Analysis of Rainfall records in India Self Organized Criticality and Scaling

第34卷第5期2023年9月 水科学进展ADVANCESINWATERSCIENCEVol.34,No.5Sep.2023

DOI:10.14042/ki.32.1309.2023.05.003

基于深度学习的雷达降雨临近预报及洪水预报

李建柱,李磊菁,冯　平,唐若宜

(天津大学水利工程仿真与安全国家重点实验室,天津　300350)

摘要:为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net、嵌入注意力门的Attention-Unet和添加转换器的多级注意力TransAtt-Unet开展雷达降雨临近预报,将预报降雨作为HEC-HMS水文模型的输

入,对柳林实验流域进行洪水预报。结果表明:1h预见期时,Attention-Unet对短时强降雨预报结果较好,TransAtt-Unet预报降雨模拟的洪峰流量和径流量相对误差小于20%,各深度学习模型对量级较大的降雨和洪水预

报精度较高;2h预见期的预报降雨强度、降雨总量、洪峰流量和径流量存在显著低估,U-Net能取得相对较好的降雨预报结果。基于深度学习的1h预见期雷达降雨临近预报及洪水预报可为流域防洪减灾提供科学依据。

关键词:雷达降雨临近预报;降雨定量估计;深度学习;洪水预报;柳林实验流域中图分类号:P333 文献标志码:A 文章编号:1001-6791(2023)05-0673-12

收稿日期:2023-05-19;网络出版日期:2023-09-19网络出版地址:https:∥/urlid/32.1309.P.20230918.1718.002基金项目:国家自然科学基金资助项目(52279022)作者简介:李建柱(1981—),男,河北沧州人,教授,博士,主要从事水文水资源方面研究。E-mail:lijianzhu@近年来,极端降雨事件导致洪涝灾害频发,对洪水预报精度和时效性的要求越来越高[1]。准确的降雨

第47卷第11期 气 象

Vol. 47 No. 11

2 0 2 1 年 11 月 METEOROLOGICAL MONTHLY

November 2021

苏翔，康志明，庄潇然，等,2021.2020年梅雨期暴雨雨带预报不确定性分析[J].气象，47(11):13361346. Su X,Kang Z M,

Zhuang X R, et al,2021. Uncertainty analysis of heavy rain belt forecast during the 2020 Meiyu period"#. Meteor Mon,47(11):

1336-1346(0 Chinese).

2020

年梅雨期暴雨雨带预报不确定性分析

!

苏 翔

12康志明

12庄潇然

1陈圣稢

12

1江苏省气象台，南京210008

2中国气象局交通气象重点开放实验室，南京210009

提 要

：针对ECMWF模式在2020年我国江淮流域超长梅雨期暴雨雨带预报中的不确定性，选取10个典型的狭长暴雨雨

带，基于对象诊断方法(MODE)对雨带东西段的位置预报偏差、稳定性以及偏差的连续性等进行分析，并基于集合敏感性方法

(ESA)分析揭示雨带典型偏差特征的关键天气系统(结果表明：雨带东段的预报不确定性总体高于西段，尤其是到了中期预

报时效，预报不确定性进一步加强(短期时效内，雨带东西段均存在偏北的系统偏差，雨带西段的漏报率低于东段，稳定性和

连续性均好于东段；中期时效内，雨带东段的预报误差增长较为明显，且纬度预报平均变幅也高于西段(集合敏感性分析结

果揭示,00 hPa高空槽、副热带高压、850 hPa低空急流和切变线的预报偏差及它们与降水潜热之间存在的非自然正反馈共同

作用造成雨带东段预报偏北，其中后半夜高空槽和低空急流的发展加强是出现梅雨锋暴雨雨带东段北偏的背景场特征之一(

关键词

：梅雨，位置预报，MODE,集合敏感性，稳定性，连续性

2023年11月 灌溉排水学报 第42卷 第11期 Nov. 2023 Journal of Irrigation and Drainage No.11 Vol.42

140 文章编号：1672 - 3317（2023）11 - 0140 - 05

三种水质动态预测模型在米山水库的应用与结果对比

黄林显1，张明芳2，钱 永3,4*，邢学睿5，邢立亭1，韩 忠6

（1.济南大学 水利与环境学院，济南 250022；2.威海市水文中心，山东 威海 264209；

3.中国地质科学院 水文地质环境地质研究所，石家庄 050061；4.河北省/地调局地下水污染

机理与修复重点实验室，石家庄 050061；5.山东正元地质资源勘查有限责任公司，

济南 250101；6.山东省第六地质矿产勘查院，山东 威海 264209）

摘 要：【目的】分析不同水质预测模型的预测精度，探寻最优的水库水质预测方法。【方法】分别构建了季节性差分自回归滑动平均模型（SARIMA）、霍尔特-温特（Holt-Winters）模型和长短时记忆（LSTM）神经网络模型，利用米山水库2012—2018年的月平均电导率观测数据对模型进行训练，利用2019年月电导率实测数据对模型进行验证，考察3种预测模型的准确性和稳定性。【结果】SARIMA模型和Holt-Winters模型仅能考察水质数据的时序演化趋势，预测精度较低；相比之下，LSTM神经网络模型能同时考察水质数据的时序演化趋势及不同时刻之间的前后依赖关系，具有较强的非线性映射能力，预测精度最高。【结论】LSTM神经网络预测模型仅在电导率值突变处误差相对较大，但整体预测效果较为理想，因此在水质预测中更加具有推广价值。 关 键 词：时间序列模型；LSTM模型；电导率；水质预测；米山水库 中图分类号：P641.2 文献标志码：A doi：10.13522/ki.ggps.2022653 OSID：

第３０卷第１期　

２００７年２月　南京气象学院学报　

Ｊｏｕｒｎａｌ　ｏｆ　Ｎａｎｊｉｎｇ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｍｅｔｅｏｒｏｌｏｇｙ　Ｖｏ１．３０　Ｎｏ．１　

Ｆｅｂ．２００７　

ＳＶＤ揭示的印度洋海气相互作用模态及其与中国降水的联系　

王桂臣　，管兆勇　

（南京信息工程大学１．大气科学学院；２．江苏省气象灾害重点实验室，江苏南京２１００４４）　

摘要：利用１９５８－－１９９９年６　月平均的ＧＩＳＳＴ（Ｇｌｏｂａｌ　Ｉｎｄｉａｎ　Ｓｅａ　Ｓｕｒｆａｃｅ　Ｔｅｍｐｅｒａｔｕｒｅ）海表温度　

资料和同期８５０　ｈＰａ水平风场等ＮＣＥＰ／ＮＣＡＲ再分析资料，作了向量奇异值分解，并对各个模态作　

了相应分析，发现前两个模态可以很好地表示出印度洋海气耦合的主要部分：第１模态是印度洋海　

温对ＥＮＳＯ信号的滞后响应；第２模态反映了存在于印度洋的海一气相互作用现象，是ＥＮＳｏ和　

ＩＯＤ（Ｉｎｄｉａｎ　Ｏｃｅａｎ　Ｄｉｐｏｌｅ，印度洋偶极子）的混合模态。讨论了前两个模态与中国夏季降水等变化　

的联系，发现印度洋海温单极模态与我国华南夏季降水存在负相关，与长江流域及其以北地区存在　

正相关；印度洋偶极型海温与我国降水的关系不典型。　

关键词：印度洋偶板子（ＩＯＤ）；ＥＮＳＯ；热带大气环流异常　

中图分类号：Ｐ４６１；Ｐ７２４．８　文献标识码：Ａ　文章编号：１０００－２０２２（２００７）Ｏｌ－００６３４）９　

Ｍｏｄｅｓ　ｏｆ　Ａｉｒ．ｓｅａ　Ｉｎｔｅｒａｃｔｉｏｎｓ　ｉｎ　ｔｈｅ　Ｉｎｄｉａｎ　Ｏｃｅａｎ　

ａｎｄ　Ｔｈｅｉｒ　Ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｗｉｔｈ　ｔｈｅ　Ｒａｉｎｆａｌｌ　

ｏｖｅｒ　Ｃｈｉｎａ　ａｓ　Ｒｅｖａｌｅｄ　ｂｙ　ＳＶＤ　Ａｎａｌｙｓｉｓ　

ＷＡＮＧ　Ｇｕｉ—ｃｈｅｎ　，ＧＵＡＮ　Ｚｈａｏ—ｙｏｎｇ　’　

（１．Ｓｃｈｏｏｌ　ｏｆ　Ａｔｍｏｓｐｈｅｒｉｃ　Ｓｃｉｅｎｃｅｓ；２．Ｊｉａｎｇｓｕ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ｄｉｓａｓｔｅｒ，ＮＵＩＳＴ，Ｎａｎｊｉｎｇ　２１００４４，Ｃｈｉｎａ）