区域一年的剩余水量,即:
剩余水量=(P×M+S+QS+QI+QG)-(E+Q)。
6.根据权利要求1所述的一种新的水文预测模型,其特征在于:对该区域的降水状况、分布情况以及降水后水流在河网内的存储状况进行预估,得出该区域的谷峰月份的水量状况和河网储水量是否满足存储标准,然后进行有效管理。
CN201810324722.0A 2018-04-12 2018-04-12 一种新的水文预测模型 Pending CN108507544A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810324722.0A CN108507544A (zh) 2018-04-12 2018-04-12 一种新的水文预测模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810324722.0A CN108507544A (zh) 2018-04-12 2018-04-12 一种新的水文预测模型

Publications (1)

Publication Number Publication Date
CN108507544A true CN108507544A (zh) 2018-09-07

Family

ID=63381884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810324722.0A Pending CN108507544A (zh) 2018-04-12 2018-04-12 一种新的水文预测模型

Country Status (1)

Country Link
CN (1) CN108507544A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816167A (zh) * 2019-01-18 2019-05-28 昆仑(重庆)河湖生态研究院(有限合伙) 径流预报方法及径流预报装置
CN111307123A (zh) * 2020-04-02 2020-06-19 中国水利水电科学研究院 一种水情监测数据的实时异常诊断与插补方法
CN116542124A (zh) * 2023-03-13 2023-08-04 广东省科学院广州地理研究所 一种分布式水文模型的辅助建模方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102051866A (zh) * 2010-12-06 2011-05-11 中南大学 一种基于流量影响线的中小桥山洪预警方法
CN102289570A (zh) * 2011-07-23 2011-12-21 浙江大学 基于降雨-径流-洪水演进计算的洪水预报方法
CN102419788A (zh) * 2010-12-16 2012-04-18 南京大学 基于渗蓄一体化动态产流机制的分布式水文模型的设计方法
CN104298841A (zh) * 2013-07-16 2015-01-21 杭州贵仁科技有限公司 一种基于历史数据的洪水预报方法和系统
CN104392111A (zh) * 2014-11-10 2015-03-04 连承锴 基于水位样本的洪水预报方法
CN105512767A (zh) * 2015-12-15 2016-04-20 武汉大学 一种多预见期的洪水预报方法
CN106599571A (zh) * 2016-12-12 2017-04-26 武汉大学 兼顾流量和蒸发的流域水文模型分期率定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102051866A (zh) * 2010-12-06 2011-05-11 中南大学 一种基于流量影响线的中小桥山洪预警方法
CN102419788A (zh) * 2010-12-16 2012-04-18 南京大学 基于渗蓄一体化动态产流机制的分布式水文模型的设计方法
CN102289570A (zh) * 2011-07-23 2011-12-21 浙江大学 基于降雨-径流-洪水演进计算的洪水预报方法
CN104298841A (zh) * 2013-07-16 2015-01-21 杭州贵仁科技有限公司 一种基于历史数据的洪水预报方法和系统
CN104392111A (zh) * 2014-11-10 2015-03-04 连承锴 基于水位样本的洪水预报方法
CN105512767A (zh) * 2015-12-15 2016-04-20 武汉大学 一种多预见期的洪水预报方法
CN106599571A (zh) * 2016-12-12 2017-04-26 武汉大学 兼顾流量和蒸发的流域水文模型分期率定方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816167A (zh) * 2019-01-18 2019-05-28 昆仑(重庆)河湖生态研究院(有限合伙) 径流预报方法及径流预报装置
CN111307123A (zh) * 2020-04-02 2020-06-19 中国水利水电科学研究院 一种水情监测数据的实时异常诊断与插补方法
CN116542124A (zh) * 2023-03-13 2023-08-04 广东省科学院广州地理研究所 一种分布式水文模型的辅助建模方法
CN116542124B (zh) * 2023-03-13 2024-04-09 广东省科学院广州地理研究所 一种分布式水文模型的辅助建模方法

Similar Documents

Publication Publication Date Title
Zounemat-Kermani et al. Neurocomputing in surface water hydrology and hydraulics: A review of two decades retrospective, current status and future prospects
Nourani et al. Hybrid wavelet-M5 model tree for rainfall-runoff modeling
Rai et al. Planning and evaluation of irrigation projects: methods and implementation
Wu et al. An operation-based scheme for a multiyear and multipurpose reservoir to enhance macroscale hydrologic models
Huo et al. Integrated neural networks for monthly river flow estimation in arid inland basin of Northwest China
Bonacci et al. The changes in the lower Drava River water level, discharge and suspended sediment regime
Nassery et al. Water management using system dynamics modeling in semi-arid regions
Chen et al. Using natural variability as a baseline to evaluate the performance of bias correction methods in hydrological climate change impact studies
Sabzevari et al. Effect of hillslope topography on soil erosion and sediment yield using USLE model
Tena et al. Assessing the geomorphic effects of a flushing flow in a large regulated river
Bejranonda et al. Surface water and groundwater dynamic interaction models as guiding tools for optimal conjunctive water use policies in the central plain of Thailand
CN108507544A (zh) 一种新的水文预测模型
Joodavi et al. Deriving optimal operational policies for off-stream man-made reservoir considering conjunctive use of surface-and groundwater at the Bar dam reservoir (Iran)
Ibragimov et al. Improvement of the State Water Cadastre’s Management System
Nozari et al. Simulation and optimization of control system operation and surface water allocation based on system dynamics modeling
Aalirezaei et al. Prediction of water security level for achieving sustainable development objectives in Saskatchewan, Canada: Implications for resource conservation in developed economies
Margeta Water abstraction management under climate change: Jadro spring Croatia
MacKenzie et al. Early detection model for the urban stream syndrome using specific stream power and regime theory
Gao et al. Comparative study on the calculation methods of ecological base flow in a mountainous river
Imanshoar et al. Reservoir sedimentation based on uncertainty analysis
Razad et al. Reservoir inflow simulation using MIKE NAM rainfall-runoff model: Case study of cameron highlands
CN109948220A (zh) 闸坝多目标泄流估算方法及系统
Liu et al. Using a Bayesian probabilistic forecasting model to analyze the uncertainty in real-time dynamic control of the flood limiting water level for reservoir operation
Alfa et al. Reliability assessment of Thomas Fiering's method of stream flow prediction
Jhong et al. Assessment of effective monitoring sites in a reservoir watershed by support vector machine coupled with multi-objective genetic algorithm for sediment flux prediction during typhoons

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180907

RJ01 Rejection of invention patent application after publication