（水力学及河流动力学专业论文）长江三峡中长期水文预报研究.pdf

摘要 中长期水文预报对于防汛抗旱、水库调度、水资源规划与管理等工 作至关重要。目前，中长期水文预报在水文学研究中还相对落后，仍然 处于探索、发展的阶段。长江三峡工程是治理和开发长江、综合利用长 江水资源的关键工程。为了满足防洪、发电、航运等要求，水库的运行 必须实行优化调度，三峡坝址的流量预报是优化调度的主要依据。目前 长江三峡的中长期水文预报工作存在着精度不高，难于有效指导生产实 践的问题。 本文以长江宜昌站为长江三峡的代表站，运用成因分析、统计分析 与模糊分析相结合的方法，在识别影响各水文要素的前期流域降水、大 气环流形势等预报因子的基础上，分别应用模糊模式识别预报模型和人 工神经网络模型进行了年最大洪峰流量及逐月流量中长期预报。主要成 果与结论如下： ( 1 ) 基于模糊模式识别理论与模型，从单个影响因子出发，以m 强h 为目标函数，根据多个影响因子综合作用下的样本特征值与类别特征值 的最优相关密切性，提出了预报因子选择的模糊识别方法。实践证明前 期预报因子选择合理，该法具有较高的推广和应用价值。 ( 2 ) 应用模糊模式识别模型进行预报时，将样本与预报因子特征值 之间的相关系数绝对值的归一化数作为预报因子权向量的初始值符合实 际水文现象。 ( 3 ) l m b p 算法单次预报精度较低，预报风险较高，但训练效率高， 训练次数稳定；自适应b p 算法引入了动量因子，使网络发生震荡的几率 降低，具有较高的预报精度和较快的训练速度，但训练次数波动较大。 推荐用l m b p 算法确定网络结构，用自适应b p 算法进行预报。 ( 4 ) 采用人工神经网络模型进行预报，当模拟误差为6 一8 左右， 能取得令人满意的效果，可据此确定训练精度，供应用参考 ( 5 ) 模糊方法优选出来的预报因子可应用于人工神经网络模型中， 且预报效果要优于模糊模式识别模型。 ( 6 ) 本研究中所建模型合理，预报效果好，研究成果对长江三峡水 电调度计划方案的制定具有重要参考价值。 关键词：中长期水文预报；年最大洪峰流量；逐月流量； 模糊模式识别模型；人工神经网络模型：长江三峡 a bs t r a c t m e d i u m l o n gt e r mh y d r o l o g i c a lf o r e c a s tp l a y sa ni m p o r t a n tr o l ei n f l o o dc o n t r o la n dd f o u g h tr c l i e f ， r e s c r v o i r 0 p e r a t i o n ， w a t e rr c s o u r c e s p l a n n i n ga n dm a n a g e m e n t ，e t c a tp r e s e n tm e d i u m 1 0 n gt c r mh y d r o l o g i c a l f o r e c a s ti saf i e l df a l i i n gb e h i n dr e l a t i v e l yi nh y d f o i o g y ，s t i l li nt h es t a g e b e i n ge x p l o r i n ga n dd e v e l o p i n g t h cy a n g t z et h r e cg o r g e si sak e yp r o j e c t h a r n e s s i n ga n dd e v e l o p i n gt h ey a n g t z cr i v e r ，u t i l i z i n gt h ew a t e rr e s o u r c e 0 f y a n g t z c r i v c r c o m p r c h e n s i v e l y d e m a n d i n g f o f s a t i s f y i n g f 1 0 0 d p r o t e c t i o n ，e l e c t r i cp o w e rg e n e r a t i o n ，s h i p p i n g ，e t c ，t h cr e s e r v o i ro p e r a t i o n m u s tp u t o p t i m i z a t i o nc o n t r o l l e ri n t op r a c t i c c t h cd i s c h a f g ef o r e c a s ta t d a ms i t eo ft h r e eg o r g e sr a t ei st h em a i nb a s i so f0 p t i m i z i n gr e g u l a t i o n i n t h ec u r r e n t ，t h em e d i u m l o n gt e r mh y d r o l o g i c a lf o r c c a s