CN111539114A - 一种基于水文气象时间序列的径流模拟方法及系统 - Google Patents
一种基于水文气象时间序列的径流模拟方法及系统 Download PDFInfo
- Publication number
- CN111539114A CN111539114A CN202010342758.9A CN202010342758A CN111539114A CN 111539114 A CN111539114 A CN 111539114A CN 202010342758 A CN202010342758 A CN 202010342758A CN 111539114 A CN111539114 A CN 111539114A
- Authority
- CN
- China
- Prior art keywords
- runoff
- runoff simulation
- reservoir
- time sequence
- time
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012795 verification Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 57
- 238000001704 evaporation Methods 0.000 claims description 30
- 238000001556 precipitation Methods 0.000 claims description 30
- 230000008020 evaporation Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 10
- 238000004806 packaging method and process Methods 0.000 claims description 9
- 101100409194 Rattus norvegicus Ppargc1b gene Proteins 0.000 claims description 6
- 239000003673 groundwater Substances 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 3
- 238000005538 encapsulation Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000012805 post-processing Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 36
- 208000025174 PANDAS Diseases 0.000 description 7
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 7
- 240000004718 Panda Species 0.000 description 7
- 235000016496 Panda oleosa Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 241000272201 Columbiformes Species 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
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
本发明公开了一种基于水文气象时间序列的径流模拟方法及系统,基于GR4J水文模型的原理建立了径流模拟模型,并利用水文气象时间序列进行对该流域进行径流模拟,带有时间序列的径流模拟结果可直接用于分析和绘图,水文工作者无需对结果进行后处理便可得知每个数据结果对应的具体时间,解决传统的水文模拟结果不带有时间序列所带来的分析不便的问题。通过本发明,只需输入水文气象观测时间序列,设定率定期的时间便可以自动确定模型参数和各个时段的流域状态,同时得到率定期和验证期的观测与径流模拟时间序列对比图。本发明实现了径流模拟的自动化处理,可高效完成一个流域的径流模拟工作。
Description
技术领域
本发明涉及水文分析与水文模拟技术领域,尤其涉及一种基于水文气象时间序列的径流模拟方法及系统。
背景技术
流域水文模型是以一个数学模型来模拟流域降雨-径流形成过程或融雪-径流形成过程,即定量分析从降水、融雪、截留、填洼、蒸发、下渗、径流成分划分、坡地汇流和河槽汇流到形成流域出口断面的径流过程线的全过程,能够为水文工作者在实际工作分析中提供参考。目前使用水文模型进行径流模拟时,由于数据不带有时间序列,输出的径流模拟结果为一个数组,需进行后处理才能够将数据结果与具体的时间一一对应,给水文工作者带来了分析不便等问题,同时对于径流模拟结果的分析存在效率低下的问题。
发明内容
本发明为解决现有的径流模拟方法其模拟结果不便于分析,导致分析效率低下的问题,提供了一种基于水文气象时间序列的径流模拟方法及系统。
为实现以上发明目的,而采用的技术手段是:
一种基于水文气象时间序列的径流模拟方法,包括:
S1.获取水文气象观测时间序列,其包括流域降水、蒸发能力和径流数据;
