CN106294932B - 不同变化条件对流域径流不确定性影响的分析方法 - Google Patents
不同变化条件对流域径流不确定性影响的分析方法 Download PDFInfo
- Publication number
- CN106294932B CN106294932B CN201610602117.6A CN201610602117A CN106294932B CN 106294932 B CN106294932 B CN 106294932B CN 201610602117 A CN201610602117 A CN 201610602117A CN 106294932 B CN106294932 B CN 106294932B
- Authority
- CN
- China
- Prior art keywords
- mrow
- parameter
- model
- runoff
- uncertain
- 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.)
- Active
Links
- 230000008859 change Effects 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 13
- 238000010835 comparative analysis Methods 0.000 claims abstract description 3
- 238000004088 simulation Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 15
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 238000004451 qualitative analysis Methods 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000010206 sensitivity analysis Methods 0.000 claims description 2
- 239000003292 glue Substances 0.000 claims 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000000518 rheometry Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种不同变化条件对流域径流不确定性影响的分析方法。主要包括:利用水文确定性方法和水文不确定性方法对比分析条件变化对流域径流的不确定影响,将以上两种方法相互对比,从而从不同角度给出径流变化不确定范围,提高结果的可靠性,为决策者进行水资源规划及管理提供了参考。
Description
技术领域
本发明涉及流域径流不确定性研究领域,具体涉及一种不同变化条件对流域径流不确定性影响的分析方法。
背景技术
目前针对变化条件对流域径流的不确定性影响研究,往往只利用水文确定性方法,并只考虑单一不确定因子,仅仅考虑了水文模型不确定性、气候情景不确定性或模型耦合不确定性,而对各不确定因子的综合影响未能系统考虑,且多数研究忽略了人类活动变化的不确定性。
发明内容
本发明旨在提供一种不同变化条件对流域径流不确定性影响的分析方法,集合运用了水文确定性方法和水文不确定性方法,综合考虑了气候情景、人类活动情景、水文模型及其与气候模型的耦合中的不确定性,量化了这些不确定性对流域径流的影响,对综合评估未来气候变化和人类活动对流域水资源的影响、深入分析综合影响下水资源演变规律并提出适应性对策具有重大的理论价值和现实意义。
本发明提供了一种不同变化条件对流域径流不确定性影响的分析方法,通过水文确定性方法和水文不确定性方法对比分析条件变化对流域径流的不确定影响;
所述水文确定性方法主要分析如下不确定因子:水文模型不确定因子、气候变化因子、人类活动因子以及模型耦合不确定因子;
所述的水文模型不确定因子主要考虑水文模型参数不确定性,水文模型参数不确定性通过GLUE(Generalized Likelihood Uncertainty Estimation)体系进行分析,所述的水文模型分析包括如下步骤:
(1)定义似然目标函数
似然目标函数主要用于判别模拟结果与实测结果之间的拟合程度,采用纳西效率系数作为似然目标函数:
式中:L(M(θj)|Y)为第j{j=1,2…,l}组参数的似然判据;M(θj)为第j次有效模拟;θj为对应参数组;l为有效模拟总次数;Y为实测流量构成的向量;Qm,i为i时刻的实测流量;Qs,i为i时刻的模拟流量;为实测平均流量;n为时段数。
(2)确定参数取值范围与先验分布形式
依据参数的物理特性和已有应用经验,确定模型参数的取值范围。采用均匀分布作为参数的先验分布形式。
(3)模型参数的抽样
在参数取值范围内,对参数抽样生成若干参数组,进行水文模型——SWAT(Soiland Water Assessment Tool)模型模拟并计算各次模拟结果的似然判据值。指定似然判据阈值,低于该阈值的似然值被赋为0,高于该阈值的参数组为有效参数组,点绘有效模型参数与似然值的散点图,分析模型参数的不确定性。
所述的模型参数的抽样采用拉丁超立方体(LH,Latin Hypercube)抽样法。抽样方法如下:首先,将每个参数分布空间等分成m个子空间,且每个值域范围出现的可能性都为1/m;其次,生成参数的随机值,并确保任一值域范围仅抽样一次;最后,参数随机组合,模型运行m次。
(4)模型模拟计算及不确定性分析
将高于阈值的所有似然值重新归一化,并按模拟流量大小排序。对于每一时刻,计算有效模拟结果集的累积似然权重,计算其累积频率曲线(CDF,Cumulative FrequencyCurve)。给定显著性水平α,则对应置信水平为1-α,通过插值从CDF图上找到α/2和1-α/2两个分位点,其对应的模拟流量分别是该时刻的流量下限Qlow,α/2和上限Qup,1-α/2,[Qlow,α/2,Qup,1-α/2]即为该时刻流量的不确定性范围。逐时段计算可得置信水平1-α下的模拟结果不确定性范围。
所述的累积频率曲线CDF计算方法如下:对于一组系列值(x1,x2,…,xN),N为项数,将其从小到大进行排列,其中xm为第m位的数据;根据经验累积频率计算公式Pm=(m/(N+1))×100%计算各项累积频率值;以变量x为横坐标,累积频率P为纵坐标,平滑连接各点据得到累积频率曲线。
所述的气候变化因子对径流的不确定性影响分析通过多种气候模型输出气候情景成果与水文模型——SWAT模型耦合来获取,即:将气候模型输出的气候情景成果输入至SWAT模型中进行径流模拟计算,对于每种气候变化因子分别运行SWAT模型,并通过计算各情景下模拟径流的累积频率曲线CDF获得不同气候情景下的模拟径流变化范围;
所述的SWAT模型是美国农业研究中心(USDA-ARS)研制开发并于20世纪90年代中后期推出,是一个具有物理基础的、以日为时间单位运行的流域尺度的动态分布式水文模拟模型,可以进行连续多年的模拟计算。该模型能利用3S技术提供的信息,模拟复杂流域的多种水文物理过程,其功能和有效性已通过多个研究项目的应用得到了验证。应用SWAT模型进行模拟的具体步骤如下:
(1)收集研究区基础数据,包括水文气象数据及空间信息数据。模型输入的降雨、气象数据及径流数据均为日尺度,气象数据包括逐日气温、风速、相对湿度、日照时数的气象资料;空间信息数据包括DEM数据(Digital Elevation Model,数字高程模型)、土壤分布图及土地利用分布图。
(2)建模过程首先基于DEM生成水系;在设定面积阈值后,根据水系划分子流域;接着将土地利用图与土壤图输入模型,基于二者重编码成果,进一步划分水文响应单元;然后将收集到的气象要素及用水管理数据,转换成符合模型格式要求的数据,并输入SWAT模型中;最后基于参数敏感分析成果率定SWAT模型的相关参数,进行水文模拟。
所述的人类活动因子依据流域内土地利用现状及区域发展规划,获得不同土地利用类型变化方向及变化面积,基于现状土地利用分布图考虑这些变化,从而绘制出不同变化情景下的土地利用图,将不同的土地利用图输入至SWAT模型中,同时考虑不同气候情景数据运行SWAT模型,通过计算模拟径流的CDF从而获得气候变化因子与人类活动因子耦合作用下的径流不确定性范围;
所述的模型耦合不确定因子通过统计降尺法及动力降尺度方法进行对比分析;
所述的水文不确定性方法的分析过程如下:首先统计研究区流域的年径流的统计资料并确定其分布类型,然后建立随机模型,通过统计实验模拟生成所述研究区流域的年径流序列,再应用解集模型求解径流的月过程,从而得到不同组合形式的径流过程,在获取所述不同组合形式的径流过程的基础上,分析获得不同设计频率下径流的大小,对径流变化不确定性作出定性及定量分析;
将以上两种方法相互对比,从水文确定性方法研究与不确定性方法研究两种不同角度给出径流变化不确定性范围,提高结果的可靠性,为决策者进行区域水资源规划及管理提供参考。
本发明的有益效果:
流域未来径流条件受多种因子的影响,其定性及定量预测存在很大的不确定性,而目前研究中尚未对此进行系统考虑。本发明提出的不同变化条件对流域径流不确定性影响的分析方法,针对该问题系统考虑流域未来径流条件变化的不确定性,对把握综合影响下径流演变规律并提出水资源规划与管理适应性对策具有重大的理论价值和现实意义。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述,但不局限于以下实施例。
实施例1:
图1显示了本发明的不同变化条件对流域径流不确定性影响的分析方法的流程图,包括以下步骤:
步骤1,收集与处理研究区基础数据,包括水文气象数据及空间信息数据。降雨、径流及气象数据均为日尺度,气象数据包括逐日气温、风速、相对湿度、日照时数等气象资料;空间信息数据包括DEM数据(Digital Elevation Model,数字高程模型)、土壤分布图及土地利用分布图。
步骤2,构建研究区SWAT模型。将收集到的基础数据输入到SWAT模型中,并基于参数敏感分析成果率定SWAT模型的相关参数,进行水文模拟。
步骤3,构建场景SD1分析基于水文确定性方法的不确定性影响,包括水文模型参数不确定性、变化条件不确定性及模型耦合不确定性对径流的影响。首先考虑水文模型参数对径流的不确定性影响。
步骤4,考虑变化条件不确定性对径流的影响,包括气候变化因子及人类活动因子两方面。
步骤5,考虑模型耦合不确定性对径流的影响。
步骤6,构建场景SD2分析基于水文不确定性方法的不确定性影响,并与场景SD1比较分析。
所述的步骤3中,水文模型参数对径流的不确定性影响通过GLUE体系进行分析,通过以下步骤实现:
(1)定义似然目标函数
似然目标函数主要用于判别模拟结果与实测结果之间的拟合程度,采用纳西效率系数作为似然目标函数:
式中:L(M(θj)|Y)为第j{j=1,2…,l}组参数的似然判据;M(θj)为第j次有效模拟;θj为对应参数组;l为有效模拟总次数;Y为实测流量构成的向量;Qm,i为i时刻的实测流量;Qs,i为i时刻的模拟流量;为实测平均流量;n为时段数。
(2)确定参数取值范围与先验分布形式
依据参数的物理特性和已有应用经验,确定模型参数的取值范围。采用均匀分布作为参数的先验分布形式。
(3)模型参数的抽样
在参数取值范围内,对参数抽样生成若干参数组,进行水文模型——SWAT模型模拟并计算各次模拟结果的似然判据值。指定似然判据阈值,低于该阈值的似然值被赋为0,高于该阈值的参数组为有效参数组,点绘有效模型参数与似然值的散点图,分析模型参数的不确定性影响。
所述的模型参数的抽样采用拉丁超立方体(LH,Latin Hypercube)抽样法。抽样方法如下:首先,将每个参数分布空间等分成m个子空间,且每个值域范围出现的可能性都为1/m;其次,生成参数的随机值,并确保任一值域范围仅抽样一次;最后,参数随机组合,模型运行m次。
(4)模型模拟计算及不确定性分析
将高于阈值的所有似然值重新归一化,并按模拟流量大小排序。对于每一时刻,计算有效模拟结果集的累积似然权重,计算其累积频率曲线(CDF,Cumulative FrequencyCurve)。给定显著性水平α,则对应置信水平为1-α,通过插值从CDF图上找到α/2和1-α/2两个分位点,其对应的模拟流量分别是该时刻的流量下限Qlow,α/2和上限Qup,1-α/2,[Qlow,α/2,Qup,1-α/2]即为该时刻流量的不确定性范围。逐时段计算可得置信水平1-α下的模拟结果不确定性范围。
所述的累积频率曲线CDF计算方法如下:对于一组系列值(x1,x2,…,xN),N为项数,将其从小到大进行排列,其中xm为第m位的数据;根据经验累积频率计算公式Pm=(m/(N+1))×100%计算各项累积频率值;以变量x为横坐标,累积频率P为纵坐标,平滑连接各点据得到累积频率曲线。
所述的步骤4中,气候变化因子对径流的不确定性影响分析通过多种气候模型输出气候情景成果与SWAT模型耦合来获取,即:将气候模型输出的气候情景成果输入至SWAT模型中进行径流模拟计算,对于每种气候变化因子分别运行SWAT模型,并通过计算各情景下模拟径流的累积频率曲线CDF获得不同气候情景下的模拟径流变化范围。
所述步骤4中,人类活动因子依据流域内土地利用现状及区域发展规划,获得不同土地利用类型变化方向及变化面积,基于现状土地利用分布图考虑这些变化,从而绘制出不同变化情景下的土地利用图,将不同的土地利用图输入至SWAT模型中,同时考虑不同气候情景数据运行SWAT模型,通过计算模拟径流的CDF从而获得气候变化因子与人类活动因子耦合作用下的径流不确定性范围。
所述步骤5中,模型耦合不确定因子通过统计降尺方法及动力降尺度方法进行对比分析。
