本書針對水文過程在時間、空間尺度上的層次性導致的水文現象強烈非線性,研究了中小河流暴雨洪水時空分布規(guī)律,以及能表征降雨和洪水之間非線性特性的洪水預報模型;針對大部分中小河流水文歷史資料缺乏,研究了中小河流少資料地區(qū)模型參數反演技術和無資料地區(qū)模型參數移植技術;針對中小河流上游水庫群梯級開發(fā),構建了考慮各水庫間調節(jié)補償作用、水力聯(lián)系、約束條件和保護對象防洪風險的中小河流水庫群優(yōu)化調度和洪水演進模型。
我國中小河流數量眾多,覆蓋了85%的城鎮(zhèn)和廣大農村地區(qū),許多中小河流防洪標準僅為3-5年一遇,有的甚至沒有設防。近年來,全球氣候變暖、極端天氣事件增多,局部強降雨造成中小河流突發(fā)性洪水頻繁發(fā)生,進一步加大了防洪壓力。準確及時的洪水預報有助于水庫工程合理調度,使其發(fā)揮最大的蓄洪能力;可以為及時采取防洪搶險、逃避疏散等緊急行動決策提供技術支持,從而將災害損失降到最低。
然而,目前中小河流洪水預報精度不高是面臨的普遍問題,需要專門針對中小河流防洪特點解決一系列關鍵性難題,主要可歸納為以下幾點:
。1)中小河流具有復雜多樣的氣候特征,各自具有時程分布規(guī)律明顯的水文氣象條件。此外,中小河流洪水誘因復雜、空間上受下墊面條件影響顯著,洪水具有強度大、歷時短、暴漲暴落的特性。水文過程在時間、空間尺度上的層次性導致水文現象強烈的非線性。因此,需要研究中小河流暴雨洪水時空分布規(guī)律,以及能表征降雨和洪水之間非線性特性的洪水預報模型。
。2)概念性模型將經驗性公式與物理特征進行有機結合,在大江大河洪水預報實踐中得到了廣泛應用,且已達成一定的共識。然而,概念性模型參數需從眾多的歷史水文資料中反演得到,模型模擬的效果與模型參數準確程度息息相關。目前,大部分中小河流水文歷史資料缺乏,多屬于無資料、少資料地區(qū)。因此,作為洪水預報技術延伸,需要以概念性模型為對象,研究中小河流少資料地區(qū)模型參數反演技術和無資料地區(qū)模型參數移植技術。
前言
第1章 緒論
1.1 研究背景
1.2 國內外研究現狀
1.2.1 暴雨洪水規(guī)律分析
1.2.2 洪水預報研究
1.2.3 水庫調度
第2章 基于時程特性的洪水預報研究
2.1 汛期分期研究
2.1.1 暴雨洪水時程分布規(guī)律研究
2.1.2 實例研究
2.2 基于分期的洪水預報模型研究
2.2.1 建模思路
2.2.2 實例研究
第3章 基于空間特性的洪水預報研究
3,1考慮人滲能力的產流研究
3.1.1 模型介紹
3.1.2 實例應用
3.2 匯流模型參數地區(qū)綜合研究
3.2.1 匯流參數單站綜合
3.2.2 匯流參數地區(qū)綜合
3.2.3 應用實例
第4章 智能洪水預報技術研究
4.1 基于混沌理論的時延神經網絡洪水預報模型研究
4.1.1 模型介紹
4.1.2 降雨徑流系統(tǒng)的混沌特性及相空間重構
4.1.3 實例應用
4.2 小波軟閾值降噪處理
4.2.1 小波多尺度分析
4.2.2 小波降噪在洪水序列中的應用
4.3 洪水預報實時校正技術研究
4.3.1 實時校正方法
4.3.2 正規(guī)卡爾曼濾波實時校正
4.3.3 基于Volterra級數濾波器的實時校正方法
第5章 水庫群防洪調度研究
5.1 概述
5.2 梯級水庫(群)防洪優(yōu)化調度數學模型
5.2.1 目標函數
5.2.2 約束條件
5.2.3 逐步優(yōu)化算法POA與黃金分割法聯(lián)合求解
5.2.4 應用算例
5.3 具有守恒特性的洪水演進數值模型
5.3.1 概述
5.3.2 控制方程
5.3.3 數值計算方法
5.3.4 模型的驗證和應用
第6章 總結
6.1 時空因子驅動下產匯流動態(tài)響應機制
6.2 智能化洪水預報模型
6.3 防洪工程優(yōu)化調度及洪澇災害實時預警
參考文獻