ta ty a n g t z et h r e e g o r g e se x i s tt h ep r o b l e mt h a t t h ca c c u r a c yi sl o w ，a n dh a v cd i f f i c u l tt o g u i d et op r o d u c t i o np r a c t i c ec f f e c t i v e l y 1 nt h j s p a p e f ， t h c p r e d i c t o r s s u c ha sr a i n f a l la n d a t m o s p h c r i c c i r c u i a t i o nw h i c ha f f e c tt h eh y d r o l o g i c a lp h e n o m e n o ni nc a r l i e rs t a g ea t y i c h a n gs t a t i o nw h i c hi s t h er e p r c s e n t e ds t a t i o no fy a n g t z ct h r e cg o r g e s a r es e l e c t e db yc o m b i n i n gc a u s e - a n d - e f f e c ta n ds t a t i s t i c a la n a i y s i sw i t h f u z z ya n a l y s i s b a s e do n t h i s ， t h e m e d i u m l o n g t e r m h y d r o i o g i c a l f o f e c a s t i n gm o d e lo ff u z z yp a t t e r nr e c o g n i t i o na n da r t i f i c i a ln e u r a ln e t w o r k ( a n n ) a r es e tu p t of o r e c a s tt h ea n n u a lm a x i m u mp e a kd i s c h a r g ca n d m o n t h l yd i s c h a r g e t h em a i nc o n c l u s i o n so ft h er e s e a r c ha r cs h o w na s f o l l o w s ： ( 1 ) t h cp r e s e n tp a p e rp o s e st h ep r e d i c t o r ss e l e c t i o nm e t h o do ff u z z y p a t t e r nf e c o g n i t i o n b a s e do nt h e t h e o r ya n dm o d e l o ff u z z y p a t t e f n f e c o g n i t i o n ， p r o c e e df r o ms i n g l ei n f l u e n c i n gf a c t o r ，t a k e nm a x i r i a st h e o b j e c t i v c f u n c t i o n ，a i m e da tt h e o p t i m a lr e l a t i v i t yt o t h cf e a t u r e so f c l a s s i f i c a t i o n sa n do b j e c t sc o m b i n e db ym a n yi n f l u e n c i n gf a c t o f s p r a c t i c e h a ss h o w nt h a tp r e d i c t o r ss e l c c t e di nc a r l i e rs t a g ca r cr e a s o n a b l ea n dt h e m e t h o di sw o r t hp o p u l a r i z a t i o na n da p p l i c a t i o n ( 2 ) w h e nf o r e c a s t i n gw i t ht h ef u z z yp a 儿e r nr c c o g n i t i o nm o d e l ，t a k e s t h ea b s o l u t ev a l u co fr e l a t i v i t yt oe i g e n v a l u eo fo b j e c t sa n dp r e d i c t o f sa s t h ei n i t i a lw e i g h t so fp r e d i c t o r sc o n f o r mt or e a lh y d r o l o g i c a lp h e n o m e n o n ( 3 ) l m b pa l g o r i t h ms h o w sl o wa c c u r a c ya n dh i g hr i s kw h e ns i n g l e f o r e c a s t i n g ，b u te f f i c i e n ta n ds t a b i l i z a t i o nw h e nt r a i n i n g s e l f a d a p t i v cb p a l g o r j t h m i n t r o d u c e sm o m e n t a if a c t o r ， s ot h ep r o b a b i l i t yo fc o n c u s s i o n r e d u c e s ，a n dh a sr e l a t i v e l yh i g ha c c u r a c ya n dr a p i dt r a i n i n gs p e e d s ow c r e c o m m e n dl m b pa l g o r i t h mw h e nc o n f i r m i n gn c t w o r ka r c h i t e c t u r ea n d s e l f - a d a p t i v cb pa l g o r i t h mw h e nf o r e c a s t i n g ( 4 ) w h e ns i m u l a t i n ge r r o ri sa b o u t6 一8 ，t h ea n nm o d e lw o r k so u t s a t i s f a c t o r i l ya n dc a nc o n f i r mt r a i n i n ga c c u r a c yf o ra p p l i e db a s c do ni t ( 5 ) p r c d i c t o r so p t i m i z e df r o mf u z z ym e t h o dc a na p p l yt oa n nm o d c l ， a n dt h ef o r e c a s tr e s u i ti sb c t t e ft h a nf u z z yp a t t e r nr e c o g n i t i o nm o d e i ( 6 ) t h em o d e l ss c tu pi nt h er c s e a r c ha r er e a s o n a b l ca n ds h o w i n gg o o d r e s u l t s t h ea c h i e v e m e n t sp l a y g r e a tr o l e si no p e r a t i n ga n dm a n a g i n g y a n g t z et h r e eg o r g c sh y d r o - p o w e rs t a t i o n k e yw o r d s ：m e d i u m - i o n gt e r mh y d r o i o g i c a lf o r e c a s t ；a n n u a lm a x i m u m p e a kd j s c h a r g e ；m o n t h l yd j s c h a r g e ；f n z z yp a “e r n r e c o g n i t i o nm o d e l ；a r t i f i c i a in e u r a ln e t w o r km o d e l ；y a n g t z e t h r e eg o r g e s i 长沙理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日硼年n 枷 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“”) 日咖矿厂月跏 日期彦。0 年歹月乒文日 1 1 研究目的与意义 1 1 1 研究目的 第一章绪论 本文研究的主要目的是以现有7 4 项环流特征量、关键区海温指数、 流域站点降雨资料以及历年旬、月、年流量资料特征值等水文气象资料 为基础，分析预报产品与影响因子的相互联系及其变化的物理成因，进 行预报对象的因子筛选，选用适当预报因子，建立距三峡坝址最近的长 江宜昌站中长期水文预报模型，对宜昌站当年逐月流量及次年年最大洪 峰流量进行预报。 1 1 2 理论意义 中长期水文预报对于防汛抗旱、水库调度、水资源规划与管理等工 作至关重要。目前中长期水文预报在水文学研究中还相对落后，仍处于 探索、发展阶段，预报精度还不能完全满足生产部门的应用需要。在预 报理论研究上，更多注重的是水文系列的统计相关特性，而对物理成因 关系的关注相对较少；在预报方法上，对各种方法的有效性研究不够， 缺乏足够的比较研究，很多新技术得不到充分的认识，以至于在实践中 难于推广应用。