CN106709168A - 一种河流基流量的预测方法 - Google Patents
一种河流基流量的预测方法 Download PDFInfo
- Publication number
- CN106709168A CN106709168A CN201611130575.0A CN201611130575A CN106709168A CN 106709168 A CN106709168 A CN 106709168A CN 201611130575 A CN201611130575 A CN 201611130575A CN 106709168 A CN106709168 A CN 106709168A
- Authority
- CN
- China
- Prior art keywords
- water
- runoff
- flow
- data
- river
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
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)
- Sewage (AREA)
Abstract
本发明涉及一种河流基流量的预测方法,其中,所述方法包括:从流域出口断面处的径流实测数据中获取预设数量的退水过程径流数据;提取每个退水过程径流数据中的最小径流量,建立最小径流量与退水前期径流量的关系函数;基于所述最小径流量将各个退水过程径流数据进行标准化;根据标准化后的径流数据,确定标准化的地下储水量与基流量的关系函数;通过所述标准化的地下储水量与基流量的关系函数预测河流的基流量。本申请涉及的河流基流量的预测方法,能够提高基流量预测的精度。
Description
技术领域
本申请涉及河流径流量预测技术领域,特别涉及一种河流基流量的预测方法。
背景技术
河流径流量由地表径流和地下径流两部分组成。其中地下径流主要来源于流域内地下储水量的排泄,它构成了河流基流量。无论是在降水缺乏的旱季,还是在降水停止后,流域持续退水的雨季,基流量都是河流径流量的主要成分。基流是维系河流水生态系统健康与稳定的核心要素,河流基流的模拟预报,对于保障生态流量,保持河流自净功能,促进水质改善具有重要意义。现有基流预报技术主要分为两类:一是基于地下水动力学的分布参数模型,二是基于流域系统地下水文特征的集中参数模型。分布参数模型虽然模拟计算精度高,但是需要详细预设模型初始与边界条件,率定检验多个模型参数,因此在应用中通常受限于实地资料条件。集中参数模型通常采用线性水库概化方法,这样的模拟方法虽然简洁,应用方便,但本质上线性水库模型结构存在不准确性,因此模拟预测精度有限。河流实测径流数据不仅是模型参数率定与检验的主要依据,也是构建模型结构的重要信息源。基于此,近年来逐渐发展起了一类有别于线性水库的集中参数基流模拟方法,其主要描述方程为:
dQ/dt=g(Q)(P-ET-Q)
其中P和ET分别为流域内降水量和蒸发量,g(Q)是表征流域地下储水量与地下径流量即基流量(Q)的关系函数,当P、ET、g(Q)均已知时,可以通过迭代计算获取基流量(Q)。g(Q)的表达式无需预先设定,而是可以直接从河流实测径流数据中提取,因此对于不同流域,具有较强的灵活性。这一方法改进了线性水库过于简化带来的不足。但是,对于给定的流域,不同丰枯水文年的地下储水量差异较大,这一方法在模拟不同丰枯水文年份的基流过程中存在明显缺陷,特别是无法合理模拟枯水年份的基流动态特征。另一个缺点是,这一方法不能再现流域地下储水量增加与减少过程中普遍存在的滞后性,也就是基流涨水与退水过程的差异性,这也影响了基流量预测的精度。
发明内容
本申请实施方式的目的在于提供一种河流基流量的预测方法,能够提高基流量预测的精度。
为实现上述目的,本申请提供了一种河流基流量的预测方法,所述方法包括:从流域出口断面处的径流实测数据中获取预设数量的退水过程径流数据;提取每个退水过程径流数据中的最小径流量,建立最小径流量与退水前期径流量的关系函数;基于所述最小径流量将各个退水过程径流数据进行标准化;根据标准化后的径流数据,确定标准化的地下储水量与基流量的关系函数;通过所述标准化的地下储水量与基流量的关系函数预测河流的基流量。
进一步地,每个所述退水过程径流数据均满足:降水量和蒸发量均可被忽略;后一时刻的径流量始终不高于前一时刻的径流量;以及退水过程持续预设天数。
进一步地,获取每个退水过程径流数据中的最小径流量Qmin,以及单个退水过程的前期n个时段的径流量均值Qn,通过相关分析,建立两者关系函数:
其中,Qmin表示所述最小径流量,Qn表示所述单个退水过程前期n个时段的径流数据均值,r1、r2、r3均为拟合参数。
进一步地,按照下述公式将各个退水过程径流数据进行标准化:
其中,表示第i个退水过程标准化的径流数据,Qi表示第i个退水过程径流数据,表示第i个退水过程径流数据中的最小径流量。
进一步地,按照下述公式确定标准化的地下储水量与基流量的关系函数g(Qnorm):
其中,Qnorm表示退水过程标准化的径流数据。
进一步地,当流域内没有降水并且地下蒸发作用可被忽略时,按照下述公式预测河流的基流量:
dQ/dt=g(Qnorm)·(-Q)
其中,Q表示所述河流的基流量,g(Qnorm)表示所述标准化的地下储水量与基流量的关系函数,Qnorm表示经过标准化的径流数据。