所述步骤6中,基于水文不确定性方法的分析过程如下:首先统计研究区流域的年径流的统计资料并确定其分布类型,然后建立随机模型,通过统计实验模拟生成所述研究区流域的年径流序列,再应用解集模型求解径流的月过程,从而得到不同组合形式的径流过程,在获取所述不同组合形式的径流过程的基础上,分析获得不同设计频率下径流的大小,对径流变化不确定性作出定性及定量分析;并将其结果与场景SD1成果进行比较分析,获取径流变化不确定性综合变化范围。
Claims (5)
1.不同变化条件对流域径流不确定性影响的分析方法,其特征在于:利用水文确定性方法和水文不确定方法对比分析条件变化对流域径流的不确定影响;
所述水文确定性方法主要分析如下不确定因子:水文模型不确定因子、气候变化因子、人类活动因子以及模型耦合不确定因子;
所述的水文模型不确定因子主要考虑水文模型参数不确定性,水文模型参数不确定性通过GLUE体系进行分析,所述的水文模型参数不确定性分析包括以下步骤:定义似然目标函数、确定参数取值范围与先验分布形式、模型参数的抽样、模型模拟计算及不确定性分析;
所述的气候变化因子对径流的不确定性影响分析通过多种气候模型输出气候情景成果与水文模型——SWAT模型耦合来获取,即:将气候模型输出的气候情景成果输入至SWAT模型中进行径流模拟计算;对于每种气候变化因子分别运行SWAT模型,并通过计算各情景下模拟径流的累积频率曲线CDF获得不同气候情景下的模拟径流变化范围;
所述的人类活动因子依据流域内土地利用现状及区域发展规划,获得不同土地利用类型变化方向及变化面积,从而绘制出各种可能下的土地利用图,将不同的土地利用图输入至SWAT模型中,同时考虑不同气候情景数据运行SWAT模型,通过计算模拟径流的累积频率曲线CDF,从而获得气候变化因子与人类活动因子耦合作用下的径流不确定性范围;
所述的模型耦合不确定因子通过统计降尺法及动力降尺度方法进行对比分析;
所述的水文不确定性方法的分析过程如下:首先统计研究区流域的年径流的统计资料并确定其分布类型,然后建立随机模型,通过统计实验模拟生成所述研究区流域的年径流序列,再应用解集模型求解径流的月过程,从而得到不同组合形式的径流过程,在获取所述不同组合形式的径流过程的基础上,分析获得不同设计频率下径流的大小,对径流变化不确定性作出定性及定量分析;
将以上两种方法相互对比,从水文确定性方法研究与不确定性方法研究两种不同角度给出径流变化不确定性范围。
2.根据权利要求1所述的不同变化条件对流域径流不确定性影响的分析方法,其特征在于:运行SWAT模型的具体步骤如下:
(1)收集研究区基础数据,包括水文气象数据及空间信息数据;
模型输入的降雨、气象数据及径流数据均为日尺度,气象数据包括逐日气温、风速、相对湿度、日照时数的气象资料;空间信息数据包括数字高程模型DEM数据、土壤分布图及土地利用分布图;
(2)建模过程首先基于数字高程模型DEM生成水系;在设定面积阈值后,根据水系划分子流域;接着将土地利用图与土壤图输入模型,基于二者重编码成果,进一步划分水文响应单元;然后将收集到的气象要素及用水管理数据,转换成符合模型格式要求的数据,并输入SWAT模型中;最后基于参数敏感分析成果率定SWAT模型的相关参数,进行水文模拟。
3.根据权利要求1所述的不同变化条件对流域径流不确定性影响的分析方法,其特征在于:所述水文模型参数不确定性通过GLUE体系进行分析,包括以下步骤:
(1)定义似然目标函数
似然目标函数主要用于判别模拟结果与实测结果之间的拟合程度,采用纳西效率系数作为似然目标函数:
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>M</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mi>Y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>Q</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
式中:L(M(θj)|Y)为第j{j=1,2…,l}组参数的似然判据;M(θj)为第j次有效模拟;θj为对应参数组;l为有效模拟总次数;Y为实测流量构成的向量;Qm,i为i时刻的实测流量;Qs,i为i时刻的模拟流量;为实测平均流量;n为时段数;
(2)确定参数取值范围与先验分布形式
依据参数的物理特性和已有应用经验,确定模型参数的取值范围,采用均匀分布作为参数的先验分布形式;
(3)模型参数的抽样
在参数取值范围内,对参数抽样生成若干参数组,进行水文模型——SWAT模型模拟并计算各次模拟结果的似然判据值;指定似然判据阈值,低于该阈值的似然值被赋为0,高于该阈值的参数组为有效参数组,点绘有效模型参数与似然值的散点图,分析模型参数的不确定性;