加强对中长期水文预报的研究具有重要的理论意义。 1 1 3 实践意义 长江三峡工程是中国、也是世界上最大的水利枢纽工程，具有防洪、 发电、航运、灌溉和供水等巨大综合效益，是治理和开发长江、综合利 用长江水资源的关键工程。为了满足防洪、发电、航运等要求，水库的 运行必须实行优化调度，三峡坝址的流量预报是优化调度的主要依据。 目前短期的实时水文预报已经取得丰硕成果，但中长期水文预报仍存在 精度不高，难以有效指导生产实践的问题l 卜”，因此加强这方面的研究具 有重要的实践意义 1 2 国内外研究现状 中长期水文预报是根据前期和现实的水文、气象等信息，运用天气 学、数理统计、宇宙一地球物理分析方法【5 1 ，对未来较长时间内水文情势 作出的定性或定量预报。通常泛指预见期3 天以上，1 年以内的水文预报， 对径流预报而言，预见期超过流域最大汇流时间的即为中长期水文预报。 中长期水文预报方法很多，大体上可归纳为概念性水文模型、分布式水 文模型和系统理论模型三类。 1 2 1 概念性水文模型 概念性水文模型是以水文现象的物理概念和一些经验公式为基础， 对降雨径流的转换过程及径流河道演进过程进行概化模拟的数学模型， 可分为集总式模型和分布式模型两种。集总式模型忽略了各部分流域特 征参数在空间上的变化，把全流域作为一个整体。分布式模型按流域各 处地形、土壤、植被、土地利用和降水等的不同，将流域划分为若干个 水文模拟单元，在每一个单元上用一组参数反映该部分的流域特性。为 叙述方便，本节所讨论的概念性水文模型主要是指集总式概念性水文模 型。 概念性水文模型具有一定物理意义，但又在某些方面只能设置参数 来表达，也可称为灰箱模型。第一个集总式概念性水文模型是1 9 6 0 年建 立的斯坦福模型。随后在2 0 世纪6 0 年代到8 0 年代初期，出现了大量的概 念性水文模型，如水箱模型、萨克拉门托模型、新安江模型、陕北模型 等。概念性水文模型被广泛应用于实时或短期预报。目前不少学者通过 改变模型的输入、输出或结构对概念性水文模型加以改进并应用于中长 期水文预报i6 1 。一般来说降水输入是降雨径流模型必不可少的输入量， 因此常规方法是与降水预报相结合l 7 1 ，也可以以历史降水资料作为模型 输入l sj 。但是对于一些大面积的集水流域，如果只用几个测站的降水资 料作为模型输入，在流量预报作业时会产生很大的误差，必须进行必要 的流域概化和因子替换，分析出能直接应用的前期预报因子f9 1 。除了常 见的降雨径流模型外，另外还有一些学者建立了融雪径流模型进行中长 期径流预报1 1 0 ，1 1 l 。如王国庆等l 儿】针对冰雪地区的产流特点。在充分考虑 融雪径流形成机制的情况下。提出了以特征温度估算流域积雪及积雪面 积分布。建立了一个大尺度融雪径流模型，用于月径流量预报。 1 2 2 分布式水文模型 分布式水文模型是指基于流域尺度的具有严格物理基础的分布参数 水文模型。分布式水文模型一般认为流域面上各点的水力学特征是非均 匀分布的，从而利用一些物理的和水力学的微分方程来模拟降雨径流的 时空变化。分布式水文模型研究水文系统本身的性质与结构，对水文系 统进行明确的物理定义，也称为白箱模型。早在1 9 6 9 年，f r e e z c 和h a f l a n 就描述了分布式水文模型的蓝图【”l ，近年来，随着g i s 和r s 技术的不断 2 完善，计算机技术和数值分析理论的进一步发展，雷达测雨和卫星云图 技术的进步，分布式水文模型正成为国际上水文研究的热点。目前应用 较多的分布式水文模型有s h e 、s w a t 、f l a t o o d s 等。当前分布式水文 模型一般用于小尺度的水文模拟和预报。由于诸多控制方程的高度非线 性、流域地形特征和气候输入的巨大变异性，导致模型异常复杂和计算 上的困难，使得分布式水文模型从“短期”尺度向“长期”尺度外延， 进行中长期水文模拟和预报时面l 临较大的困难，但仍取得了一些成果。 如刘昌明l ”) 将基于d e m 的s w a t 水文模型应用于空间大尺度的黄河河源 区，进行年径流量的模拟。郑红星等1 1 4 j 采用大尺度的s v a t h y c y 模型 对黄河的主要支流洛河卢氏以上流域水文过程逐年进行了模拟。 分布式概念性水文模型介于分布式水文模型和集总式概念性水文模 型之间，具有一定的物理基础，部分模型参数也可能随空间坐标变化而 变化，但刻划流域各分带水文过程的数学描述并非基于严格的物理基础， 不妨叫做半分布式水文模型。如t o p m o d e l 、l a s c a m 等。另外有一些集 总式概念性水文模型在应用中得到改进，并利用分布参数，发展成为分 布式概念性水文模型。如陈仁升等l ”l 将t o p m o d e l 模型的d e m 分辨率拓 宽，应用到我国内陆河山区中大型流域，对月径流进行模拟。赵强等i l 6 j 在r s 和g i s 支持下，建立地理空间信息库，提取相关地理信息及相应的水 文空间参数，与现有概念性水文模型( s c s ) 结合，提出了一个分布式水 文概念模型，进行月径流模拟。 。 1 2 3 系统理论模型 系统理论模型是建立在经验统计基础上的、基本不考虑水文过程的 物理基础，以建立输入输出数据之间的最优数学关系为目标的黑箱模型。 系统理论模型很多，在长期水文预报中被广为应用。 1 2 3 回归分析 回归分析是中长期水文预报中应用最早、最广的方法之一，至今仍 被广泛使用。用回归模型进行水文预报，关键在于如何合理选择与待预 报水文要素如流量、水位等具有显著相关性的预报因子。常用的预报因 子有预报站前期流量、上游站前期流量、集水流域降水量等。另外还可 以将一些对水文过程的长期变化规律起控制作用的影响因子作为预报因 子，如太阳辐射、太阳黑子数、地震场、地温场等地球物理量【”，1 8 i ；海 洋表面温度、e n s o 指数等海洋物理量【1 9 ，2 0 j ；气压高度场、大气环流指数 等大气物理量【”j 。 1 2 3 2 传统时间序列分析 2 0 世纪7 0 年代以来，随着时序列分析理论与实用模型的发展，在包 括水文学在内的许多领域内应用时间序列模型进行动态数据的模拟与预 报已取得了满意的成果。时间序列预报模型按结构可分为线性时间序列 模型和非线性时间序列模型。 线性时间序列模型以b o x 和j e n k i n s 【2 2 l 提出的自回归求和滑动平均 ( a r i m a ) 模型及其衍生模型最为常用。如卢华友等1 2 3 l 采用三阶自回归模 型a r ( 3 ) 对丹江口水库年径流进行预报。随着对长记忆特性的随机过程研 究的深入，分数差分滑动平均自回归模型( a r f i m a ) 1 2 4 l 也开始应用于 河流流量的模拟与预报。o o m s 等【2 5 l 将p a r m a ( 分周期a r l m a ) 和 a r f i m a 相结合，提出了可以具有季节性特征的长记忆过程模型 ( p a r f i m a ) ，拟合月流量过程。如果考虑外部因素的影响，可以构建 具有外部变量的自回归滑动平均( a r m a x ) 1 2 6 】模型或转换函数噪声 ( t f n ) 模型弘”。 随着对水文系统非线性特征认识的深入，非线性时间序列模型的研 究和应用越来越受到关注。t o n g 等【2 8 l 提出的门限自回归( t a r ) 模型，能 有效地描述具有极限点、极限环( 准周期性) 、跳跃性、相依性、谐波等复 杂现象，为解决非线性时闻序列的建模与预报开拓了新的领域。建立t a r 模型的关键在于确定门限参数，其实质是建模过程中大量的复杂寻优， 不少学者尝试对t a r 模型加以改进。冯国章等【2 9 】将最优模糊划分模型 ( o f p ) 与s e t a r 模型相结合，提出了最优模糊划分自激励门限自回归模型 ( o f p s e t a r ) 用于枯水径流预报。金菊良等1 3 0 l 将改进遗传算法( a g a ) 引入t a r 模型，提出了遗传门限自回归模型，并用于年径流预测。 1 2 3 3 人工神经网络 人工神经网络技术( a n n ) 模仿人类大脑的结构和功能，具有高速 的大规模并行处理性，高维的非线性动力特性，高度的容错性和鲁棒性， 信息存贮的分布式特性、自组织、自适应、自学习的非定常性，联想记 忆的非局域性，能有效地处理问题的非线性、模糊性和不确定性关系， 近1 0 多年在中长期水文预报中受到了广泛关注。吴超羽等【”】较早应用b p 网络模型进行水文预报，结果表明a n n 模型要优于a r 等线性模型。h s u 等1 3 2 l 认为一个三层人工神经网络模型就可解决一般函数的拟合、逼近问 题，并提出了确定三层b p 网络模型结构和参数的线性最小二乘单纯形法。 胡铁松等【”j 提出了径流长期分级预报的自组织k o h o n c n 网络方法，有效 地克服了人为给定监督信号进行径流分级预报存在的不确定性给预报精 度带来的影响。a h m a d 等l ”j 应用多输入、多输出的b a c k p c r c o l a t i o n 网络 对加拿大的r e dr i v c r 的年极值流量( 时间) 等8 项指标进行预报。陈仁升 等l j 应用g r n n 神经网络对河西走廊的黑河出山年径流进行了预测。屈 亚玲等1 3 6 i 提出一种改进的采用局部回归的e l m a n 神经网络方法，应用于中 长期径流预报，并与多元回归、b p 网络方法相比较，结果表明新模型不 4 仅提高了算法的效率，而且提高了预报的精度。 根据神经元的结构和功能分类，目前已有近4 0 种神经网络模型。在 水文预报中，以b p 网络最为活跃和有效，且多数采用三层结构( 输入层、 隐含层和输出层) 。b p 网络具有较高的精度，但标准b p 网络存在学习收 敛速度较慢，稳定性差，易陷入局部极小等缺点，使之在实际应用中受 到很大限制。许多学者都尝试在标准b p 网络结构的基础上进行改良，主 要从两个方面着手：改进网络结构。如覃光华等i ”】提出了带偏差单元 的递归神经网络( r n n b ) ，预报雅砻江流域年均流量。r n n b 很好地克服 原b p 模型收敛速度慢，网络学习、记忆不稳定等缺点，拟合、预报精度 较原b p 模型均有较大提高。改进网络算法。如屈忠义等【3 8 】提出了采用 动量因子和自适应学习速率的快速b p 算法，对内蒙古河套灌区西部一个 大型灌区年地下水位变化进行预报。应用b p 网络进行水文预报时，网络 结构难以确定的问题仍然未得到有效解决，这在一定程度上制约了a n n 优势的进一步发挥和更为广泛的应用。 1 2 3 4 混沌理论 混沌是一种貌似无规则的运动，指在确定性非线性系统中，不需附 加任何随机因素亦可出现类似随机的行为。国内外大量的研究表明，水 文系统可认为是一种混沌系统【3 卜4 1 】。运用混沌理论进行水文预报，其基 本思路就是先重构水文动力系统的相空间，即用时间序列来建立一个未 改变动力系统吸引子结构的高维空间，然后对相点、相型进行统计描述， 或通过建立非线性统计模式来进行预测。s i v a k u m a r 等i ”j 基于确定性的混 沌理论建立了二阶局域预测模型，并应用于巴西某流域的月径流预测。 j a y a w a r d e n a 等【4 3 】用伪最邻近点法确定滞时和嵌入维数，重构混沌时间序 列的相空间，建立了基于广义自由度的动态局域预测模型，从而克服了 以往将最邻近点数固定化的缺陷。丁涛等1 4 4 j 利用关联积分法确定滞时和 嵌入维数，综合考虑了广义自由度和邻近点权重，提出了一种新的预测 模型一一加权动态局域预测模型，并应用于长江宜昌水文站和寸滩水文 站月径流过程的预报。 1 2 3 5 模糊分析 水文水资源系统中客观上存在着诸多模糊现象、模糊事件和模糊概 念【”l ，因此可以通过模糊分析手段( f u z z y ) 来进行水文预报。主要有两 种方法，一是模糊模式识别，一是模糊逻辑模型。 模糊模式识别分可两类，一类是建立模糊模式识别的数学模型。如 陈守煜l “l 将水文成因分析、统计分析、模糊集分析有机的结合起来，提 出了中长期水文预报的综合分析理论模式与方法。另一类是利用最大贴 近度原则，即依据水文要素的历史演变特征，从历史样本中寻找与当前 5 待测状态具有最小模糊距离或最大贴近度的那个状态，以此状态的下一 时刻作为预报值1 4 7 ，4 8 1 。 模糊分析的另一种方法是模糊逻辑模型，也称模糊专家决策系统。模 糊逻辑模型可以描述输入输出变量不很明确的因果关系，通过变量之间 模糊的信息建立模糊逻辑模型进行水文模拟或预报。模糊逻辑模型在短 期或实时预报中应用较多，在中长期预报中也有应用实例，如m a h a b i r 等 1 4 9j 采用“如果一则”模糊推理进行径流分级预报。 1 2 3 6 灰色系统 灰色系统将影响水文预报各因素的总和视为灰色特性。通过挖掘系 统信息，逐步将其灰色特性淡化、白化、量化，模型化。最后达到认识其 变化规律，从中获取预测信息。夏军【5 0j 吸取混沌动力学相空间扩维思想 和灰色系统理论的关联分析思想，提出一种适合于缺乏输入因子资料或 选择影响因子有困难条件下的中长期水文预报方法。李正最等f 5 1 】提出了 一种基于灰色系统理论关联度分析原理的非方程灰色预测方法，改变了 长期水文预报中传统的以方程为核心的预报模式。钟桂芳【5 2 l 尝试应用灰 色交基模型进行水库的超长期水文预报。黄克明1 5 3j 应用灰色系统的拓扑 预测方法进行年最高洪水位预报。 1 2 3 7 最近邻预报方法 最近邻预报方法( n n m ) 的基本思想是从历史样本中选择与当前待 预报状态相近的一个或k 个历史状态，并利用一个或k 个历史状态的后续 状态来进行预报。y a k o w i t z i “】系统地研究了n n m 的性质，这为在水文水 资源预报上的应用提供了理论基础，同时与水文学概念模型进行了对比 研究，结果表明n n m 是优越的。l a l l 等【5 5 】提出了最近邻非参数自展模式 并首次将它用于水文相依时间序列模拟。王文圣等【5 6 i 提出了最近邻抽样 回归模型( n n b r ) 并将该模型用于年径流量及含沙量预报，并与自回归模 型( a r ) 、基于遗传算法的回归模型( g a r ) 及经验相关图法比较，结果 表明n n b r 模型的预测效果优于a r 、g a r 等对比性模型。 1 2 3 8 其它系统理论模型 除了上述系统理论模型外，均生函数模型【57 1 、马尔科夫链【5 8 i 、经验 正交函数1 59 1 、典型相关分析【6 0 1 、类比合成方法【6 、l o c a lm o d c l i n g 模型 1 6 2 i 、投影追踪回归方法【6 3 l 等在中长期水文预报上也有应用。 1 2 3 9 系统理论耦合模型发展现状 为了综合分析水文系统中的不确定性，提高计算、预测和决策的可 靠性，将各种分析方法或模型适当耦合，建立耦合模型，是当前中长期 水文预报领域的一个热点。目前应用较为广泛的主要有两种，一是模糊 6 分析与神经网络耦合模型，另一种是小波分析及其与其它预报方法的耦 合模型。 邱林、陈守煜等【“】将模糊模式识别模型与神经网络b p 算法结合，建 立了模糊模式识别神经网络模型。陈守煜把多层模糊优选系统与神经网 络相对应，提出了模糊优选神经网络b p 模型1 6 ”，在此基础上又与加速遗 传算法结合，建立了模糊优选、b p 神经网络及遗传算法有机结合的智能 预报模式与方法1 6 6 1 。国外常采用将模糊逻辑与神经网络耦合的方式，根 据耦合的形式又可分为两种：先用模糊规则确定网络结构和相关参数， 再利用神经网络模型进行预报，称为模糊一一神经网络( f u z z yn c u r a l n e t w o r k ) 【6 。7 】而另一种则利用神经网络以提高模糊系统的学习能力和自 适应性，称为神经网络一模糊系统( n e u r a lf u z z ys y s t c m ) 。如b a l “n i 等 1 6 8 l 运用神经网络一模糊系统对巴西某河工程月入库径流进行预报。 近年来，随着非线性时间序列研究的增温，在水文水资源系统中引 入了小波分析( w a v e l c t a n a l y s i s ) 方法【6 9 】。小波分析方法引入了多尺度 分析的思想，具有良好的时、频同时多分辨率功能，能有效识别各种频 率成分和提取局部信息。c o u l i b a l y 等1 7 0 】运用连续小波变换对加拿大部分 河流年径流量序列进行分解，并深入探讨年径流量演变周期与北半球气 候变化的关系。赵永龙等1 7 1 】尝试将基于混沌重建相空间理论和小波分析 的相空间小波网络模型应用于中长期水文预报。王文圣等1 7 2 】提出了基于 小波变换的最近邻抽样回归组合预报模型。 1 2 4 中长期水文预报方法前景展望 ( 1 ) 概念性水文模型具有一定的物理基础，也具有相当的经验性， 模型结构简单，实用性强，已经被不少学者加以改进应用于中长期的水 文模拟、预报。概念性水文模型今后的发展方向，应该是尽量多应用实 际的观测和试验数据，保证实际物理参数的可靠性，尽量减少集总参数， 逐步加入分布参数，使模型尽可能体现实际的物理过程，并逐渐转向完 全分布。 ( 2 ) 分布式水文模型有严格的物理基础，且具有反映流域响应的空 间特征等诸多优点，是今后中长期水文模拟和预报发展的方向。分布式 水文模型目前存在的主要问题是理论上所需要的资料与数据非常多，而 且要求精度很高，往往超出了常规水文要素观测的内容与精度，同时大 量参数的累积误差往往会降低模拟精度，这些都限制了分布式水文模型 的广泛应用。 ( 3 ) 系统理论模型基本不考虑水文过程的物理基础，只研究水文系 统与外界的信息交换情况，以建立输入输出数据之间的最优数学关系为 目标，是当前中长期水文预报中最广为应用的方法。随着新的非线性系 7 统理论的引入和耦合模型的兴起，以及水文数据获取能力和计算机技术 的飞速发展，系统理论模型仍然受到广泛关注系统理论模型的发展方 向应该是从形成水文现象的物理机制分析入手，追求模型分析同实际水 文过程的结合，使预报模型建立在严格的物理基础上 总之，概念性水文模型会继续发展，。在中长期水文预报领域占有一 席之地。分布式水文模型的研究正方兴未艾，代表了未来的发展方向。 系统理论模型仍然是目前乃至今后较长一段时问内中长期水文预报领域 最广为应用的方法。 1 3 主要研究内容 本文研究主要分为两大部分：其一，提出本论文的研究目的及意义， 综述目前国内外中长期水文预报方法研究现状，并进行系统的分析总结； 其二，通过多种分析方法，探讨建立长江宜昌站年最大流量及逐月流量 的中长期水文预报系统理论模型。具体而言，绪论部分主要阐述概念性 水文模型、分布式水文模型和系统理论模型在中长期水文预报的研究进 展，探讨其基本特点、存在的主要问题和未来的发展方向。第二章介绍 三峡工程及其汇流区域的一些基本特征，为论文的研究提供资料支持， 并通过相关分析初步识别出中长期水文预报的预报因子。第三章、第四 章是本论文研究的主体部分，分别阐述模糊模式识别模型、人工神经网 络模型的建模思想和基本原理，从初选预报因子中再次遴选出适当因子 作为预报因子，并尝试对模型加以改进和完善，己期提高预报精度，建 立起中长期水文预报模型，对年最大洪峰流量和逐月流量进行滚动预报。 第五章对各种预报模型预报结果进行汇总，并结合实测资料综合分析比 较。第六章撅括总结本文的主要研究成果，并对有待进一步研究的问题 进行展望。 8 第二章预报因子的初步识别 2 1 流域和工程概况 2 1 1 流域概况 2 1 1 自然地理概况 长江为中国第一大河，发源于青藏高原唐古拉山主峰各拉丹东的西 南侧，江源为沱沱河，干流自青藏高原蜿蜒东流，经青海、西藏、四川、 重庆、云南、湖北、湖南、江西、安徽、江苏和上海11 个省( 自治区、 直辖市) ，在上海市注入东海。全长6 3 0 0k m 。流域面积1 8 0 多万k m 2 ，占 全国大陆面积的1 8 7 5 。干流自江源至湖北宜昌为上游，长约4 5 0 0k m ， 流域面积1 0 0 6 万k m 2 。宜昌至江西湖口为中游，长约9 5 0 k m ，流域面积 6 8 万k m 2 ，湖口至长江口为下游，长约9 0 0 k m ，流域面积约1 2 万k m 2 。其 中，长江上游流域可分为金沙江、岷沱江，宜宾一重庆、乌江、嘉陵江i ： 重庆一万县、万县一宜昌七大流域，为三峡坝址来水汇流区域。 长江上游七大流域及宜昌站如图2 1 所示。 图2 1 长江上游七大流域及宜昌站示意 9 2 1 1 2 暴雨特征 长江上游暴雨主要发生在四川盆地及其边缘，川西雨区集中在绵阳、 温江、乐山、雅安地区；川东雨区集中在达县、南充地区，四川盆地出 现的大面积暴雨同地形有密切的关系，故多年来暴雨中心都在一定区域 出现。四川西部出现暴雨的频率和强度都远远大于四川东部，在暴雨过 程中，几乎总是川西出现暴雨，川东就不再出现，反之亦然这种特征 表明，长江上游暴雨范围总是有限的。宜昌以上流域汇水面积有1 0 0 万 k m 2 ，在这广大面积发生的暴雨都是区域性暴雨，根据宜昌以上的逐日降 水量图统计，5 0 m m 等雨量线包围面积超过5 万k m 2 者仅有4 4 d ，最大为 17 万k m 2 。可见虽然长江上游面积很大，而其一般暴雨区面积站6 左右， 所以称其为区域性暴雨。宜昌洪水也都是这些有限地区的局部性洪水1 7 3 1 。 2 1 1 3 洪水特征 根据暴雨特征分析，宜昌洪水是由区域性暴雨造成局部洪水产生的， 往往是几个地区出现特大洪水，几个地区出现一般洪水而形成宜昌的特 大洪峰。根据资料分析岷江短时段平均洪量约占宜昌的1 9 ，但1 9 4 9 年 洪水却占3 5 ；嘉陵江平均洪量约占宜昌的2 0 2 6 ，但1 9 8 1 年洪水占 宜昌的4 1 ；乌江平均洪量约占宜昌的8 1 0 ，但1 9 5 4 年洪水占宜昌 的1 9 ，这说明，长江宜昌段洪水是由不同来源组成的典型年洪水从多 年水文资料分析，长江上游干流一次洪水历时一般早2 0 3 0 d 左右，宜 昌洪水总量平均有l 3 来自金沙江，2 3 来自宜宾至宜昌间5 0 万k m 2 的 暴雨地区。金沙江流域暴雨区面积及暴雨强度均不大，屏山站实测年最 大洪峰流量的多年平均值为1 7 5 0 0 m 3 s ，往下加入主要暴雨区洪水，长江 上游寸滩、宜昌主要控制站年最大洪峰流量的均值在5 0 0 0 0m 3 s 以上， 宜昌站1 8 7 0 年调查洪峰达1 0 5 0 0 0m 3 s 【74 1 。 2 1 2 工程概况 三峡工程坝址位于湖北省宜昌三斗坪镇，下距葛洲坝水利枢纽4 0 k m 。工程主要由大坝、两岸电站厂房和2 6 台机组、双线五级通航船闸等 建筑物组成。工程拦河大坝全长1 9 8 3 m ，坝项高程1 8 5 m ，最大坝高1 8 3 m 。 水电站总装机容量1 8 2 0 万k w ，年发电量8 4 6 8 亿k w h 。三峡工程水库 正常蓄水位1 7 5 m ，总库容3 9 3 亿m 3 ，防洪库容2 2 1 5 亿m 3 ；水库全长6 0 0 余k m ，平均宽度1 1 k m ；水库面积1 0 8 4k m 2 。它具有防洪、发电、航运 等综合效益，对加快我国现代化进程，提高综合国力具有重要意义。 1 0 2 2 水文气象资料概况 本文研究所需资料由三峡梯级水库调度中心及武汉中心气象台建立 的水文气象资料库提供。 2 2 1 水文资料 宜昌水文站位于长江三峡水利枢纽三斗坪坝址下游约4 3 k m ，是出峡 谷后的控制站。由于三蛱坝址至宜昌水文站汇水面积与三峡坝址来水汇 流区域面积相比很小，可忽略不计，因此可将宜昌水文站作为长江三峡 的代表站，其水文资料作为三峡工程设计及优化调度的重要依据。水文 资料主要有宜昌水文站逐日平均流量、逐月平均流量及年最大流量等， 资料时段为1 8 7 9 2 0 0 3 年。 2 2 2 气象资料 2 2 2 1 指数资料 表2 一l 中长期水文预报用指数资料 2 3 预报因子的物理考察 某一水文要素的变化，受多种因素的影响，用要素自身的历史演变 规律来进行预报，只能对未来变化提供部分信息。如果能找到一些影响 该要素变化的主要因素，用多因素分析的预报方法，可能会对预报提供 更多的信息。中长期成因预报方法的研究具有重要的理论与实践意义， 1 1 成因预报精度的高低与预报因子的合理选择密切相关。实践证明，预报 因子的选择是建立预报模型的基础和预报精度高低的关键。自然界中没 有孤立发生的东西，水文现象也不是孤立的，而是存在着相互联系，相 互影响，相互制约的关系。从径流形成的成因分析，可以看出长期水文 过程的形成原因，在一定下垫面条件下，主要取决于降水原因，而降水 的多少是受大气环流所支配的。所以，长期水文过程的物理背景与长期 天气过程的物理背景是一致的，在统计预报中为了寻找具有一定物理意 义且符合一定统计原则的预报因子，必须对预报因子进行物理考察。 所谓物理考察，是指分析预报对象与预报因子之间的物理联系，分 析它们之间的因果关系，从大量因子中挑选出一批具有一定物理意义的 因子，即影响因子。常用的影响因子有预报站前期流量、上游站前期流 量、集水流域降水量等。还可以将一些对流量过程的长期变化规律起控 制作用的影响因子作为预报因子，包括太阳辐射、太阳黑子数、地震场、 地温场等地球物理量，海洋表面温度、e n s o 指数等海洋物理量，气压高 度场、大气环流指数等大气物理量。由于上述很多因子对流量的影响往 往有几个月甚至更长的滞后时间才能反映出来，因此，考虑这些因子会 有助于提高长期预报精度1 7 ”。 另外，预报对象与预报因子之间在时间上不能是同时的，应根据中 期