进一步地,当流域内有降水渗入,或者地下蒸发作用不可被忽略时,通过前期径流的延续退水流量和补给诱发的径流增量来确定河流的基流量,其中,所述补给诱发的径流增量与最小径流量成正比,并且与流域内的降水蒸发之差成正比。
进一步地,按照下述公式确定河流的基流量:
Q=Qelse+cQmin(P-ET)
其中,Q表示所述河流的基流量,Qelse表示前期径流的延续退水流量,根据权利要求6计算,c表示预设参数,Qmin表示所述最小径流量,P表示流域内的降水量,ET表示流域内的地下蒸发量。
本发明提供的河流基流量的预测方法,将实测最小径流量用于度量流域退水开始时地下储水量大小,进而将其用于预测河流的基流量,相对现有技术具有以下优点和积极效果:
(1)能够合理模拟流域不同丰枯水文年份河流基流量动态变化,克服现有技术不能兼顾模拟丰枯水文年份基流过程的缺陷,拓展了集中参数基流预报模型的应用范围;
(2)通过引入体现流域补给的径流增量,能够较好地模拟基流涨水与退水过程的滞后性,提高了基流量预测的精度;
(3)预测过程依靠具备代表性的实测径流数据,对数据系列长度没有严格要求,因此在实测径流资料不充足的流域也具备良好应用前景。
附图说明
图1为本申请实施方式中河流基流量的预测方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施方式,都应当属于本申请保护的范围。
本申请实施方式提供一种河流基流量的预测方法,请参阅图1,所述方法包括以下步骤。
步骤S1:从流域出口断面处的径流实测数据中获取预设数量的退水过程径流数据;
步骤S2:分别提取每个退水过程径流数据中的最小径流量,建立最小径流量与退水前期径流量的关系函数;
步骤S3:基于所述最小径流量将各个退水过程径流数据进行标准化;
步骤S4:根据标准化后的径流数据,确定标准化的地下储水量与基流量的关系函数;
步骤S5:当流域内没有降水并且地下蒸发作用可被忽略时,通过所述标准化的地下储水量与基流量的关系函数预测河流的计流量;
步骤S6:当流域内有降水渗入,或地下蒸发作用不可被忽略时,通过前期径流的延续退水流量和补给诱发的径流增量来预测河流的基流量。
在本实施方式中,可以从流域出口断面处径流实测数据中选取一组多年径流量实测数据,这组多年数据能够代表不同等级的年径流量,充分反映流域不同丰枯水文年的径流特征。
具体地,可以从这组多年实测径流数据中筛选出多个代表性的连续退水径流过程数据。筛选原则包括:退水过程中的降水量和蒸发量均可以被忽略;退水过程具有连续性,即后一个时刻径流量始终不高于前一时刻径流量;退水过程具有一定长度,通常以日计算,根据流域不同,最小日数可设置为4至7日。
在本实施方式中,提取每个退水过程中的最小径流量Qmin,并获取单个退水过程的前期n个时段的径流量均值Qn,Qn包括了退水过程的初始时段径流量值以及与之相邻的n个时段前期径流量值,也就是n+1个时段的径流量算数平均值。点绘Qn与Qmin的散点图,采用最小二乘法对散点图进行非线性幂函数拟合,拟合公式为:
式中,r1,r2和r3为三个非线性拟合参数,n可以根据模型模拟效果的优劣进行比选,通常取值5日之内。
在本实施方式中,基于提取每个退水过程中的最小径流量Qmin,根据描述含水层排水的Parlange解析解,Qmin与流域退水前期地下储水量成正比。因此,采用Qmin对每个退水过程中的所有径流量数据进行标准化,公式如下:
其中,表示第i个退水过程标准化的径流数据,Qi表示第i个退水过程径流数据,表示第i个退水过程径流数据中的最小径流量。
在本实施方式中,可以通过标准化的径流数据的差分形式来表示微分,同时计算标准化的径流数据的均值:
dQnorm/dt=(Qnorm(t+Δt)-Qnorm(t))/Δt
其中,Δt为实测数据的时间间隔,通常为1天。
然后,在双自然对数坐标中点绘dQnorm/dt与的散点图,采用最小二乘法对散点图进行非线性对数函数拟合,拟合公式为:
进一步可以获取标准化的地下储水量与基流量的关系函数,公式为:
其中,g(Qnorm)表示所述标准化的地下储水量与基流量的关系函数,c1、c2、c3均为拟合参数,表示经过标准化的径流数据的均值,Qnorm表示经过标准化的径流数据。
在本实施方式中,可以按照下述公式确定标准化的地下储水量与基流量的关系函数g(Qnorm):
其中,Qnorm表示退水过程标准化的径流数据。
在本实施方式中,当流域内没有降水,地下蒸发作用微弱,可被忽略时,可以按照下述公式预测河流的基流量:
dQ/dt=g(Qnorm)·(-Q)
其中,Q表示所述河流的基流量,g(Qnorm)表示所述标准化的地下储水量与基流量的关系函数,Qnorm表示经过标准化的径流数据。
在本实施方式中,当流域内有降水渗入,或地下蒸发作用不可被忽略时,可以通过前期径流的延续退水流量和补给诱发的径流增量来确定河流的基流量,其中,所述补给诱发的径流增量与最小径流量成正比,并且与流域内的降水蒸发之差成正比。
具体地,可以按照下述公式预测河流的基流量:
Q=Qelse+cQmin(P-ET)
其中,Q表示所述河流的基流量,Qelse表示前期径流的延续退水流量,可以通过步骤S5计算,cQmin(P-ET)表示所述补给诱发的径流增量,其中,c表示预设参数,Qmin表示所述最小径流量,P表示流域内的降水量,ET表示流域内的地下蒸发量。
本发明提供的一种河流基流量的预测方法,将实测最小径流量用于度量流域退水开始时地下储水量大小,进而将其用于预测河流的基流量,相对现有技术具有以下优点和积极效果:
(1)能够合理模拟流域不同丰枯水文年份河流基流量动态变化,克服了现有方法不能兼顾模拟丰枯水文年份基流过程的缺陷,拓展了集中参数基流预报模型的应用范围;