S2.建立径流模拟模型,设定率定期的时间段,并基于所述水文气象观测时间序列对径流模拟模型的参数进行率定,同时得到各个时段的流域状态;
S3.获取气象时间序列作为径流模拟的输入数据,其包括流域降水、蒸发数据;
S4.对于所述气象时间序列,根据步骤S2确定的径流模拟模型参数及流域状态,得到径流模拟结果并将其可视化;
S5.将步骤S1~S4的计算及可视化过程封装成类函数,调用所述类函数进行径流模拟。
优选的,步骤S2所述的径流模拟模型基于GR4J水文模型原理构建,用于进行流域产流及汇流计算。
优选的,步骤S2所述的径流模拟模型用于计算流域第t天的产流及汇流的具体步骤包括:
a.根据流域降水Pt、蒸发能力Et,确定有效降水Pnt和剩余蒸发能力Ent:
a1.若Pt>Et,则:Pnt=Pt-Et,Ent=0
a2.若Pt<Et,则:Pnt=0,Ent=Et-Pt;
b.根据有效降水Pnt和剩余蒸发能力Ent,计算补充产流水库的降水量Pst和产流水库的蒸发量Est:
b1.若Pnt>0,则Est=0,Pst由下式计算:
式中,Pst为补充产流水库的降水量,St-1为第t-1天产流水库蓄水量,X1为产流水库蓄水容量;
b2.若Pnt=0,则Pst=0,Est由下式计算:
式中,Est为产流水库的蒸发量,St-1为第t-1天产流水库蓄水量,X1为产流水库蓄水容量;
c.计算产流量:
c1.产流水库第t天的蓄水量St为:St=St-1-Est+Pst
c2.产流水库的产流量Perct由下式计算:
c3.扣除产流量Perct后,产流水库第t天的蓄水量St更新为:St=St-Perct;
c4.总的产流量Prt为:Prt=Perct+Pnt-Pst
d.汇流单位线演算:汇流采用时段单位线UH1、UH2进行演算,其中单位线UH1的演算时间为X4天,单位线UH2的演算时间为2X4天,单位线UH1、UH2分别由SH1和SH2演算;
d1.单位线UH1的计算为:
UH1(j)=SH1(j)-SH1(j-1)
d2.单位线UH2的计算为:
UH2(j)=SH2(j)-SH2(j-1)
式中,j为整数,表示第j天;
d3.由两条单位线演算得到的水量分别为:
式中,Q9为进入汇流水库的水量,Q1为直接汇集到流域出口断面的水量,i为整数,表示第i天;
e.计算出口断面总流量:
式中,Rt-1为汇流水库第t-1天的水量,X3为汇流水库蓄水容量,X2为地下水交换系数;
当Q9t汇入汇流水库及考虑地下水交换之后,汇流水库的蓄水量Rt为:Rt=max(0,Q9t+Ft+Rt-1)
汇流水库的出流量Qrt为:
出流后,汇流水库蓄水量Rt更新为:Rt=Rt-Qrt;
单位线UH2推算的水量与地下水交换后,汇集到流域出口断面,出流量Qdt为:Qdt=max(0,Q1t+Ft);
从而第t天流域出口断面总流量Qt为:Qt=Qrt+Qdt。
优选的,所述步骤S2中,对径流模拟模型的参数进行率定采用最小二乘法,其率定的目标函数为纳什效率系数NSE:
式中,Qo为观测值,Qm为模拟值,Qo为观测值的平均值,t为时段。
优选的,所述步骤S2还包括以下步骤:设定验证期的时间段,根据对所述径流模拟模型进行率定所确定的参数及各个时段的流域状态,用验证期的气象时间序列对模型适用性进行验证,验证的指标为纳什效率系数。
优选的,所述步骤S5具体为:在python中通过定义函数def()的方式,将步骤S1~S4的参数率定、验证、径流模拟及可视化过程封装成类函数,并保存为.py格式文件,从而完成类函数的封装;使用import函数调用所述类函数即进行径流模拟。
本发明还提供了基于水文气象时间序列的径流模拟系统,包括:
数据输入模块,用于获取水文气象观测时间序列,其包括流域降水、蒸发能力和径流数据;
参数率定模块,用于建立径流模拟模型;设定率定期的时间段,并基于所述水文气象观测时间序列对径流模拟模型的参数进行率定,同时得到各个时段的流域状态;
气象数据输入模块,用于获取气象时间序列作为径流模拟的输入数据,其包括降水、蒸发数据;
径流模拟模块,用于根据参数率定模块确定的径流模拟模型参数及流域状态,得到径流模拟结果,并对其进行结果可视化;
函数封装与调用模块,用于将各模块的计算及可视化过程封装成类函数,调用所述类函数进行径流模拟。
优选的,所述参数率定模块还用于设定验证期的时间段,根据对所述径流模拟模型进行率定所确定的参数及各个时段的流域状态,用验证期的气象时间序列对模型适用性进行验证,验证的指标为纳什效率系数。
与现有技术相比,本发明技术方案的有益效果是:
本发明基于GR4J水文模型的原理建立了径流模拟模型,并利用水文气象时间序列进行对该流域进行径流模拟,带有时间序列的径流模拟结果可直接用于分析和绘图,水文工作者无需对结果进行后处理便可得知每个数据结果对应的具体时间,解决传统的水文模拟结果不带有时间序列所带来的分析不便的问题。
同时,本发明将基于水文气象时间序列的径流模拟结果可视化,只需输入水文气象观测时间序列,设定率定期的时间便可以自动确定模型参数和各个时段的流域状态,同时得到率定期和验证期的观测与径流模拟时间序列对比图,从而实现了径流模拟的自动化处理,可高效完成一个流域的径流模拟工作,提高工作的便捷度。
附图说明
图1为实施例1方法的技术路线图。
图2为实施例1中GR4J水文模型的模型原理图。
图3为实施例2中水文气象观测时间序列示意图。
图4为实施例2中各个时段的流域状态结果。
图5为实施例2中率定期观测与径流模拟时间序列对比图。
图6为实施例2中验证期观测与径流模拟时间序列对比图。
图7为实施例2中径流模拟时间序列数值结果。
图8为实施例2中径流模拟时间序列图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
一种基于水文气象时间序列的径流模拟方法,本实施例基于开源的Python语言平台实现以下过程,具体包括:
S1.使用Python中第三方库Pandas包读取水文气象观测时间序列数据作为输入数据,包括流域降水、蒸发能力和径流数据;
S2.通过Python语言平台,构建基于GR4J水文模型原理的径流模拟模型,通过设定率定期的时间段,利用Python的第三方库Scipy包中的optimize模块对模型的参数进行率定,同时得到各个时段的流域状态,流域状态数据格式为pandas.Series,索引为日期时间;通过设定验证期的时间段,根据对所述径流模拟模型进行率定所确定的参数及各个时段的流域状态,用验证期的气象时间序列对模型适用性进行验证,验证的指标为纳什效率系数;
其中基于GR4J水文模型原理所构建的径流模拟模型,其用于计算流域第t天的产流及汇流的具体步骤包括:
a.根据流域降水Pt、蒸发能力Et,确定有效降水Pnt和剩余蒸发能力Ent:
a1.若Pt>Et,则:Pnt=Pt-Et,Ent=0
a2.若Pt<Et,则:Pnt=0,Ent=Et-Pt;
b.由于有效降水Pnt一部分水量补给产流水库,另一部分水量直接产流,因此根据有效降水Pnt和剩余蒸发能力Ent,计算补充产流水库的降水量Pst和产流水库的蒸发量Est:
b1.若Pnt>0,则Est=0,Pst由下式计算:
式中,Pst为补充产流水库的降水量,St-1为第t-1天产流水库蓄水量,X1为产流水库蓄水容量;
b2.若Pnt=0,则Pst=0,Est由下式计算:
式中,Est为产流水库的蒸发量,St-1为第t-1天产流水库蓄水量,X1为产流水库蓄水容量;
c.计算产流量:
c1.由于降水补给产流水库使产流水库水量增加或者蒸发使产流水库水量减少,产流水库第t天的蓄水量St为:St=St-1-Est+Pst
c2.产流水库的产流量Perct由下式计算:
c3.扣除产流量Perct后,产流水库第t天的蓄水量St更新为:St=St-Perct;
c4.总的产流量Prt为:Prt=Perct+Pnt-Pst
d.汇流单位线演算:汇流采用时段单位线UH1、UH2进行演算,由于不同径流成分的汇流时间有差异,因此将产流量Pr分为两部分,其中90%采用单位线UH1演算,10%采用单位线UH2演算,前者需要经过汇流水库再次调节,后者直接汇集到流域出口断面。其中单位线UH1的演算时间为X4天,单位线UH2的演算时间为2X4天,单位线UH1、UH2分别由SH1和SH2演算;
d1.单位线UH1的计算为:
UH1(j)=SH1(j)-SH1(j-1)
d2.单位线UH2的计算为:
UH2(j)=SH2(j)-SH2(j-1)
式中,j为整数,表示第j天;
d3.由两条单位线演算得到的水量分别为:
式中,Q9为进入汇流水库的水量,Q1为直接汇集到流域出口断面的水量,i为整数,表示第i天;
e.计算出口断面总流量:
式中,Rt-1为汇流水库第t-1天的水量,X3为汇流水库蓄水容量,X2为地下水交换系数;
当Q9t汇入汇流水库及考虑地下水交换之后,汇流水库的蓄水量Rt为:Rt=max(0,Q9t+Ft+Rt-1)
汇流水库的出流量Qrt为:
出流后,汇流水库蓄水量Rt更新为:Rt=Rt-Qrt;
单位线UH2推算的水量与地下水交换后,汇集到流域出口断面,出流量Qdt为:Qdt=max(0,Q1t+Ft);
从而第t天流域出口断面总流量Qt为:Qt=Qrt+Qdt。
S3.使用Python中第三方库Pandas包读取气象时间序列作为径流模拟的输入数据,其包括流域降水、蒸发数据;
S4.根据步骤S2确定的径流模拟模型参数及流域状态,以及步骤S3所输入的气象时间序列,得到径流模拟结果并将其可视化;径流模拟结果数据格式为pandas.Series,索引为日期时间;利用Matplotlib中的pyplot函数对径流模拟结果进行可视化;
S5.在Python中,用class()和def()的方式封装成类函数,使用import函数调用该类函数即可进行径流模拟。
实施例2
本实施例2基于实施例1所提供的一种基于水文气象时间序列的径流模拟方法,以美国田纳西州小鸽子河流域的水文气象观测时间序列进行径流模拟。具体步骤如下:
S1.用class语句定义类,并在类中用def()定义率定、验证和径流模拟等函数,将与函数相关的数学过程和可视化过程通过编程实现,封装成类函数,并保存为.py文件;
S2.以美国田纳西州小鸽子河流域的水文气象观测时间序列为数据源,如图3,第一列为观测值对应的日期索引,第二列为降水观测值,第三列为蒸发观测值,第四列为径流观测值,该水文气象观测时间序列为1948年1月1日~1982年2月28日的观测数据。使用Python第三方库的Pandas包中read_csv函数读取数据文件中的数据,同时用其中的to_datetime函数根据日期索引创建Pandas可以识别的datetime对象;
S3.创建一个.py文件,用以编写主函数。在主函数中,通过import语句调用步骤S1中开发的类,并根据径流模拟的步骤依次调用类中的率定、验证和径流模拟函数。
①调用率定函数,将率定期时间段设置为1950年1月1日~1960年12月31日,得到参数率定的结果和各个时段的流域状态,该流域的参数率定结果如表1所示,各个时段的流域状态如图4所示。
表1小鸽子河流域GR4J参数率定结果
参数 | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> |
率定值 | 290.56 | -0.62 | 38.05 | 1.39 |
②调用验证函数,将验证期时间段设置为1965年1月1日~1969年12月31日,检验径流模拟模型对该流域的适用性,调用率定期和验证期的绘图(可视化)函数,结果如图5和图6,调用率定期和验证期的查看纳什效率系数函数,查看结果,结果如表2。
表2率定期和验证期的纳什效率系数
率定期 | 验证期 | |
纳什效率系数 | 0.815 | 0.609 |
③调用径流模拟函数,输入气象(流域降水、蒸发)时间序列,该气象时间序列的时间段为1970年1月1日~1970年6月30日,通过径流模拟模型计算得到径流模拟时间序列,数值结果如图7所示,调用绘图函数绘制(即对径流模拟结果进行可视化)径流模拟时间序列折线图供参考分析,如图8所示。
S4.根据S3中计算得到的数值结果和图片结果,采用不同的储存方式,具体方法如下:
①数值结果储存:通过to_csv()函数将pandas.DataFrame对象以CSV格式存储到指定位置。
②图片结果存储:通过Matplotlib中savefig函数将图片结果存储到指定的位置。
实施例3
基于水文气象时间序列的径流模拟系统,包括:
数据输入模块,用于获取水文气象观测时间序列,其包括流域降水、蒸发能力和径流数据;
参数率定模块,用于建立径流模拟模型;设定率定期的时间段,并基于所述水文气象观测时间序列对径流模拟模型的参数进行率定,同时得到各个时段的流域状态;并用于设定验证期的时间段,根据对所述径流模拟模型进行率定所确定的参数及各个时段的流域状态,用验证期的气象时间序列对模型适用性进行验证,验证的指标为纳什效率系数。
气象数据输入模块,用于获取气象时间序列作为径流模拟的输入数据,其包括降水、蒸发数据;
径流模拟模块,用于根据参数率定模块确定的径流模拟模型参数及流域状态,得到径流模拟结果,并对其进行结果可视化;
函数封装与调用模块,用于将各模块的计算及可视化过程封装成类函数,调用所述类函数进行径流模拟。
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于水文气象时间序列的径流模拟方法,其特征在于,包括:
S1.获取水文气象观测时间序列,其包括流域降水、蒸发能力和径流数据;
S2.建立径流模拟模型,设定率定期的时间段,并基于所述水文气象观测时间序列对径流模拟模型的参数进行率定,同时得到各个时段的流域状态;
S3.获取气象时间序列作为径流模拟的输入数据,其包括流域降水、蒸发数据;
S4.对于所述气象时间序列,根据步骤S2确定的径流模拟模型参数及流域状态,得到径流模拟结果并将其可视化;
S5.将步骤S1~S4的计算及可视化过程封装成类函数,调用所述类函数进行径流模拟。
2.根据权利要求1所述的基于水文气象时间序列的径流模拟方法,其特征在于,步骤S2所述的径流模拟模型基于GR4J水文模型原理构建,用于进行流域产流及汇流计算。
3.根据权利要求2所述的基于水文气象时间序列的径流模拟方法,其特征在于,步骤S2所述的径流模拟模型用于计算流域第t天的产流及汇流的具体步骤包括:
a.根据流域降水Pt、蒸发能力Et,确定有效降水Pnt和剩余蒸发能力Ent:
a1.若Pt>Et,则:Pnt=Pt-Et,Ent=0
a2.若Pt<Et,则:Pnt=0,Ent=Et-Pt;
b.根据有效降水Pnt和剩余蒸发能力Ent,计算补充产流水库的降水量Pst和产流水库的蒸发量Est:
b1.若Pnt>0,则Est=0,Pst由下式计算:
式中,Pst为补充产流水库的降水量,St-1为第t-1天产流水库蓄水量,X1为产流水库蓄水容量;
b2.若Pnt=0,则Pst=0,Est由下式计算:
式中,Est为产流水库的蒸发量,St-1为第t-1天产流水库蓄水量,X1为产流水库蓄水容量;
c.计算产流量:
c1.产流水库第t天的蓄水量St为:St=St-1-Est+Pst
c2.产流水库的产流量Perct由下式计算:
c3.扣除产流量Perct后,产流水库第t天的蓄水量St更新为:St=St-Perct;
c4.总的产流量Prt为:Prt=Perct+Pnt-Pst
d.汇流单位线演算:汇流采用时段单位线UH1、UH2进行演算,其中单位线UH1的演算时间为X4天,单位线UH2的演算时间为2X4天,单位线UH1、UH2分别由SH1和SH2演算;
d1.单位线UH1的计算为:
UH1(j)=SH1(j)-SH1(j-1)
d2.单位线UH2的计算为:
UH2(j)=SH2(j)-SH2(j-1)
式中,j为整数,表示第j天;
d3.由两条单位线演算得到的水量分别为:
式中,Q9为进入汇流水库的水量,Q1为直接汇集到流域出口断面的水量,i为整数,表示第i天;
e.计算出口断面总流量:
式中,Rt-1为汇流水库第t-1天的水量,X3为汇流水库蓄水容量,X2为地下水交换系数;
当Q9t汇入汇流水库及考虑地下水交换之后,汇流水库的蓄水量Rt为:Rt=max(0,Q9t+Ft+Rt-1)
汇流水库的出流量Qrt为:
出流后,汇流水库蓄水量Rt更新为:Rt=Rt-Qrt;
单位线UH2推算的水量与地下水交换后,汇集到流域出口断面,出流量Qdt为:Qdt=max(0,Q1t+Ft);
从而第t天流域出口断面总流量Qt为:Qt=Qrt+Qdt。
5.根据权利要求1所述的基于水文气象时间序列的径流模拟方法,其特征在于,所述步骤S2还包括以下步骤:设定验证期的时间段,根据对所述径流模拟模型进行率定所确定的参数及各个时段的流域状态,用验证期的气象时间序列对模型适用性进行验证,验证的指标为纳什效率系数。
6.根据权利要求1所述的基于水文气象时间序列的径流模拟方法,其特征在于,所述步骤S5具体为:在python中通过定义函数def()的方式,将步骤S1~S4的参数率定、验证、径流模拟及可视化过程封装成类函数,并保存为.py格式文件,从而完成类函数的封装;使用import函数调用所述类函数即进行径流模拟。
7.基于水文气象时间序列的径流模拟系统,其特征在于,包括:
数据输入模块,用于获取水文气象观测时间序列,其包括流域降水、蒸发能力和径流数据;
参数率定模块,用于建立径流模拟模型;设定率定期的时间段,并基于所述水文气象观测时间序列对径流模拟模型的参数进行率定,同时得到各个时段的流域状态;
气象数据输入模块,用于获取气象时间序列作为径流模拟的输入数据,其包括降水、蒸发数据;
径流模拟模块,用于根据参数率定模块确定的径流模拟模型参数及流域状态,得到径流模拟结果,并对其进行结果可视化;
函数封装与调用模块,用于将各模块的计算及可视化过程封装成类函数,调用所述类函数进行径流模拟。
8.根据权利要求7所述的基于水文气象时间序列的径流模拟系统,其特征在于,所述参数率定模块还用于设定验证期的时间段,根据对所述径流模拟模型进行率定所确定的参数及各个时段的流域状态,用验证期的气象时间序列对模型适用性进行验证,验证的指标为纳什效率系数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010342758.9A CN111539114A (zh) | 2020-04-27 | 2020-04-27 | 一种基于水文气象时间序列的径流模拟方法及系统 |
PCT/CN2020/094014 WO2021217776A1 (zh) | 2020-04-27 | 2020-06-02 | 一种基于水文气象时间序列的径流模拟方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010342758.9A CN111539114A (zh) | 2020-04-27 | 2020-04-27 | 一种基于水文气象时间序列的径流模拟方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111539114A true CN111539114A (zh) | 2020-08-14 |
Family
ID=71973134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010342758.9A Pending CN111539114A (zh) | 2020-04-27 | 2020-04-27 | 一种基于水文气象时间序列的径流模拟方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111539114A (zh) |
WO (1) | WO2021217776A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985106A (zh) * | 2020-08-20 | 2020-11-24 | 三峡大学 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
CN115374638A (zh) * | 2022-08-24 | 2022-11-22 | 中国水利水电科学研究院 | 一种基于径流模拟的城市不透水面空间管控方法 |
CN116561988A (zh) * | 2023-04-18 | 2023-08-08 | 武汉大学 | 流域日尺度水平衡的模拟方法 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357737B (zh) * | 2021-12-21 | 2024-04-05 | 武汉大学 | 针对大尺度水文模型时变参数的代理优化率定方法 |
CN114491978B (zh) * | 2022-01-04 | 2024-04-19 | 三峡大学 | 基于时变参数水文不确定性处理器的日模型实时预报方法 |
CN114491768B (zh) * | 2022-02-16 | 2022-11-18 | 河海大学 | 一种变动产流层统一模式产流计算方法 |
CN114417740B (zh) * | 2022-03-30 | 2022-06-24 | 青岛杰瑞工控技术有限公司 | 一种深海养殖态势感知方法 |
CN115408485B (zh) * | 2022-09-01 | 2023-04-04 | 中国科学院空天信息创新研究院 | 一种基于站点集水区小样本观测的径流重建方法和系统 |
CN115659686B (zh) * | 2022-11-06 | 2023-11-21 | 长江水利委员会水文局 | 一种复杂河型断面法河道沿程槽蓄量批量计算方法 |
CN115796659B (zh) * | 2022-11-16 | 2023-07-18 | 中国水利水电科学研究院 | 一种基于区域尺度蒸发衰退估计城市蓄水能力的方法 |
CN115860421B (zh) * | 2022-12-26 | 2023-08-29 | 长江水利委员会水文局 | 适配目标保证率的生态流量动态计算方法及系统 |
CN116415755B (zh) * | 2023-05-26 | 2023-11-21 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种基于条件概率分布的径流变异程度评估方法 |
CN117094575B (zh) * | 2023-10-19 | 2024-01-30 | 长江三峡集团实业发展(北京)有限公司 | 降水产品的水文适用性综合评价方法、装置、设备及介质 |
CN117313425B (zh) * | 2023-11-21 | 2024-01-26 | 交通运输部天津水运工程科学研究所 | 一种年均含沙量的计算方法 |
CN117744428B (zh) * | 2023-11-29 | 2024-05-14 | 中国水利水电科学研究院 | 一种基于时变产流强度的等流时线汇流计算方法 |
CN117649133B (zh) * | 2024-01-30 | 2024-04-12 | 长江水利委员会水文局 | 一种面向大型水库水面蒸发的预测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289570A (zh) * | 2011-07-23 | 2011-12-21 | 浙江大学 | 基于降雨-径流-洪水演进计算的洪水预报方法 |
CN106599571A (zh) * | 2016-12-12 | 2017-04-26 | 武汉大学 | 兼顾流量和蒸发的流域水文模型分期率定方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10962682B2 (en) * | 2015-12-15 | 2021-03-30 | Wuhan University | System and method for forecasting floods |
CN106682355B (zh) * | 2017-01-12 | 2018-12-21 | 中国水利水电科学研究院 | 一种基于pso-ga混合算法的水文模型参数率定方法 |
CN110570021B (zh) * | 2019-08-15 | 2020-06-30 | 清华大学 | 径流模拟方法、装置以及计算机设备 |
-
2020
- 2020-04-27 CN CN202010342758.9A patent/CN111539114A/zh active Pending
- 2020-06-02 WO PCT/CN2020/094014 patent/WO2021217776A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289570A (zh) * | 2011-07-23 | 2011-12-21 | 浙江大学 | 基于降雨-径流-洪水演进计算的洪水预报方法 |
CN106599571A (zh) * | 2016-12-12 | 2017-04-26 | 武汉大学 | 兼顾流量和蒸发的流域水文模型分期率定方法 |
Non-Patent Citations (3)
Title |
---|
GEORGY AYZEL ET AL.: "OpenForecast: The First Open-Source Operational Runoff Forecasting System in Russia", WATER, vol. 11, no. 8, 26 July 2019 (2019-07-26), pages 1 - 7 * |
邓鹏鑫 等: "GR4J 模型在赣江流域日径流模拟中的应用", 水文, vol. 34, no. 2, pages 60 - 65 * |
都金康 等: "基于栅格的分布式降雨径流模拟系统及应用", 地理科学, vol. 26, no. 1, pages 58 - 62 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985106A (zh) * | 2020-08-20 | 2020-11-24 | 三峡大学 | 一种基于多点并行校正的分布式水文模型参数率定方法 |
CN115374638A (zh) * | 2022-08-24 | 2022-11-22 | 中国水利水电科学研究院 | 一种基于径流模拟的城市不透水面空间管控方法 |
CN116561988A (zh) * | 2023-04-18 | 2023-08-08 | 武汉大学 | 流域日尺度水平衡的模拟方法 |
CN116561988B (zh) * | 2023-04-18 | 2024-04-02 | 武汉大学 | 流域日尺度水平衡的模拟方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021217776A1 (zh) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539114A (zh) | 一种基于水文气象时间序列的径流模拟方法及系统 | |
Zhang et al. | A comprehensive assessment framework for quantifying climatic and anthropogenic contributions to streamflow changes: A case study in a typical semi-arid North China basin | |
Draper et al. | Economic-engineering optimization for California water management | |
Barati | Application of excel solver for parameter estimation of the nonlinear Muskingum models | |
US10795382B2 (en) | Method and apparatus for model-based control of a water distribution system | |
Davidsen et al. | Using stochastic dynamic programming to support water resources management in the Ziya River Basin, China | |
Sherafatpour et al. | Agricultural water allocation by integration of hydro-economic modeling with Bayesian networks and random forest approaches | |
Arnold et al. | Quantifying the economic importance of irrigation water reuse in a C hilean watershed using an integrated agent‐based model | |
CN113361742A (zh) | 一种基于水文模拟的区域综合干旱识别方法 | |
CN112415635A (zh) | 一种耦合伽马与高斯分布的月尺度降水预报校正方法 | |
Sharghi et al. | An uncertainty-based smart market model for groundwater management | |
Kracman et al. | Stochastic optimization of the highland lakes system in Texas | |
Schoups et al. | Reliable conjunctive use rules for sustainable irrigated agriculture and reservoir spill control | |
Oad et al. | Decision support systems for efficient irrigation in the Middle Rio Grande Valley | |
CN108564246A (zh) | 一种农田土壤氧化亚氮温室气体排放估算方法及装置 | |
Mounir et al. | Development of a reservoir system operation model for water sustainability in the Yaqui River Basin | |
Zagona et al. | RiverWare | |
US20170061347A1 (en) | Computerized system and method for predicting quantity levels of a resource | |
CN114218648A (zh) | 一种项目材料消耗跟踪告警算法和系统 | |
Lockart et al. | The flow of numbers through the lower hunter water security plan | |
Kinzli et al. | Validation of a decision support system for improving irrigation system performance | |
Fisher et al. | Managing river flow in arid regions with matrix analytic methods | |
Sushanth et al. | Development of a Reservoir Module for a Distributed Hydrological Model | |
Sushanth et al. | Development of reservoir module for a distributed conceptual hydrological model | |
Pickett-Heaps et al. | Seasonal hydrological forecasting at the Bureau of Meteorology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |