中长期水文预报方法

水库中长期水文预报模型研究(Ⅱ)杨晓红【摘要】中长期水文预报模型库是水库中长期水文预报系统的核心.本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了3个基于径流及其影响因子的成因统计关系的预报模型,分别为投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络模型,这些模型为有效进行水文对象的中长期预报提供了坚实的基础.【期刊名称】《甘肃科技》【年(卷),期】2011(027)018【总页数】4页(P67-69,119)【关键词】水文预报模型;水文预报对象【作者】杨晓红【作者单位】西安测绘信息技术总站,西安陕西710054【正文语种】中文【中图分类】P338水库长期水文预报系统建设必须符合国家有关信息技术和软件工程的设计规范和要求和国际通用标准，并且兼容水文气象部门的有关技术规范。

在预报方法上，则需要面向预报对象，以国内水文预报行业常用的成熟方法和国际上新研发出来的新方法相结合，从而达到最佳的预报效果，本文对投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络及小波分析模型进行详细介绍。

1)预测对象:选定的预报对象。

2)预测时效:月、季、年。

3)资料需求:与预报对象相对应的时间长度的水文气象特征量。

投影寻踪回归(简称pp回归)技术的实质是将高维数据通过线性组合方法转换为低维数据，在低维上对数据结构进行分析，以达到便于统计的目的。

PP回归模型采取一系列岭函数的“和”来逼近回归函数。

即式中:Gm(Z)表示第m个岭函数;为岭函数的自变量，它是P维随机变量x在方向上的投影;M为岭函数的个数。

pp回归是运用1984年Friedman教授编制的SMART［1］多重平滑回归计算软件。

SMART模型具有如下形式:式中及岭函数值Gm是模型的参数，模型中线性组合的项数为待定参数。

模型的核心采用分层分组迭代交替优化的方法最终估计出岭函数的项次Mu，岭函数Gm(Z)以及函数 ajm，bim。

第9章水文预报内容简介研究对象本章研究水文现象的客观规律，利用现时已经掌握的水文、气象资料，预报水文要素未来变化过程。

研究内容1.短期洪水预报；2.枯水预报；3.施工水文预报；4.水文实时预报方法。

研究目的在防汛工作中，及时准确的水文预报，是防汛抗洪指挥决策的重要科学依据；在水能、水资源的合理调度、开发利用和保护以及航运等工作中，都需要有水文预报作指导。

第9.1节概述内容提要1. 水文预报的重要作用；2. 水文预报的分类；3. 水文预报工作的基本程序学习要求掌握预见期的定义及水文预报工作的基本程序。

9.1.1水文预报的重要作用可靠的洪水预报对防止洪水灾害具有特别重要的作用。

例如在河流防洪抢险中，需要及时预报出防洪地点即将出现的洪峰水位、流量，以便在洪峰到来之前，迅速加高加固堤防、转移可能受淹的群众和物资，动用必要的防洪设施等，把洪水灾害减小到最低限度。

图9.1.1为1998年长江沙市水位预报与实测情况。

图9.1.1 1998年长江沙市水位预报与实测情况在水库管理中，可以利用洪水预报，使上游来的洪水与区间洪水的高峰段彼此错开（称错峰），即下游洪水很大时，水库把上游来的洪水暂时蓄存起来，待下游洪峰过后，再加大水库泄量，把上游来的洪水放出来，从而大大减低下游的洪峰和洪水灾害，例如1998年8月长江中下游发生近百年一遇的特大洪水，由于及时准确的洪水预报，对葛洲坝水库、隔河岩水库和漳河水库科学调度，使三峡以上来的洪水和清江、沮漳河洪水的洪峰互相错开，大大降低了荆江河段的洪峰水位，避免了荆江分洪损失，为战胜该年发生的特大洪水做出了巨大贡献。

表9.1.1为1998葛洲坝水库、隔河岩水库在错峰、调峰中，降低沙市水位发挥作用的分析结果。

表9.1.1葛洲坝水库、隔河岩水库在错峰调度对沙市水位的影响另外，洪水预报还可较好地解决水库防洪与兴利的矛盾，在预报的洪水未进库之前，先打开泄洪闸门腾空一部分库容，以便洪水来临时能蓄存更多的水量；当洪水即将结束时，预知近期没有很大的洪水入库，则可超蓄洪水尾部的一些水量，用于多发电、多灌溉，使现有工程发挥更多的效益。

第一章绪论1、水文预报的概念依据水文现象客观规律，利用实测水文气象资料，应用肯定原理、技术和方法，对水文要素〔或其特征值〕的将来状况进展推测。

2、何为水文预报(1)降雨后发生了什么？依据的信息对将来肯定时期内水文状态作出定性或定量的推测。

信息：水文状态：(2)水文预报的内涵与实质？以水文水资源学科根本理论与方法为根底，严密结合生产实际，构建具体的预报方法/ 预报方案/预报调度系统，效劳于生产实际。

水文预报水文气象资料：降水、蒸发、气温、水位、流量、冰情等原理：气象学、水文学、水力学等技术:遥测、遥感、计算机、现代通信技术、GPS 等方法:成因分析法、统计相关法、系统分析法预见期:预报公布时刻与预报要素消灭时刻之间的时距预见期的长短随预报工程、预报条件〔依据的资料〕和技术水平不同而异。

预见期与精度间关系:预见期增长，影响因素增多，偶然性加大，使得预报精度降低水文预报的内容流域或区域性洪水与旱情推测水体封冻开冻状况及冰凌冰情推测积雪及冰川融雪径流预报水利水电工程施工期预报水工程运行期水文要素预报河道沿程水文要素变化预报水文预报争论层面发生变化传统水文：包括水文测验水文预报水文计算现代水文：包括水资源水环境水生态水文预报的效劳层面发生变化1、传统水文预报向现代实时洪水预报调度系统延长2、防洪减灾向水资源评价开发利用和治理延长3、水文模型向面污染模型和生态评价模型延长人类活动对流域水文情态/水文预报的影响：1、人类活动转变了自然面貌，从而转变了陆面的水文情态2、中国具有世界上最猛烈的人类活动，水文预报自然受到最猛烈的人类活动影响3、人类对流域环境过度和无序的干扰，破坏了水文气象资料的全都性和代表性气候变化对水文情态/水文预报的影响：1、对工业、农业、生态环境和人们生活产生影响2、全球水文循环加剧并对区域水资源和水文预报产生肯定的影响3、易造成极端水文特别大事的发生，导致洪水和干旱的频率与强度增加，准确做出预报更加困难4、防洪安全、水资源安全、水工程安全和水生态环境安全问题对预报提出更高要求1998 年长江大洪水特点1、全流域性的大洪水2、洪水次数多：8 次洪峰3、洪水量级大：百年一遇4、洪峰水位高：屡次超历史最高5、洪水持续时间长6、洪水发生早，来势猛2023 年淮河洪水特点：1、降雨历时集中,强度大,分布范围广2、干支流洪水并发,暴雨洪水组合恶劣3、洪水涨势猛,水位高,持续时间长4、流量和洪量大水文预报的分类1、按预见期的长短短期预报中长期预报长期预报超长期预报2、按预报内容洪水预报枯水预报冰情预报台风风暴潮预报沙量预报3、按预报范围或水体河道洪水预报河口水文预报流域水文预报区域水文预报水库水文预报湖泊水文预报短期预报：要由水文要素做出的预报，预见期一般为数小时至数天，包括河道洪水预报和流域降雨径流预报、水库水文预报等中长期预报：包括气象预报性质在内的水文预报，预见期在2～5 天以上，10～15 天以内，汛期洪水总量预报，枯季月径流量预报，年径流量预报，旱涝趋势预报。

中级职称考试题库（水情预报）一、单选题1、下列哪一项不属于Internet能够提供的服务（）。

A、远程登录B、文件传输C、电子邮件D、转换模拟信号2、（）拓扑结构采用一个信道作为传输媒体，所有站点都通过相应的硬件接口直接连接到这一公共传输媒体上。

A、总线型B、环形C、树形D、星形3、（）是整个TCP/IP协议的核心，负责对独立传送的数据分组进行路由选择，以保证可以发送到目的主机。

A、网络接口层B、网络互联层C、传输层D、应用层4、一种连接多个网络或网段的网络设备，它能将不同的网络或网段之间的数据信息进行“翻译”，使不同网络或网段之间能够相互“读懂”对方的数据码，从而构成一个更大的网络，这种设备是（）。

A、集线器B、交换机C、路由器D、网桥5、下列选项中属于计算机软件的是（）。

A、运算器B、控制器C、金山毒霸D、存储器6、在小范围内(一般几十米到几千米之间)将多种通信设备互联起来，实现数据通信和资源共享的计算机网络是（）。

A、局域网B、城域网C、广域网D、国际互联网7、在外部设备中，打印机属于计算机的（）设备。

A、输入B、输出C、内存储D、外存储8、甲乙两流域，除流域坡度甲的大于乙的外，其它的流域下垫面因素和气象因素都一样，则甲流域出口断面的洪峰流量比乙流域的（）。

A 、洪峰流量大、峰现时间晚B 、洪峰流量小、峰现时间早C 、洪峰流量大、峰现时间早D 、洪峰流量小、峰现时间晚9、某流域有两次暴雨，除暴雨中心前者在上游，后者在下游外，其它情况都一样，则前者在流域出口断面形成的洪峰流量比后者的（ ）。

A 、洪峰流量大、峰现时间晚B 、洪峰流量小、峰现时间早C 、洪峰流量大、峰现时间早D 、洪峰流量小、峰现时间晚10、以前期影响降雨量Pa 为参数的降雨P 径流R 相关图Pa ～P ～R ，当Pa 相同时，应该P 越大，（ ）A 、损失相对于P 愈大，R 愈大B 、损失相对于P 愈大，R 愈小C 、 损失相对于P 愈小，R 愈大D 、损失相对于P 愈小，R 愈小11、同一气候区，河流从上游向下游，其洪峰流量的Cv 值一般是（ ）。

洪泽湖以上中长期来水预报模型研究及应用的开题报告题目：洪泽湖以上中长期来水预报模型研究及应用一、选题的背景和意义洪泽湖是淮河流域最大的淡水湖之一，也是江苏省南部地区的饮用水源和灌溉用水的重要调节和供应水源。

洪泽湖以上流域面积广阔，地理环境复杂，水文气象条件多变，为预测洪泽湖的水资源提供了一定的挑战。

因此，研究洪泽湖以上的中长期来水预报模型，对准确预测洪泽湖水资源的供需，提高水资源综合利用率、防洪减灾等具有重要意义。

二、研究内容和目标本研究旨在探索洪泽湖以上流域的中长期来水预报模型，通过收集分析流域内的水文气象数据，研究不同的水文预测方法，并将其应用到具体水文预测任务中，建立相应的流域水文预测模型。

具体研究内容包括：1. 收集洪泽湖以上流域的水文气象数据，对数据进行质量检查和处理；2. 分析流域内的水文因素和气象因素，确定对流域来水具有明显影响的因素；3. 研究流域来水的变化规律和预测方法，建立ARIMA、 BP神经网络等流域来水预测模型；4. 应用所建立的水文预测模型进行预测，以验证预测结果的准确性和可靠性；5. 根据预测结果，编制洪泽湖以上流域的水资源利用规划。

三、研究方法本研究采用文献方法、统计分析方法和实证研究方法相结合的方式开展。

具体方法如下：1. 文献方法：收集并综合已开展的类似研究，了解模型的应用情况和发展现状；2. 统计分析方法：对洪泽湖以上流域的水文气象数据进行统计处理，探讨影响因素，建立预测模型以评估模型3. 实证研究方法：基于所建立的预测模型，对洪泽湖以上流域进行水资源利用规划的实证研究。

四、预期成果通过此项研究，我们预期得出以下几点成果：1. 洪泽湖以上流域的水文气象数据的质量检查和处理；2. 对流域来水的变化规律和预测方法进行进一步研究，建立有关洪泽湖以上流域的ARIMA和BP神经网络预测模型；3. 应用所建立的水文预测模型，预测出不同时期、不同场景下的水文变化，并根据预测结果制定相应的洪泽湖以上流域水资源利用规划；4. 最终成果为中长期来水预测模型的建立和水资源利用规划的编制，为当地水资源管理提供科学依据和技术支撑。

第25卷第1期水利水电科技进展2005年2月V ol.25N o.1Advances in Science and T echnology of Water Res ources Feb.2005　作者简介:王文(1967—),男,江苏姜堰人,副教授,博士,从事GIS 与遥感应用及水文时间序列分析研究.若干水文预报方法综述王　文1,马　骏2(1.河海大学水资源环境学院,江苏南京　210098;2.黄河水利委员会水文局,河南郑州　450004)摘要:将现有水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类.过程驱动模型指以水文学概念为基础,对径流的产流过程与河道演进过程进行模拟,从而进行流量过程预报的模型.过程驱动模型近年在中长期预报方面的发展主要表现在对概念性流域降雨径流模型的结构进行改进,以适应较大时间尺度预报的需要.数据驱动模型则是基本不考虑水文过程的物理机制,而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法.数据驱动模型以回归模型最为常用,近年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进,以及水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注.关键词:河流流量;水文预报;水文模型;过程驱动模型;数据驱动模型中图分类号:P338 文献标识码:A 文章编号:1006Ο7647(2005)01Ο0056Ο05R eview on some methods for hydrological forecasting//W ANG Wen 1,M A Jun 2(1.College o f Water Resources and Environment ,Hohai Univ.,Nanjing 210098,China ;2.Hydrology Bureau o f Yellow River Conservancy Commission ,Zhengzhou 450004,China )Abstract :The current methods for hydrological forecasting are divided into tw o classes ,i.e.the process 2driven m odel and the data 2driven m odel.The process 2driven m odel is based on the conception of hydrology ,with which the discharge forecasting can be per formed by simulation of the runoff variation and river channel ev olution.The advances of process 2driven m odels in medium 2and long 2term forecasting mainly concentrate on the m odification of the precipitation and runoff m odels of river basins ,s o that the m odels can meet the requirement of the medium 2and long 2term forecasting.While ,the data 2driven m odel ,without requirement of the analysis of the physical mechanics ,is fundamentally a black 2box m odel with an objective of identification of the optimal mathematical relationship between inputs and outputs.Am ong all the data 2driven m odels ,the linear regression m odel is the m ost comm only used.Owing to the introduction of s ome new forecasting methods into hydrological forecasting ,such as the artificial neural netw ork m odel ,the nonlinear time 2series analysis m odel ,the fuzzy mathematic m odel ,the grey system m odel ,and s o on ,and the im provement of the capability of data acquisition and calculation ,the data 2driven m odel has drawn wide attentions in hydrological forecasting.K ey w ords :river flow rate ;hydrological forecasting ;hydrological m odel ;process 2driven m odel ;data 2driven m odel 水文预报对于水库调度、洪水控制、发电、灌溉等工作至关重要.水文预报方法很多,可以粗略地分为过程驱动模型方法和数据驱动模型方法两大类.过程驱动模型指以水文学概念为基础,对径流的产流过程与河道演进过程进行模拟,从而进行流量过程预报的数学模型.数据驱动模型则是基本不考虑水文过程的物理机制,而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法.数据驱动模型以回归模型最为常用,近年来新的预测手段得到很快发展,如神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等,同时,水文数据的获取能力及计算能力得到飞速发展,因此,数据驱动模型在水文预报中得到越来越广泛的关注和应用.1　过程驱动模型过程驱动模型大致可以分为两类,一类是模拟以地下水或其他慢反应水源为主要径流来源的枯季径流退水模型;另一类是应用范围更广,可用于具有不同径流来源的流量过程的概念性流域降雨径流模型.1.1　枯季径流退水模型自然流域的枯季径流退水过程可以通过退水曲线反映出来.枯季径流退水曲线法应用枯季径流的退水规律来预报枯季径流总量和径流过程,如Mishra 等建立退水模型进行青尼罗河的枯季退水径流预报[1].推求退水曲线表达式的方法有多种,但由于不同时期的退水特性有很大差异,退水曲线的定量表达缺乏一致性,这就限制了退水曲线法的应用[2].此外,用退水曲线法只能预报无显著降水情况下的径流消退过程,如果预见期内的降水对径流过程有明显影响,则该方法不适用.1.2　概念性流域降雨径流模型概念性流域降雨径流模型是将一些有物理依据的公式与经验性的公式结合起来,描述降雨径流的转换过程及径流的河道演进过程的数学模型.概念性模型被广泛应用于实时或短期预报,其输入、输出量的时间单位一般是小时或日.在应用于中长期预报时,其输入、输出量的时间单位相应有所改变(比如由小时、日变为旬、月).由于降水输入是降雨径流模型必不可少的输入量,因此将其应用于中长期预报时,一般要与降水预报相结合.如由欧洲多国共同开发的欧洲洪水预报系统(EFFS)根据欧洲中期气象预报中心(EC MWF)的逐日降水预报结果,采用多个概念性模型进行未来10d的逐日流量概率预报[3];Tucci等将大气环流模型预报的降水数据输入到一个分布式水文模型中,预报未来若干月的流量[4].也有以历史降水资料作为模型输入的,如加拿大哥伦比亚河Mica工程在过去20多年中使用一个半分布式水文模型(UBC模型),以流域当前状态(如积雪及土壤湿度状况等)为基础,根据历史降水数据进行1～8月份的日流量预报,并聚合而成月流量预报[5].当概念性模型应用于较大时间尺度的流量过程预报时,模型的结构也可能需要做适当调整.新安江模型[6,7]、水箱模型[8]、H BV模型[9]等都被不同研究者经过适当的结构改进后用于月径流量预报.比如,刘新仁[6]提出了可以适应不同时间尺度的系列化水文模型,在将新安江月模型应用于月尺度的预报时,可以只考虑两种水源即快速响应水源(地表径流与壤中流)及慢响应水源(地下径流),相应地在划分水源的模型参数上,不再需要自由蓄水库向壤中流和地下径流的排水系数及壤中流的调蓄系数.也有部分研究者提出以中长期预报为主要目的的水文模型,例如王国庆等[10]建立了一个大尺度融雪径流模型,用于月径流量预报;M ohseni等[11]提出了一个基于水量平衡原理的集总式概念性模型进行月径流量的模拟和预报.2　数据驱动模型2.1　回归分析模型回归分析是流量中长期预报中应用最早、最广的方法之一,其应用于径流预报的历史可以追溯到早期的降雨径流相关图方法,20世纪60年代以后随计算机技术的发展而迅速普及,并且,主成分分析等技术被引入到回归分析之中[12],以提高预报精度.回归分析至今仍是流量预报实际工作中的一种重要手段[13,14].回归模型的主要优点在于简单、易于实现.在根据影响因子与流量过程的相关关系进行中长期预报时,关键要解决好以下几方面的问题:①哪些指标与研究区域的中长期流量有显著的相关性?②所选定的指标在哪个时间尺度(如月或季)上与研究区域的哪个时间尺度的流量有最大的相关性?③这种相关关系的时距有多长?最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、土壤湿度、积雪量、气温等,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 NS 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.这方面的研究成果很多,比如,有研究表明地震场[15]、地温场[16]与年流量均有较大相关性;许多研究成果表明E NS O事件与河流流量变化有关,这种关系可用于进行长期流量预报[17,18].2.2　时间序列模型时间序列分析是水文学研究的一个重要工具.在流量过程预报中用到的时间序列模型很多,按模型中包含的时间序列的数目,可以分两大类:单变量模型与多变量模型.单变量模型以自回归滑动平均(ARMA)模型及其衍生类型最常用.自回归(AR)模型是ARMA模型的一种特殊类型,在年、月径流量模拟和预报中使用较广,如卢华友[19]采用三阶自回归模型AR(3)对丹江口水库年径流进行预报.但ARMA模型是建立在时间序列平稳的假设之上的,而时间尺度小于年的流量序列(如月、旬流量)通常具有很强的季节性,并非平稳序列,因此直接使用ARMA模型一般不合适.模拟和预报这种季节性序列的模型主要有3种[20]:①用季节性ARI MA模型(简称为S ARI MA);②除季节性ARMA模型,即先除去原流量序列中的季节性均值与方差,再对除季节性序列拟合ARMA 模型;③周期ARMA模型(简称为PARMA),包括PAR模型.这3种模型在流量中长期预报中都很常用[21,22].近年来,河流流量过程的长记忆特性研究受到关注.具有长记忆特性的随机过程可以用分数阶差分自回归滑动平均(ARFI MA)模型较好地描述,如M ontanari等[23]用ARFI MA模型进行尼罗河阿斯旺月流量过程的模拟与预报;O oms等[24]将PARMA 模型与ARFI MA模型相结合,提出用周期长记忆模型(PARFI MA,Periodic ARFI MA)拟合月流量过程;王文[25]采用包括ARFI MA模型在内的多种时间序列模型进行黄河上游唐乃亥站未来10d的逐日平均流量预报.如果考虑外部输入因素的影响,可以构建多变量时间序列模型,最常用的是含外部变量的自回归滑动平均(ARMAX)模型或传递函数噪声(TFN)模型.例如,Awadallahl等[26]以不同海区的海温作为外部输入变量建立TFN模型,进行尼罗河夏季径流量的预报.由于考虑了外部影响因素,利用了更多的预报信息,TFN模型的预报精度一般高于单变量的ARI MA类模型的预报精度.例如,Thom pstone等[21]对1/4月流量过程建立了除季节性ARMA模型、周期自回归(PAR)模型、考虑降水与融雪输入的TFN 模型及一个概念性模型进行预报试验,结果表明TFN模型精度优于其他模型.如果流量过程显著受某种外部因素干扰而呈现异常波动,则可以采用干扰模型来模拟这种干扰,它可以看作是TFN模型的一种特殊类型.K uo等[27]在AR(1)模型的基础上,考虑台风因素的影响,建立干扰模型进行台湾淡水河的10d平均流量的预报和模拟.流量过程时间序列预报模型还可以根据模型是否具有线性结构分为线性模型与非线性模型.前面提到的ARMA,TFN等模型可以视为线性模型.近年来,水文系统的非线性研究越来越受到关注,相应地非线性模型的应用实例也增多.门限自回归模型(T AR)是中长期流量过程预报中常用的一种非线性时间序列模型[28].前面提到的很常用的PARMA及PAR模型实际上可以视为T AR模型的一种特殊类型,它们以季节为门限值,对不同季节分别建立线性模型.如果考虑外部因素的影响,T AR可以扩展为门限回归模型,因其可以描述为树形结构,也被部分研究者称为模型树模型,这种方法有应用于实时降雨径流预报的实例[29],在中长期预报中也会很有应用价值.2.3　神经网络模型人工神经网络(ANN)具有良好的非线性映射能力,而且,ANN模型构建方便,对数据的适应性很好,因而ANN可以说是近10多年来最广为关注的一种非线性预报方法,已被广泛应用于实时中长期水文预报中.最常用于径流预报的ANN类型为采用误差后向传播(BP)算法的多层感知器(M LP)神经网络(也被称为BP网络),广泛应用于年、月径流量或平均流量的预报.Birikundavyi等[30]用M LP网络进行未来1～7d的流量预报;Z ealand等[31]采用M LP 网络进行未来1～4周的流量预报;Markus[32], Jain[33],K isi[34]等用M LP网络模型进行月流量预报研究.径向基函数(RBF)神经网络也被不少研究者用于月平均流量预报(如[25,35]).此外,为了更好地拟合流量过程的非线性特征,可以采用模块化神经网络进行流量过程的中长期预报[36,37].采用ANN模型进行预报时最重要的是确定哪些数据作为输入,应的网络结构.关于如何确定ANN输入变量,有两个问题需要考虑:一是当训练数据长度较短,无法覆盖序列的全部可能范围时,如何提高ANN对可能出现的极端情况的预报能力.为解决这一问题,Cigi2 zoglu[38]在用M LP模型进行月平均流量预报时,先用AR模型生成模拟序列,以此增加训练数据量,提高预报精度.二是在进行多步预报时,如何解决ANN 模型的气象输入数据.理想的选择是采用气象预报数据,如Birikundavyi等[30]采用预报的降水、气温数据进行未来1～7d的流量预报.但是有研究表明,由于气象预报精度的限制,采用气象预报数据对流量预报的精度提高是有限的[39],因此,也有研究者采用历史气象数据作为ANN模型的输入进行多步预报,如Z ealand等[31].2.4　模糊数学模型在水文领域应用模糊数学进行预测的方法有两类,一类是模糊模式识别预测法,另一类是模糊逻辑方法.模糊模式识别预测法的基本思路是:以对历史样本模式的模糊聚类为基础,计算待测状态的类别特征值,从而根据预报值与类别特征值之间的回归方程进行预报[40];或者比较直接的做法是,从历史样本中寻找与当前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值作为预报值[41].就本质而言,模糊模式识别预测法与下文提到的近邻预报方法相似,主要差别在于近邻的选择方法不同,以及找到近邻状态(或者称贴近状态)后建立预报方程的方法有所不同.模糊逻辑方法可以描述变量之间不十分明确的因果关系.根据变量之间的模糊逻辑关系,可以建立模糊逻辑模型(或称为模糊专家系统)进行流量预报,例如Zhu[42],Mahabir等[43]采用模糊逻辑模型进行长期流量预报.2.5　灰色系统模型水资源系统可以当作灰色系统看待.最常用的描述灰色系统模型的数学模型为G M(1,1),G代表G rey(灰色),M代表M odel(模型),G M(1,1)指1阶、1个变量的线性常微分方程模型.它在径流预报、灾变预测中有不少应用实例.夏军[44]提出了用灰关联模式识别的方法进行中长期径流预测.此后有研究者将此类模型应用于年、月径流预测[45,46].216　其他数据驱动模型除了上述几种数据驱动模型,下述几类模型也有少量应用实例.a.Markov链.Markov链预测技术是根据随机过程的状态转移概率来预测其未来变化趋势.该方法可用于河川径流系列的年际变化,如水库年平均入库流量[47].b.均生函数模型.均生函数模型根据系统状态前后记忆的特性,由时间序列按不同的时间间隔计算均值,生成一组周期函数,即所谓均生函数,通过建立原序列与这组函数间的回归预报方程,利用均生函数的外延值,可以对原时间序列作多步预报.冯建英[48]利用均生函数模型对河西地区3条内陆河1992～1996年春季各月和总流量进行了预报.c.经验正交函数.经验正交函数(E OF)分析方法是长期天气预报和短期气候预测中应用较为广泛的一种方法,可以移用到河流流量预报中,如李杰友等[49]应用经验正交函数分析方法,以月平均500hPa,100hPa高度场及月平均海温场为预报因子,进行月径流预报.d.典型相关分析.典型相关分析是分析两组随机变量间线性密切程度的统计方法,在气象气候研究领域应用较多.Uv o等[50]根据太平洋和大西洋海温,采用典型相关分析方法预报南美洲东北部亚马逊河流域若干地点的季节径流量.e.近邻预报方法.其基本思想是,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(比如历史流量序列片段),根据这一个或k个历史状态的下一时刻观测值预报当前待预报状态的下一步值.该方法最早在20世纪80年代应用于流量预报[59],近年来随着混沌时间序列研究的增温,近邻预报方法受到较多关注,在日、月流量预报中都有应用[51,52].3　结　语水文预报模型很多,可以粗略地将其分为过程驱动模型和数据驱动模型两大类.近年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进,以及水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注.参考文献:[1]M ishra A,Hata T,Abdelhadi A W,et al.Recession flow analy2sis of the Blue Nile River[J].Hydrol Process,2003,17:2825—2835.[2]T allaksen L M.A review of baseflow recession analysis[J].Journal of Hydrology,1995,165:349—370.[3]De R oo A P J,Bartholmes J,Bates P D,et al.Development of aEuropean Flood F orecasting System[J].Journal of River Basin Management,2003,1(1):49—59.[4]Tucci C E M,Clarke R T,C ollischonn W,et al.Long2term flowforecasts based on climate and hydrologic m odeling:Uruguay River basin[J].Water Res our Res,2003,39(7):SWC3Ο1ΟSWC3Ο11.[5]Druce D J.Insights from a history of seas onal in flow forecastingwith a conceptual hydrologic m odel[J].J Hydrol,2001,249: 102—112.[6]刘新仁.系列化水文模型研究[J].河海大学学报,1997,25(3):7—14.[7]郦建强.华北地区流域月降水径流模型比较研究[J].水科学进展,1998,9(3):282—288.[8]胡兴林,崔涛,王小玲,等.黄河上游唐乃亥站月、旬平均流量预报模型研究[J].水文,2000,20(3):24—26.[9]康尔泗,程国栋,蓝永超,等.概念性水文模型在出山径流预报中的应用[J].地球科学进展,2002,17(1):18—26.[10]王国庆,张建中,马吉让.融雪径流模型及其在黄河唐乃亥站的应用[J].西北水资源与水工程,1997,8(2): 60—64.[11]M ohseni O,S tefan H G.A m onthly stream flow m odel[J].Wa2ter Res ources Research,1998,34(5):1287—1298.[12]G aren D C.Im proved techniques in regression2based stream2flow v olume forecasting[J].J Water Res Plan Manage,1992, 118(6):654—670.[13]李杰友,熊学农,罗清标.新丰江水库月径流预报模型[J].河海大学学报,1998,26(5):104—106.[14]Mahabir C,Hicks F E,Fayek A R.Application of fuzzy logic toforecast seas onal runoff[J].Hydrol Process,2003,17:3749—3762.[15]汤懋苍,张建,杨良.江河丰枯与我国地震的相关分析[J].中国科学(B辑),1992(8):889—896.[16]蔡英,王冬梅.唐乃亥流量年变程分型与地温场的相关分析[J].高原气象,1996,15(4):472—477.[17]Piechota T C,Dracup J A.Long2range stream flow forecastingusing E l2Nino s outhern oscillation indicators[J].Journal ofHydrologic Engineering,1999,4(2):144—151.[18]王根绪,沈永平,刘时银.黄河源区降水与径流过程对E NS O事件的响应特征[J].冰川冻土,2001,23(1):16—21.[19]卢华友,邵东国,郭元裕.丹江口水库径流长期预报研究[J].武汉水利电力大学学报,1996,29(6):6—10.[20]Hipel K W,Mcleod A I.T ime series m odelling of water re2s ources and environmental systems[M].Amsterdam:E lsvier, 1994.[21]Thom pstone R M,Hipel K W,Mcleod A I.F orecasting quarter2m onthly river flow[J].Water Res ources Bulletin,1985,21(5):731—741.[22]Bender M,S im onovic S.T ime2series m odeling for long2rangestream2flow forecasting[J].J Water Res Plan Manag,1994, 120(6):857—870.[23]M ontanari A,R oss o R,T aqqu M S.A seas onal fractionalARFI M A m odel applied to the Nile River m onthly at As wan [J].Water Res ources Research,2000,36:1249—1259. [24]O oms M,Franses P H.A seas onal periodic long mem ory m odelfor m onthly river flows[J].Environmental M odeling&S oft2 ware,2001,16:559—569.[25]王文.黄河流量过程时间序列分析与建模[D].北京:中国科学院研究生院,2003.[26]Awadallahl A G,R ousselle J.Im proving forecasts of Nile floodusing SST inputs in TFN m odel[J].Journal of Hydrologic En2 gineering,2000,5(4):371—379.[27]K uo I T,Sun Y H.An intervention m odel for average10daystream flow forecast and synthesis[J].Journal of Hydrology, 1993,151(1):35—56.[28]冯国章,王比银,王学斌.自激励门限自回归模型在枯水径流预报中的应用[J].西北农业大学学报,1995,23(4):78—83.[29]S olomatine D P,Dulal K N.M odel trees as an alternative toneural netw orks in rain fall2runoff m odeling[J].Hydrol Sci J, 2003,48(3):399—411.[30]Birikundavyi S,Labib R,T rung H T,et al.Per formance of neu2ral netw orks in daily stream flow forecasting[J].J Hydrol Eng, 2002,7(5):392—398.[31]Z ealand C M,Burn D H,S im onovic S P.Short term stream flowforecasting using artificial neural netw orks[J].J Hydrol,1999, 214:32—48.[32]Markus M.Application of neural netw orks in stream flow fore2casting[D].C olorado:C olorado S tate University,1997. [33]Jain S K,Das A,SrivastavaD K.Application of ANN for reser2v oir in flow prediction and operation[J].J Water Res Plann Manage,1999,125(5):263—271.[34]K isi O.River flow m odeling using artificial neural netw orks[J].J Hydrol Eng,2004,9(1):60—63.[35]陈仁升,康尔泗,张济世.应用G RNN神经网络模型计算西北干旱区内陆河流域出山径流[J].水科学进展, 2002,13(1):87—92.[36]Zhang B,G ovindaraju R S.Prediction of watershed runoff usingBayesian concepts and m odular neural netw orks[J].Water Re2 s our Res,2000,36(3):753—762.[37]Hu T S,Lam K C,Ng S T.River flow time series predictionwith a range2dependent neural netw ork[J].Hydrol Sci J, 2001,46(5):729—745.[38]Cigizoglu H K.Incorporation of ARM A m odels into flow fore2casting by artificial neural netw orks[J].Environmetrics,2003, 14(4):417—427.[39]Clark M P,Hay L e of medium2range numerical weatherprediction m odel output to produce forecasts of stream flow[J].J Hydrometeor,2004,5(1):15—32.[40]陈守煜.中长期水文预报综合分析理论模式与方法[J].水利学报,1997(8):15—21.[41]白子岩.模糊模式识别法在中长期预报中的应用[J].水利水电技术,1999,30(2):50—51.[42]Zhu M2L,Fujita M,Hashim oto N,et al.Long lead time forecastof runoff using fuzzy reas oning method[J].J Japanese S oc Hy2 drol Water Res our,1994,7(2):83—89.[43]Mahabir C,Hicks F E,Fayek A R.Application of fuzzy logic toforecast seas onal runoff[J].Hydrol Process,2003,17:3749—3762.[44]夏军.中长期径流预报的一种灰关联模式识别与预测方法[J].水科学进展,1993,4(3):190—197.[45]袁秀娟,夏军.径流中长期预报的灰色系统方法研究[J].武汉水利电力大学学报,1994,27(4):367—375. [46]饶素秋,霍世青.灰色系统模型在黄河径流量分析预测中的应用[J].人民黄河,1997(7):39—42.[47]蓝永超,康尔泗,徐中民.龙羊峡水库年入库径流的Markov预测模型[J].中国沙漠,2000,20(1):95—97. [48]冯建英.河西内陆河春季流量变化特征的分析和预测[J].甘肃气象,1998,16(4):38—41.[49]李杰友,熊学农,刘秀玉.基于E OF迭代的月径流长期预报[J].河海大学学报(自然科学版),2001,29(2): 43—46.[50]Uv o C B,G raham N E.Seas onal runoff forecast for northernS outh America:a statistical m odel[J].Water Res our Res, 1998,34(12):3515—3524.[51]丁晶,邓育仁,傅军.洪水变化的混沌特性和相空间预测[A].刘昌明.第六次全国水文学术会议论文集[C].北京:科学出版社,1997.151—157.[52]S ivakumar B,Berndtss on R,Perss on M.M onthly runoff predic2tion using phase space reconstruction[J].Hydrol Sci J,2001, 46(3):377—387.(收稿日期:2003Ο10Ο29　编辑:熊水斌) (上接第55页)参考文献:[1]叶浩亮,闵经书.水轮机选型C AD程序设计[J].电脑开发与应用,2001(12):11—13.[2]宋文武,彭贵川.水轮机选型设计软件包的开发研究[J].大电机技术,1999(6):61—65.[3]陈杉,王宁,郭剑峰.用objectARX开发AutoC AD2000应用程序[M].北京:人民邮电出版社,2000.[4]李世国.AutoC AD高级开发技术ARX编程及应用[M].北京:机械工业出版社,1999.[5]刘大恺.水轮机[M].北京:中国水利水电出版社,1996.(收稿日期:2004Ο01Ο12　编辑:熊水斌)。

雨水的水文模型与预报技术雨水是大自然赐予我们的宝贵资源，但过多的雨水也可能导致洪涝灾害，对人类的生活和财产产生巨大威胁。

因此，准确地预测雨水的频率、强度和分布，对于水资源管理、农业生产、城市规划等具有重要意义。

为了实现这一目标，科学家们发展了各种水文模型和预报技术，以提升对雨水的理解和预测能力。

一、雨水的水文模型水文模型是描述和模拟水文过程的数学和统计模型。

它们基于对雨水形成、降落、径流和蓄积等过程的认识，通过收集和分析相关的气象和水文数据，来预测雨水的产生和变化。

常见的水文模型包括分布式水文模型、单描述元水文模型和基于物理过程的水文模型。

1. 分布式水文模型分布式水文模型是基于地理信息系统（GIS）和遥感技术的水文模型。

它将流域划分为不同的单元，并对每个单元进行水文参数估计和降雨径流过程模拟。

这些模型可以更准确地考虑地形、土壤类型、植被覆盖等因素对雨水径流的影响，提高雨水预测的准确性。

2. 单描述元水文模型单描述元水文模型是将整个流域视为一个描述元，通过简化水文过程模拟，降低计算复杂性。

这类模型主要依赖于统计规律和经验公式，如单位线和单位线法等，来模拟雨水的过程。

虽然这些模型的精度相对较低，但在运算速度上具有一定优势，适用于规模较大的流域预报。

3. 基于物理过程的水文模型基于物理过程的水文模型采用物理学原理来描述雨水径流的生成和变化。

例如，基于连续方程的水文模型将流域划分为许多小单元，并通过考虑降雨、蒸发、渗透、径流等过程进行模拟。

尽管这些模型需要较多的参数和复杂的计算，但其模拟效果较好，对于研究降雨-径流过程提供了重要参考。

二、雨水的预报技术雨水的预报技术是基于水文模型和气象数据，通过分析和预测气象因素的变化，来预测未来一段时间内的雨水情况。

常见的雨水预报技术包括基于统计方法、基于数值模型和基于人工智能的预报方法。

1. 基于统计方法的预报基于统计方法的预报通过分析历史气象数据和雨水情况，建立统计模型，如回归模型、时间序列模型等。

中华人民共和国行业标准SL 250-2000水文情报预报规范Standard for hydrological information and hydrologicai forecasting2000-06-14发布2000-06-30实施中华人民共和国水利部发布中华人民共和国行业标准水文情报预报规范Standard for hydrological information and hydrological forecastingSL 250-2000主编单位：水利部水利信息中心批准部门：中华人民共和国水利部施行日期：2000年6月30日中华人民共和国水利部关于批准发布《水文情报预报规范》SL 250-2000的通知水国科[2000]225号根据部水利水电技术标准制定,修订计划,由水文局(水利信息中心)主持,以水利信息中心为主编单位修订的《水文情报预报规范》,经审查批准为水利行业标准,并予以发布.标准的名称和编号为：《水文情报预报规范》SL 250-2000.本标准实施后取代《水文情报预报规范》SD138-85.本标准自2000年6月30日起实施.在实施过程中,请各单位注意总结经验,如有问题请函告主持部门,并由其负责解释.标准文本由中国水利水电出版社出版发行.二OOO年六月十四日前言修订SD138-85《水文情报预报规范》的主要依据为水利部发布的SL 01-97《水利水电技术标准编写规范》和水利部文技[1995]61号"关于修订《水文情报预报规范》的通知".主要包括以下内容：——水情站网布设原则以及水文信息传输,处理和质量考核的技术要求；——编制水文预报方案的技术规定和要求以及预报精度评定的方法和标准；——发布水文情报预报信息的规定及防洪减灾直接经济效益评估方法.对SD138-85进行修改的部分,包括以下几个方面：——对结构进行了较大调整：取消了水情管理一章,对其内容进行删减后分别并入总则和水文情报章节内；将水文预报分为洪水预报和其他水文预报两章.——增加了骤发性洪水预报,潮位预报,水库水文预报及水利水电工程施工预报,冰情和春汛预报,枯季径流预报,中长期预报,水质警报及预报等诸项目的预报方法的技术规定和精度评定标准,同时又增加了水文情报预报效益评估的内容.——增加了应用现代通信,计算机技术,建设水情信息系统的技术要求.本规范解释单位：水利部水文局本规范主编单位：水利部水利信息中心本规范参编单位：水利部长江水利委员会水文局水利部黄河水利委员会水文局河海大学水文水资源及环境学院广西壮族自治区水文水资源局浙江省水文勘测局吉林省水文水资源局安徽省水文局本规范主要起草人：孙继昌张建云王俊梁家志葛守西李良年乐嘉祥芮孝芳俞日新陶永格高喜河程琳邓英春目次1 总则1.1 目的1.2 适用范围1.3基本规定2 水文情报2.1 水情站网2.2 水文情报工作的要求和规定2.3 水情信息传输子系统2.4 水情信息处理子系统2.5 水情信息数据库2.6 水情信息质量的考核3 洪水预报3.1 一般要求与规定3.2 洪水预报方法3.3 骤发性洪水预报3.4 洪水作业预报子系统3.5 精度评定4 其他水文预报4.1 潮位预报4.2 水库水文预报及水利水电工程施工期预报4.3 冰情和春汛预报4.4 枯季径流预报4.5 中长期预报4.6 水质警报及预报5 水文情报预报服务5.1 一般要求与规定5.2 水文情报预报的发布5.3 水文情报预报服务子系统5.4 水文情报预报效益评估附录A 水情任务书,委托书表格式样1 总则1.1 目的依据《中华人民共和国水法》,《中华人民共和国防洪法》,《中华人民共和国标准化法&》,《水文管理暂行办法》等法规,为了统一水文情报预报技术标准,加强科学管理,特制定本规范.1.2 适用范围各省,自治区,直辖市和流域机构水文部门,水工程设计,建设,管理单位及其所属水情站,凡开展水文情报预报工作的,均适用本规范.1.3 基本规定1.3.1 水文情报预报工作应包括下列内容：1 收集,处理和提供雨情,水情,旱情,风暴潮,冰情,沙情,地下水和水质等各项信息；2 制作和发布各种不同预见期的水情,旱情,风暴潮,冰情,沙情,地下水,水质及其他水文现象的预报或预测；3 分析和提供旱涝趋势分析和展望；4 分析和提供有关水文情势专题的咨询或参考资料.1.3.2 水文情报预报工作人员应做到下列各条：1 执行本规范和有关办法,规定；2 掌握本岗位有关技术规定和要求；3 熟悉本地区的流域自然地理特性,水文特性,水情站网设置和水文测报等情况,了解水工程设施的建设,管理和人类活动等情况；4 了解本地区历史上洪,涝,旱灾害情况和水文气象演变规律；5 熟悉水文预报理论与方法,掌握水文预报方案,了解通信,计算机等新技术在水文情报预报工作中的应用.1.3.3 水文预报方案是作业预报的基本依据.水文预报方案的编制(或修订)应报请主管部门正式立项,其成果应由主管部门组织专业审查,达到规定精度要求后,才能用于发布预报.1 编制水文预报方案使用的资料,应满足如下要求：1)对于洪水预报方案(包括水库水文预报及水利水电工程施工期预报),要求使用不少于10年的水文气象资料,其中应包括大,中,小水各种代表性年份,并保证有足够代表性的场次洪水资料,湿润地区不少于50次,干旱地区不少于25次,当资料不足时,应使用所有洪水资料.2)对于潮位预报方案,制作增水预报方案应不少于10次热带(温带)气旋资料,制作正常潮位预报方案应不少于一年的逐时连续潮位资料,并包括高,低潮位值与潮时.3)对于冰情预报和中长期预报,应注意资料的代表性.采用经验和统计方法时,样本个数不得少于30个.4)对于水质预报方案,所需资料长短依方案编制的需要确定.2 水文预报方案编制完成后,应提交如下成果：1)方案编制报告,包括流域水文特性说明,使用资料可靠性与代表性分析,采用的水文预报方法与技术途径,预报方案的预见期,精度评定和成果分析论证等；2)主要的分析计算成果及其说明；3)应用图表或计算机程序及其说明.3 水文预报方案在每年汛末或使用一个阶段以后,应对其进行评价.当发现下列情况之一时,应对方案进行修订,补充或更新：1)实测水文资料已超出原水文预报方案数值范围；2)积累的新资料表明水文规律已发生变化；3)由于自然演变或人类活动影响,使流域,河段或断面水文情势发生改变；4)采用新方法,新技术可以提高精度或增长有效预见期.1.3.4 水情信息系统包括水情信息采集,传输,处理,作业预报,水文情报预报服务(包括水文情报预报会商)等子系统,系统建设应遵循统一规划,统一标准的原则.1.3.5 各级水文部门应参加同级防汛机构,承担有关水文情报预报工作.1.3.6 水文情报预报工作应由取得水文情报预报资格证书的单位承担.1.3.7 水文情报预报工作实行分级管理的原则.流域机构或省,自治区,直辖市水行政主管部门可以根据本规范,结合本地区具体情况制定实施细则；因特殊情况不能执行本规范中的某些技术要求和指标时,可根据实际情况制定相应的地方标准.实施细则和地方标准应报水利部备案.1.3.8 水情报汛必须执行水利部颁发的《水文情报预报拍报办法》.1.3.9 国际河流水情测报,必须遵照水利部布置的任务和要求执行.承担国际河流水情测报任务的省,自治区水文部门以及其他部门,可根据需要制定管理细则,并报水利部备案.1.3.10 水文情报预报的保密范围和保密等级,应按国家有关规定执行.1.3.11 在水文情报预报工作中,除应符合本规范外,尚应符合国家现行的有关标准,规范和规定.2 水文情报2.1 水情站网2.1.1 凡指定按本规范1.3.1中1的规定提供水情信息的水文站,水位站,雨量站(气象站)和专用站统称水情站.水情站可分为常年水情站,汛期水情站,辅助水情站三类.2.1.2 水情站网由水情站组成,水情站网应按下列要求布设：1 具有代表性和控制性；2 满足防汛抗旱,水工程建设和运用,水资源管理及其他有关部门对水情的需要；3 满足作业预报的需要；4 具备良好的通信条件；5 在国家基本水文站,雨量站中选择,当不能满足要求时,可以增设新站.2.1.3 水工程设计,建设,管理单位开展水情测报工作,应以现有水情站网为基础,当不能满足需要时,可自行增设专用站.主管机关应将增设规划报送流域机构或省,自治区,直辖市水行政主管部门核查备案.专用站不应与国家基本水文站网重复.2.1.4 水情站网应保持相对稳定,当发生下列情况之一时,应及时调整：1 自然条件改变或人类活动影响使水文情势发生较大变化；2 水文情报预报的要求有改变；3 测验条件变化或测站位置变动.2.1.5 水情站按管理权限实行分级管理.向中央报汛的水情站的增设,迁移,改级,裁撤应报经水利部批准；其他水情站的增设,迁移,改级,裁撤由有关省,自治区,直辖市水行政主管部门或流域机构审批,报水利部备案后,于次年执行.2.1.6 全国水情站站号应由水利部统一规划,并由流域机构或省,自治区,直辖市水文部门负责按《水文情报预报拍报办法》中附表1的规定编定站号,报水利部备案.站号编定后不得随意更改,个别站必须调整时,应与有关单位协商,并在正式启用前3个月报送水利部备案,同时分送有关单位.2.2 水文情报工作的要求和规定2.2.1 流域机构,省,自治区,直辖市水文部门负责本流域或辖区水文情报预报工作的管理,应履行如下职责：1 负责流域或省,自治区,直辖市范围内的水情站网的规划,布设和调整,下达报汛任务,编制水情任务书和水情委托书；2 负责所辖报汛通信的规划,设施管理工作；3 负责编写水情工作总结和水文情报预报效益分析；4 负责编制,修订,审查水文预报方案；5 负责水情人员的业务培训,水情工作技术交流,引进和推广新设备,新技术；6 流域机构负责协调全流域内所有水情单位的水文情报预报工作.2.2.2 流域机构,省,自治区,直辖市水文部门下属的地(州,市)水文单位应履行如下职责：1 负责本辖区水情报汛任务的落实,检查,督促和业务培训；2 负责编写本辖区水情工作总结和水文情报预报服务以及效益分析；3 承担本规范2.2.1中2和2.2.1中4规定的工作.2.2.3 水情站应履行如下职责：1 按照水情任务书和水情委托书要求完成报汛任务,应做到不错报,不迟报,不缺报,不漏报和随测算,随发送,随整理,随分析,以保证报汛质量和时效；2 为当地做好水情服务,及时向当地政府部门通报水(雨)情；3 负责所辖委托水情站的检查,管理,业务培训；4 按上级下达的任务,开展水文情报预报工作.2.2.4 水情报汛段次标准,应根据需要与可能,经济合理地按如下要求加以确定：1 满足防汛,防涝,防潮,防凌,抗旱和水资源管理的要求；2 满足水工程施工及运行管理的要求；3 满足作业预报的要求；4 兼顾上下游,干支流之间的一致性；5 统一水情报汛段次标准,便于水情站执行.2.2.5 流域机构或省,自治区,直辖市水文部门在所属水情站的报汛任务确定后,应编制水情任务书,并于汛前1个月下达.水情任务书的内容和格式按照附录A表A.1执行.2.2.6 水情委托书只限在流域机构和省,自治区,直辖市水文部门或防汛机构以及大型水工程管理单位之间应用.流域机构和省,自治区,直辖市水文部门以下的水情部门需要水情时,必须报经流域机构或省,自治区,直辖市水文部门汇总编制水情委托书,并于汛期开始前2个月送达被委托单位.其他部门需要水文情报预报时,可直接与管理水情站的流域机构或省,自治区,直辖市水文部门商定.水情委托书的内容和格式按照附录A表2执行.2.2.7 当水情报汛任务变动不大时,水情任务书和水情委托书不必每年重复编制,只需重新确认或将调整变更部分通知有关水情站,并报送其领导单位.但逢五逢十之年,不论有无变更均应重新编报.2.2.8 水情报汛工作的要求：1 水情报汛应有专人负责,建立编写报文,校对数据和对照上次报文的制度,并建立审核制度.报送的水情信息要填记在固定格式的记录本上,并保存到下一年度汛期结束.2 水情信息应在观测后10min内发出.3 当发生特大暴雨洪水和溃口,分洪,溃坝等特殊水情以及水污染事故时,应及时向当地水行政主管部门报告,不能用报文报送的应以电话,传真或其他方式报告.4 水情信息错报率以错报份数与应报总份数之比计算.为保证水情报汛质量,人工编报时,错报率不得超过2%,水文自动测报系统误码率不得超过0.2%.2.2.9在建或已建水工程的水情工作,由水工程建设或水工程管理单位负责,亦可委托水文部门承办,新建或迁移的水情站均应列入工程建设计划.2.3 水情信息传输子系统2.3.1 水情信息传输子系统是应用现代通信技术和计算机网络技术建设的水情站与水情分中心(或中心)和水情分中心与上级主管部门之间的水情数据通信系统.2.3.2 水情站与水情分中心之间的数据传输可采用有线通信,无线(短波,超短波,微波,卫星)通信等方式,各站应根据实际情况,选择两种互为备份的方式,用于水情信息的传输.水质信息可利用水文部门的水情报汛设施或采用其他通信方式进行传输.2.3.3 水情数据传输设备的主要技术指标和数据传输协议应符合有关规范的要求.2.4 水情信息处理子系统2.4.1 水情信息处理子系统应稳定可靠,有专人负责管理,以保证不间断地正常运行.2.4.2 水情信息接收软件必须保证所接收信息的完整性；经过预处理后的原始水情报文应保存一年.2.4.3 水情信息处理软件应具有对错误报文进行自动判别和交互修改的功能,按照要求加工处理成各类水情要素,并存贮在实时水情数据库中.2.4.4 水情信息查询软件应能方便,快速地为用户提供水情信息服务；当发生重要水情或特殊水情时,应具备自动告警功能.2.5 水情信息数据库2.5.1 水情信息数据库应包括建在各级水情单位的实时水情数据库和历史水情数据库. 2.5.2 实时水情数据库的数据主要应包括当年通过各种方式采集的按本规范1.3.1所列各种实时信息.信息保存期限应不少于1年.2.5.3 历史水情数据库的资料主要应包括：流域基本资料,历史洪水整编资料或调查资料,大洪水的预报和调度档案资料,水情站考证资料和水情站年,月,旬特征值统计资料以及重大人类活动档案资料等.2.5.4 历史水情数据库的数据录入应执行初校,复校和审核的制度,录入差错率不得超过0.2%.2.5.5 水情信息数据库的软件和硬件均应备份,所存贮数据必须定期进行介质备份,并实行异地存放.2.6 水情信息质量的考核2.6.1 水情信息质量应包括实时水情信息的准确性,及时性和历史水情信息的正确性.2.6.2 各级水情单位必须建立以下水情信息质量考核制度：1 对实时水情信息质量的检查和考核应不定期地和经常地进行,每年主汛期前必须进行一次.考核结果应及时向发报单位通报.2 对历史水情信息质量的检查和考核工作应在每年汛前进行一次.随机抽查面应不少于历史水情数据的10%.2.6.3 水情信息质量应建立管理档案,并作为各级水情单位及个人考核业绩的依据.3 洪水预报3.1 一般要求与规定3.1.1 洪水预报的对象一般是江河,湖泊及水工程控制断面的洪水要素,包括洪峰流量(水位),洪峰出现时间,洪量(径流量)和洪水过程等.应不断提高洪水预报精度和增长有效预见期.3.1.2 编制洪水预报方案必须按本规范1.3.3的规定进行.1 洪水预报方案的可靠性取决于编制方案使用的水文资料的质量和代表性.必须采用代表年的全部水文资料制作洪水预报方案.对洪水场次选样时,应执行本规范1.3.3对洪水样本数量的最低要求规定.对于代表年份中大于样本洪峰中值的洪水资料应全部采用,不得随意舍弃.当资料代表性达不到此要求时,洪水预报方案应降一级使用.2 洪水预报方案建立后,应进行精度评定和检验,衡量方案的可靠程度,确定方案精度等级.方案的精度等级按合格率划分.精度评定必须用参与洪水预报方案编制的全部资料.精度检验应引用未参加洪水预报方案编制的资料(不少于2年).当检验精度等级低于评定精度等级时,应分析原因,如果情况不明又无法增加资料再检验时,洪水预报方案应降级使用.3.1.3 经精度评定,洪水预报方案精度达到甲,乙两个等级者,可用于发布正式预报；方案精度达到丙等者,可用于参考性预报；丙等以下者,只能用于参考性估报.3.1.4 洪水预报应采用多种方案和途径,在进行现时校正和综合分析判断的基础上,确定洪水预报数据.3.1.5 预报员应密切注视和了解天气形势的发展变化,凡用预报的降雨量对水文情势的发展进行推算预报,在发布预报时应向用户说明预报的依据和可靠程度.3.1.6 每年汛后应对洪水预报方案进行评价,从技术上分析,总结成功的经验或失误的原因.当出现本规范1.3.3中3的情况之一时,应对洪水预报方案进行修订或更新.3.1.7 作业预报如属于以下情况之一时,结果可不予评定：1 预报方案只允许发布参考性估报；2 预见期内出现预报方案未能考虑的影响因素(例如水工程调度突然变化,溃口分洪,大风等),而造成作业预报的较大偏差.3.1.8 当本规范的精度评定标准在少数流域上不符合实际情况时,可按本规范 1.3.7的规定制定地方标准,报主管部门批准后执行.3.2 洪水预报方法3.2.1 采用的洪水预报方法,应符合预报流域水文特性,能实现洪水要素的预报,并能达到规定的精度要求.水文学方法,水力学方法,系统数学模型等是常用的洪水预报方法.3.2.2 应从流域(河道)洪水产,汇流实际规律出发,有针对性地选择适用性好的技术方法,并注意观测,报汛条件能否满足作业预报要求.3.2.3 预报方案的参数率定,应将优化计算与合理性分析相结合.为防止出现虚假拟合现象,应对参数的灵敏度,合理性,可靠性,.系统稳定性进行必要的分析和试验.3.3 骤发性洪水预报3.3.1 骤发性洪水是指由短历时,高强度暴雨形成的小范围山洪(汇流历时通常在6h以内),或指突发溃坝和高山冰川湖溃决在其下游形成的洪水.3.3.2 骤发性洪水多发地区应加强对暴雨,冰川湖的监测,建立警报系统,当征兆明显时,应及时向当地防汛指挥部发布警报.3.3.3 骤发性洪水预报可采用气象和水文相结合的方法建立预报方案,并用以估算流量(水位).3.3.4 对骤发性洪水的预报可不进行精度评定.3.4 洪水作业预报子系统3.4.1 洪水作业预报子系统应有以下主要功能：1 实现与实时数据库的连接,数据检索和数据加工处理；2 多种洪水预报方法和水文数学模型的作业预报计算,实时校正和交互处理以及与历史洪水的对比分析；3 预报方案的补点,精度评定,模型参数的补充分析和率定；4 计算结果的显示和输出；5 历史洪水和预报档案的管理.3.4.2 洪水作业预报子系统软件必须按本规范1.3.11的规定进行测试.预报模型作业运行软件应经过历史洪水和数字仿真两种测试,达到设计要求后,才能投入运行.3.4.3 洪水作业预报子系统的开发和运行必须严格管理,建立完整的文档和运行记录,作为系统运行,检索,维护和改进的依据.3.5 精度评定3.5.1 洪水预报精度评定应包括预报方案精度等级评定,作业预报的精度等级评定和预报时效等级评定等.3.5.2 洪水预报精度评定的项目包括洪峰流量(水位),洪峰出现时间,洪量(径流量)和洪水过程等.可根据预报方案的类型和作业预报发布需要确定.3.5.3 洪水预报误差的指标可采用以下三种：1 绝对误差.水文要素的预报值减去实测值为预报误差,其绝对值为绝对误差.多个绝对误差值的平均值表示多次预报的平均误差水平.2 相对误差.预报误差除以实测值为相对误差,以百分数表示.多个相对误差绝对值的平均值表示多次预报的平均相对误差水平.3 确定性系数.洪水预报过程与实测过程之间的吻合程度可用确定性系数作为指标,按下式计算：()()[]()()[]∑∑==---=ni oo n i c i y i y i y i y DC 121201 (3.5.3)式中DC ——确定性系数(取2位小数)；y o (i )——实测值；y c (i )——预报值；-y o ——实测值的均值；n ——资料序列长度.3.5.4 许可误差是依据预报成果的使用要求和实际预报技术水平等综合确定的误差允许范围.由于洪水预报方法和预报要素的不同,对许可误差作如下规定：1 洪峰预报许可误差.降雨径流预报以实测洪峰流量的20%作为许可误差；河道流量(水位)预报以预见期内实测变幅的20%作为许可误差.当流量许可误差小于实测值的5%时,取流量实测值的5%,当水位许可误差小于实测洪峰流量的5%所相应的水位幅度值或小于0.10m 时,则以该值作为许可误差.2 峰现时间预报许可误差.峰现时间以预报根据时间至实测洪峰出现时间之间时距的30%作为许可误差,当许可误差小于3h 或一个计算时段长,则以3h 或一个计算时段长作为许可误差.3 径流深预报许可误差.径流深预报以实测值的20%作为许可误差,当该值大于20mm 时,取20mm ；当小于3mm 时,取3mm.4 过程预报许可误差.过程预报许可误差规定如下：1)取预见期内实测变幅的20%作为许可误差,当该流量小于实测值的5%,当水位许可误差小于以相应流量的5%对应的水位幅度值或小于0.10m 时,则以该值作为许可误差.2)预见期内最大变幅的许可误差采用变幅均方差σΔ,变幅为零的许可误差采用0.3σΔ,其余变幅的许可误差按上述两值用直线内插法求出.当计算的水位许可误差σΔ＞1.00m 时,取1.00m,计算的0.3σΔ＜0.10m 时,取0.10m.算出流量许可误差0.3σΔ小于实测流量的5%时,即以该值为许可误差.变幅均方差按下列公式计算： ()112-∆-∆=∑-∆n n i i σ (3.5.4)式中 Δi ——预报要素在预见期内的变幅；∆——变幅的均值；n ——样本个数.3.5.5 预报项目的精度评定作如下规定：。

流域中长期径流分类预报方法作者：李鸿雁薛丽君王红瑞王晓昕来源：《南水北调与水利科技》2015年第05期摘要：以水文循环基本原理为基础，从流域径流水汽来源影响因素角度明确了中长期径流预报基本概念及分类，即以气象（中期）、气候（长期）和天文因素（超长期）为预报因子，针对流域出口断面（或典型断面）的旬、月、季（汛期）或年径流，以及流域旱涝趋势进行预报。

通过比较不同时间尺度下的水汽系统物理运动机理，论证了“短期气候预测”作为中长期径流预报理论基础的合理性，并将流域径流来源影响因素及其表现概括为三大规律：天文因素表现出的周期性是主要规律，反映了水文气候过程的基本状态；大气环流表现出的随机性对水文气候基本状态存在干扰，导致了波动；流域特征性规律反映了各种因素综合作用结果，具有流域的特殊性。

最终，将流域中长期径流预报分为正常年份的径流过程预报和异常灾变年份的大旱大涝预测，其中前者的预报因子为水文气象与气候要素，后者为天文因素；在服务对象上，前者为水利工程常规运行调度服务，后者为防洪抗旱部门防灾减灾提供灾情预测；在结果发布上，前者提供定量的径流过程预报，后者提供丰、平、枯等3级（或5级）定性预测，并给出相似年份；在预报方法上，前者采用数理统计方法或物理成因相关分析法，后者采用周期性、随机性和流域特殊性识别等综合预报方法。

关键词：中长期径流预报；径流预报；径流分类预报；径流过程预报；大旱大涝预测中图分类号：TV121文献标志码：A文章编号：16721683（2015）05081706Classification forecast method for mid to longterm runoff in river basinLI Hongyan1，XUE Lijun1，WANG Hongrui2，WANG Xiaoxi1（1.Key Laboratory of Groundwater Resources and Environment，Ministry of Education，Jilin University，Changchun 130021，China；2.College of Water Sciences，Beijing Normal University，Beijing 100875，China）Abstract：Based on the basic principle of hydrologic cycle，the basic concept and classification of mid to longterm runoff forecast are defined from the perspective of impact factors of water vapor sources of river basin runoff，the meteorological factors （midterm），climate factors （longterm），and astronomical factors （very longterm） are selected as the predictors，and the tenday，monthly，seasonally （flood） or annual runoff targeting to the outlet section of river basin （or typical section） and drought and flood trend are forecasted.Through the comparison of the difference in the physical movement mechanism of water vapor system under different time scales，the rationality of “shortterm climate prediction” as the theoretical basis for mid to longterm ru noffforecast is demonstrated.The impact factors for the runoff sources in river basin and their performance are summarized as three laws：the periodic law of astronomical factors is the main rule，which reflects the basic state of hydrological and climatic process；the random law of atmospheric circulation has interference on the basic state of hydrology and climate，which leads to fluctuation；and the characteristic law of river basin reflects the comprehensive effects from various factors，which has particularity.Finally，the mid to longterm runoff forecast can be divided into two categories：runoff process forecast in normal year and drought and flood forecast in abnormal calamity year.The former takes the hydrological and climatic elements as predictors whereas the latter takes the astronomical factors as predictors.In terms of service objects，the former serves for the regular operation and scheduling of water projects whereas the latter provides disaster forecast for disaster prevention and reduction in flood control and drought resistance departments.In terms of publication of results，the former provides the quantitative forecast of runoff process whereas the latter provides the qualitative forecast of level 3 （or level 5） and similar years.In terms of forecast methods，the former adopts mathematical statistics method or physical cause correlation analysis whereas the latter adopts comprehensive forecasting identification method of periodicity，randomness，and watershed particularity.Key words：mid to longterm runoff forecast；runoff forecast；runoff classification forecast；runoff process forecast；serious flood and drought forecast中国位于气候环境变化最为激烈的季风区，在地理纬度、海陆位置和青藏高原等因素作用下形成的独特的东亚季风环流，导致区域（流域）降雨的时空分布不均匀，加之人口众多的社会因素，使得水资源短缺和旱涝灾害频发成为水文工作面对的严峻挑战。

径流预报主要方法的探究径流预报在水电站、水库的优化调度中有重要作用。

本文介绍了现阶段径流预报的主要方法，并分析了各方法的优缺点，为径流预报的分析和研究提供了理论依据。

标签：径流预报；方法；依据引言水库的优化调度问题已经被人们研究了半个世纪以上，涌现出的优化调度理论越来越多，不过人们发现很难将这些理论应用到实际应用上来。

径流预报的准确度过低是造成这种情况的主要原因之一。

径流预报可以分成短期的预报和中长期的预报两种方式，本文主要阐述中长期预报的方法。

中长期预报通常指的是3天以上、1年之内的预报，主要的预报方法有成因分析法、水文统计法等。

1、成因分析法降水是山川大河径流的主要来源，大气环流是造成某一个地区发生干旱或者水涝的因素之一。

成因分析法研究了大气环流和水温因素存在的联系，根据大气环流的演变规律来对水文因素进行中长期预报。

大气环流和水文因素之间存在何种关系一直是学者们开展研究的重要课题。

有的学者通过对海洋与高原的热变化对下游流域的旱涝以及汛期产生的影响，解释了大气环流和水文因素之间的某些关联。

还有的学者利用水文气象学有关方法，阐述了最近以来我国对雨水的中长期报告发展进展，并探索了如何提高中期预报的准确度问题。

成因分析法的分析基础是物理学，这也是水文中长期预报的发展方向所在。

2、水文统计法2.1 模糊分析模糊分析预报产生于上世纪80年代。

水文气象等因素因为受到复杂的形成机制的影响，传统的准确性描述不能很好的对径流进行预报，在水文领域中应使用不同的模糊概念来代替准确性描述，比如“旱涝”、“丰枯”等，这就是模糊理论的精髓。

根据模糊控制的有关理论，模糊分析法使用模糊的语言来描述预报的结果，把径流自身的演变规律作为已知条件，通过已经知道的甚至是未知的模糊关系对未来可能出现的情况进行预报。

使用该方法对径流进行预报时不需要任何的成因资料，这是值得注意的一个地方。

模糊分析法在上世纪末得到更新和发展，研究者通过与水文成因、统计分析的有机结合，提出了更加严谨和准确的模糊分析法，在一定程度上提高了中长期预报的精度。