(2)通过在引入体现流域补给的径流增量,能够较好地模拟基流涨水与退水过程的滞后性,提高了基流量预测的精度;
(3)预测过程依靠具备代表性的实测径流数据,对数据系列长度没有严格要求,因此在实测径流资料不充足的流域也具备良好应用前景。
上面对本申请的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述,本申请的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此,虽然已经具体讨论了一些另选的实施方式,但是其它实施方式将是显而易见的,或者本领域技术人员相对容易得出。本申请旨在包括在此已经讨论过的本发明的所有替代、修改、和变化,以及落在上述申请的精神和范围内的其它实施方式。
Claims (8)
1.一种河流基流量的预测方法,其特征在于,所述方法包括:
从流域出口断面处的径流实测数据中获取预设数量的退水过程径流数据;
提取每个退水过程径流数据中的最小径流量,建立最小径流量与退水前期径流量的关系函数;
基于所述最小径流量将各个退水过程径流数据进行标准化;
根据标准化后的径流数据,确定标准化的地下储水量与基流量的关系函数;
通过所述标准化的地下储水量与基流量的关系函数预测河流的基流量。
2.根据权利要求1所述的河流基流量的预测方法,其特征在于,每个所述退水过程径流数据均满足:
降水量和蒸发量均可被忽略;后一时刻的径流量始终不高于前一时刻的径流量;以及退水过程持续预设天数。
3.根据权利要求1所述的河流基流量的预测方法,其特征在于,获取每个退水过程径流数据中的最小径流量Qmin,以及单个退水过程的前期n个时段的径流量均值Qn,通过相关分析,建立两者关系函数:
其中,Qmin表示所述最小径流量,Qn表示所述单个退水过程前期n个时段的径流数据均值,r1、r2、r3均为拟合参数。
4.根据权利要求1所述的河流基流量的预测方法,其特征在于,按照下述公式将各个退水过程径流数据进行标准化:
其中,表示第i个退水过程标准化的径流数据,Qi表示第i个退水过程径流数据,表示第i个退水过程径流数据中的最小径流量。
5.根据权利要求1所述的河流基流量的预测方法,其特征在于,按照下述公式确定标准化的地下储水量与基流量的关系函数g(Qnorm):
其中,Qnorm表示退水过程标准化的径流数据。
6.根据权利要求1所述的河流基流量的预测方法,其特征在于,当流域内没有降水并且地下蒸发作用可被忽略时,按照下述公式预测河流的基流量:
dQ/dt=g(Qnorm)·(-Q)
其中,Q表示所述河流的基流量,g(Qnorm)表示所述标准化的地下储水量与基流量的关系函数,Qnorm表示经过标准化的径流数据。
7.根据权利要求1所述的河流基流量的预测方法,其特征在于,当流域内有降水渗入,或者地下蒸发作用不可被忽略时,通过前期径流的延续退水流量和补给诱发的径流增量来确定河流的基流量,其中,所述补给诱发的径流增量与最小径流量成正比,并且与流域内的降水蒸发之差成正比。
8.根据权利要求7所述的河流基流量的预测方法,其特征在于,按照下述公式确定河流的基流量:
Q=Qelse+cQmin(P-ET)
其中,Q表示所述河流的基流量,Qelse表示前期径流的延续退水流量,根据权利要求6计算,c表示预设参数,Qmin表示所述最小径流量,P表示流域内的降水量,ET表示流域内的地下蒸发量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611130575.0A CN106709168B (zh) | 2016-12-09 | 2016-12-09 | 一种河流基流量的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611130575.0A CN106709168B (zh) | 2016-12-09 | 2016-12-09 | 一种河流基流量的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709168A true CN106709168A (zh) | 2017-05-24 |
CN106709168B CN106709168B (zh) | 2019-12-27 |
Family
ID=58936738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611130575.0A Active CN106709168B (zh) | 2016-12-09 | 2016-12-09 | 一种河流基流量的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709168B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674469A (zh) * | 2019-09-27 | 2020-01-10 | 长沙理工大学 | 一种适用于干旱岩溶缺数据地区的水文频率计算方法 |
CN111768310A (zh) * | 2020-06-11 | 2020-10-13 | 中国水利水电科学研究院 | 一种水库补水潜力的预测方法、装置及电子设备 |
CN111984700A (zh) * | 2020-08-17 | 2020-11-24 | 中国电建集团成都勘测设计研究院有限公司 | 一种基于水热耦合平衡原理的月径流预测方法 |