(4)模型模拟计算及不确定性分析
将高于阈值的所有似然值重新归一化,并按模拟流量大小排序,对于每一时刻,计算有效模拟结果集的累积似然权重,计算其累积频率曲线CDF,给定显著性水平α,则对应置信水平为1-α,通过插值从累积频率曲线CDF图上找到α/2和1-α/2两个分位点,其对应的模拟流量分别是该时刻的流量下限Qlow,α/2和上限Qup,1-α/2,[Qlow,α/2,Qup,1-α/2]即为该时刻流量的不确定性范围,逐时段计算可得置信水平1-α下的模拟结果不确定性范围。
4.根据权利要求3所述的不同变化条件对流域径流不确定性影响的分析方法,其特征在于:所述的模型参数的抽样采用拉丁超立方体抽样法,抽样方法如下:首先,将每个参数分布空间等分成m个子空间,且每个值域范围出现的可能性都为1/m;其次,生成参数的随机值,并确保任一值域范围仅抽样一次;最后,参数随机组合,模型运行m次。
5.根据权利要求3所述的不同变化条件对流域径流不确定性影响的分析方法,其特征在于:所述的累积频率曲线CDF计算方法如下:对于一组系列值(x1,x2,…,xN),N为项数,将其从小到大进行排列,其中xm为第m位的数据;根据经验累积频率计算公式Pm=(m/(N+1))×100%计算各项累积频率值;以变量x为横坐标,累积频率P为纵坐标,平滑连接各点据得到累积频率曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610602117.6A CN106294932B (zh) | 2016-07-27 | 2016-07-27 | 不同变化条件对流域径流不确定性影响的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610602117.6A CN106294932B (zh) | 2016-07-27 | 2016-07-27 | 不同变化条件对流域径流不确定性影响的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106294932A CN106294932A (zh) | 2017-01-04 |
CN106294932B true CN106294932B (zh) | 2018-05-18 |
Family
ID=57662527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610602117.6A Active CN106294932B (zh) | 2016-07-27 | 2016-07-27 | 不同变化条件对流域径流不确定性影响的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106294932B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106801400B (zh) * | 2017-01-19 | 2018-11-16 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种山丘区季节性河流长度的定量估算方法 |
CN107563568B (zh) * | 2017-09-20 | 2020-10-13 | 四创科技有限公司 | 一种流域运行水位水质效益评估方法及系统 |
CN107992961B (zh) * | 2017-11-21 | 2021-04-27 | 中国水利水电科学研究院 | 一种自适应的流域中长期径流预报模型架构方法 |
CN109063896B (zh) * | 2018-07-03 | 2020-11-03 | 国家电网有限公司 | 一种东北地区融雪径流开始日期的识别方法 |
CN112597698B (zh) * | 2020-12-14 | 2022-04-26 | 中山大学 | 一种人类活动对流域蒸散发影响的不确定性评估方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604356B (zh) * | 2009-06-24 | 2011-01-12 | 南京大学 | 一种不确定性中长期水文预报模型的建立方法 |
US9262723B2 (en) * | 2010-10-04 | 2016-02-16 | Ofs Fitel, Llc | Predicting climate data using climate attractors derived from a global climate model |
CN102867106A (zh) * | 2012-08-14 | 2013-01-09 | 贵州乌江水电开发有限责任公司 | 短期径流预报方法及系统 |
-
2016
- 2016-07-27 CN CN201610602117.6A patent/CN106294932B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106294932A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106294932B (zh) | 不同变化条件对流域径流不确定性影响的分析方法 | |
CN110598290B (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
CN104217250B (zh) | 一种基于历史数据的城市轨道交通新线开通客流预测方法 | |
Hung et al. | An artificial neural network model for rainfall forecasting in Bangkok, Thailand | |
CN105741549B (zh) | 一种基于空间copula理论的交通流量预测方法 | |
CN108375808A (zh) | Nriet基于机器学习的大雾预报方法 | |
CN108536908B (zh) | 基于非点源氮磷流失风险对流域水环境安全评估的方法 | |
CN107463730B (zh) | 一种考虑土地利用时空演变的径流变化归因识别方法 | |
CN105608326B (zh) | 一种山区复杂地形风场大涡模拟入口边界条件输入方法 | |
CN102567635B (zh) | 一种定量区分水循环演变过程中不同因素贡献的方法 | |
CN109815305A (zh) | 一种无资料地区场次洪水径流过程反演的方法 | |
CN104240541A (zh) | 一种4d航迹生成方法 | |
CN105243435A (zh) | 一种基于深度学习元胞自动机模型的土壤含水量预测方法 | |
CN108614915B (zh) | 基于情景驱动的水文模型自由组建策略方法 | |
CN101480143A (zh) | 一种预测灌区作物单产量的方法 | |
CN108573302A (zh) | 一种流域面源污染负荷模拟及最佳管理措施优化方法 | |
CN106940439A (zh) | 基于无线声传感器网络的k均值聚类加权声源定位方法 | |
CN103530818A (zh) | 一种基于brb系统的供水管网建模方法 | |
CN113128055B (zh) | 一种基于产流系数的分布式水文模型空间率定方法 | |
CN112199456B (zh) | 一种基于供给型水文生态系统服务的流域水资源管理方法 | |
CN108664705A (zh) | 一种基于OpenFOAM的模拟复杂地形地表粗糙度的方法 | |
CN107203827A (zh) | 一种基于多尺度分析的风电机风速预测优化方法 | |
CN103839113A (zh) | 基于租房与购房两类选择者住房选择模型的微观仿真方法 | |
Chen et al. | Intercomparison of ten ISI-MIP models in simulating discharges along the Lancang-Mekong River basin | |
CN103870699B (zh) | 基于双层异步迭代策略的水动力学洪水演进模拟方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20170104 Assignee: Shaanxi Damai Agricultural Technology Co.,Ltd. Assignor: Taiyuan University of Technology Contract record no.: X2024980006017 Denomination of invention: Analysis methods for the impact of different changing conditions on the uncertainty of watershed runoff Granted publication date: 20180518 License type: Common License Record date: 20240520 |