CN116539006A (zh) * | 2023-05-19 | 2023-08-04 | 清华大学 | 径流预测方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273300A1 (en) * | 2003-09-29 | 2005-12-08 | Patwardhan Avinash S | Method and system for water flow analysis |
CN102034003A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 基于蓄水容量曲线和topmodel的流域水文模型的设计方法 |
CN102288229A (zh) * | 2011-05-11 | 2011-12-21 | 中国水利水电科学研究院 | 径流量模拟预测方法 |
CN103150615A (zh) * | 2013-03-28 | 2013-06-12 | 中国水利水电科学研究院 | 径流预测方法 |
-
2016
- 2016-12-09 CN CN201611130575.0A patent/CN106709168B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273300A1 (en) * | 2003-09-29 | 2005-12-08 | Patwardhan Avinash S | Method and system for water flow analysis |
CN102034003A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 基于蓄水容量曲线和topmodel的流域水文模型的设计方法 |
CN102288229A (zh) * | 2011-05-11 | 2011-12-21 | 中国水利水电科学研究院 | 径流量模拟预测方法 |
CN103150615A (zh) * | 2013-03-28 | 2013-06-12 | 中国水利水电科学研究院 | 径流预测方法 |
Non-Patent Citations (1)
Title |
---|
钱开铸 等: "基流计算方法的进展与应用", 《水文地质工程地质》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674469A (zh) * | 2019-09-27 | 2020-01-10 | 长沙理工大学 | 一种适用于干旱岩溶缺数据地区的水文频率计算方法 |
CN110674469B (zh) * | 2019-09-27 | 2023-04-14 | 长沙理工大学 | 一种适用于干旱岩溶缺数据地区的水文频率计算方法 |
CN111768310A (zh) * | 2020-06-11 | 2020-10-13 | 中国水利水电科学研究院 | 一种水库补水潜力的预测方法、装置及电子设备 |
CN111768310B (zh) * | 2020-06-11 | 2024-03-19 | 中国水利水电科学研究院 | 一种水库补水潜力的预测方法、装置及电子设备 |
CN111984700A (zh) * | 2020-08-17 | 2020-11-24 | 中国电建集团成都勘测设计研究院有限公司 | 一种基于水热耦合平衡原理的月径流预测方法 |
CN111984700B (zh) * | 2020-08-17 | 2023-04-28 | 中国电建集团成都勘测设计研究院有限公司 | 一种基于水热耦合平衡原理的月径流预测方法 |
CN116539006A (zh) * | 2023-05-19 | 2023-08-04 | 清华大学 | 径流预测方法、装置、计算机设备和存储介质 |
CN116539006B (zh) * | 2023-05-19 | 2023-10-03 | 清华大学 | 径流预测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106709168B (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Masoumi et al. | Automatic calibration of the groundwater simulation model with high parameter dimensionality using sequential uncertainty fitting approach | |
Naabil et al. | Water resources management using the WRF-Hydro modelling system: Case-study of the Tono dam in West Africa | |
Chang et al. | Assessing the impact of climate variability and human activities on streamflow variation | |
Peleg et al. | Partitioning the impacts of spatial and climatological rainfall variability in urban drainage modeling | |
Abebe et al. | Sensitivity and uncertainty analysis of the conceptual HBV rainfall–runoff model: Implications for parameter estimation | |
Schuol et al. | Estimation of freshwater availability in the West African sub-continent using the SWAT hydrologic model | |
Setegn et al. | Modeling of Sediment Yield From Anjeni‐Gauged Watershed, Ethiopia Using SWAT Model 1 | |
Huang et al. | Event-based hydrological modeling for detecting dominant hydrological process and suitable model strategy for semi-arid catchments | |
Prasch et al. | Quantifying present and future glacier melt-water contribution to runoff in a central Himalayan river basin | |
Grabs et al. | Modeling spatial patterns of saturated areas: A comparison of the topographic wetness index and a dynamic distributed model | |
CN106709168A (zh) | 一种河流基流量的预测方法 | |
Rusli et al. | Effects of temporal variability on HBV model calibration | |
Zhang et al. | Sensitivity analysis of Xinanjiang rainfall–runoff model parameters: a case study in Lianghui, Zhejiang province, China | |
Li et al. | How much can we gain with increasing model complexity with the same model concepts? | |
Epps et al. | Curve Number derivation for watersheds draining two headwater streams in lower coastal plain South Carolina, USA | |
Boscarello et al. | Integrating glaciers raster‐based modelling in large catchments hydrological balance: the Rhone case study | |
Agrawal et al. | Rainfall runoff modeling using MIKE 11 NAM—a review | |
Firoozi et al. | Developing a framework for assessment of climate change impact on thermal stratification of dam reservoirs | |
Yan et al. | Hydrological modeling of the Jiaoyi watershed (China) using HSPF model | |
Jörg‐Hess et al. | The benefit of climatological and calibrated reforecast data for simulating hydrological droughts in Switzerland | |
Rose et al. | The erosive growth of hillside gullies | |
Shi et al. | Testing a conceptual lumped model in karst area, Southwest China | |
Sangale et al. | Variation of flow of water from Rivers Nzoia, Yala and Sio into Lake Victoria | |
Alipour et al. | Simulation of surface runoff in Karaj dam basin, Iran | |
Akstinas et al. | Consequence of meteorological factors on flood formation in selected river catchments of Lithuania |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |