CN111914432B - 一种基于大数据的水文预报方法 - Google Patents

一种基于大数据的水文预报方法 Download PDF

Info

Publication number
CN111914432B
CN111914432B CN202010819116.3A CN202010819116A CN111914432B CN 111914432 B CN111914432 B CN 111914432B CN 202010819116 A CN202010819116 A CN 202010819116A CN 111914432 B CN111914432 B CN 111914432B
Authority
CN
China
Prior art keywords
soil
calculation
rain
infiltration
evaporation
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
Application number
CN202010819116.3A
Other languages
English (en)
Other versions
CN111914432A (zh
Inventor
李胜
田彪
张�荣
郑强
杨正熙
罗宇翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUIZHOU EAST CENTURY TECHNOLOGY CO LTD
Original Assignee
GUIZHOU EAST CENTURY TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GUIZHOU EAST CENTURY TECHNOLOGY CO LTD filed Critical GUIZHOU EAST CENTURY TECHNOLOGY CO LTD
Priority to CN202010819116.3A priority Critical patent/CN111914432B/zh
Priority to PCT/CN2020/123711 priority patent/WO2022032872A1/zh
Publication of CN111914432A publication Critical patent/CN111914432A/zh
Application granted granted Critical
Publication of CN111914432B publication Critical patent/CN111914432B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

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

本发明公开了一种基于大数据的水文预报方法，它包括：步骤1、将整个流域按范围划分为各个基本计算单元，步骤2、对每个计算单元进行产流计算；步骤3、根据产流计算结果对每个计算单元进行汇流计算；步骤4、对每个计算单元输出流量过程进行河网演进叠加计算，最终得到整个流域断面出口流量；根据流域断面出口流量水文预报；解决了现有技术中水文预报主要采用新安江模型存在的由于模型的参数得不到准确的率定，最终导致新安江模型计算的预报结果存在准确度较差等问题；参数率定的难度和应用地区的限制，导致新安江模型很难向无水文资料地区进行大力的技术推广和应用等技术问题。

Description

一种基于大数据的水文预报方法
技术领域
本发明属于水文预报技术，尤其涉及一种基于大数据的水文预报方法。
背景技术
水文预报对防洪、抗旱和水资源合理利用等领域中有着重要意义。在现有技术中，我国一般常用的水文预报模型是新安江模型。目前，新安江模型针对无资料地区和干旱地区的水文预报存在一定的限制。在新安江模型中，土壤蒸发机制采用的是三层蒸发模式，对于无水文资料的地区，模型的蒸发参数较难率定，很难通过流域下垫面因子对蒸发参数进行率定估值；另外，新安江模型的产流计算机制只适用于湿润地区，而不适应干旱地区。参数率定的难度和应用地区的限制，导致新安江模型很难大范围普及，尤其是向无资料地区进行技术推广和应用；同时，由于模型的参数得不到准确的率定，最终导致新安江模型计算的预报结果存在准确度较差等问题。
发明内容
本发明要解决的技术问题是：提供一种基于大数据的水文预报方法，以解决现有技术中水文预报主要采用新安江模型存在的由于模型的参数得不到准确的率定，最终导致新安江模型计算的预报结果存在准确度较差等问题；参数率定的难度和应用地区的限制，导致新安江模型很难向无水文资料地区进行大力的技术推广和应用等技术问题。
本发明的技术方案是：
一种基于大数据的水文预报方法，它包括：
步骤1、将整个流域按范围划分为各个基本计算单元，
步骤2、对每个计算单元进行产流计算；
步骤3、根据产流计算结果对每个计算单元进行汇流计算；
步骤4、对每个计算单元输出流量过程进行河网演进叠加计算，最终得到整个流域断面出口流量；根据流域断面出口流量水文预报。
它还包括：步骤5、对最大下渗率F0、稳定下渗率Fc、霍顿下渗公式系数Beta、流域土壤田间持水能力Wm和参数Em进行率定。
步骤1所述基本计算单元的划分方法包括：将流域内互不嵌套的分水岭作为基本计算单元；一个计算单元对应一个计算点，计算点分为叶子和区间两种类型，上游计算点通过马斯京根算法与下游计算点进行连接。
每个计算单元的降水输入采用气象部门的5平方公里降雨栅格数据；按流域内各个分水岭范围进行分别提取。
步骤2所述对每个计算单元进行产流计算的方法包括：
步骤2.1、当降水量或降雨量h到达地面时，按流域蒸发能力Em进行降水扣损,得到扣损后的降雨量PE，损失的降雨量为记为ES，即PE+ES＝h；PE<0时激活土壤蒸发计算，并置PE为0；激活土壤蒸发计算后，执行步骤2.4完成一次产流迭代计算；
步骤2.2、当降水扣损后，如果PE>0，则按水文标准算法，通过流域蓄水容量曲线进行蓄满产流计算；输出净雨R和蓄满吸收量DW，将输出净雨R通过二水源算法得到地上净雨Rs和地下净雨hg；得到地上净雨Rs后，根据霍顿下渗公式结合土壤含水量W，推算下渗率fv；
步骤2.3、根据当前下渗率fv和产流面积比a，进行第一次壤中净雨分配，得出壤中净雨的第一部分dhss1和地表净雨hs；再进行第二次壤中净雨分配，从蓄满吸收量DW得到第二部分壤中净雨dhss2，并修正DW；最后合并dhss1和dhss2得到最终的壤中净雨hss；
步骤2.4、通过渗漏机制，根据壤中自由水转换率SSCR和地下水渗漏转换率GCR，实现壤中净雨hss向地下净雨hg，以及地下净雨hg向深层地下水hdg的转换。
对计算单元进行汇流计算的内容包括：地表汇流Ds、壤中汇流Dss和地下汇流Dg的计算；地表汇流采用瞬时单位线方法实现，壤中汇流Dss和地下汇流Dg采用线性水库方法实现；
将地表净雨通过瞬时单位线转换为流量过程的算法：
Figure BDA0002633841390000031
其中，Ui为瞬时单位线第i时刻对应的值；Dui为地表净雨hs对应的第i时刻的流量值，F为流域面积。
所述进行河网演进叠加的方法为马斯京根河道演进算法。
对于一个区间结点，出流量Q等于上游入流QuI演进到结点的出流QuO加结点区间的总汇流量D，即：
Figure BDA0002633841390000032
Di＝Dsi+Dssi+Dgi
Qi＝QuOi+Di
其中，QuOi-1表示区间河道第i-1时刻演进出流量，QuIi表示区间河道第i时刻入流量,
Figure BDA0002633841390000033
为平均流速，X为流量比重系数，L为区间河道长度，
QuOi表示区间河道第i时刻的出流量。
最大下渗率F0、稳定下渗率Fc、霍顿下渗公式系数Beta、流域土壤田间持水能力Wm和参数Em的率定方法包括：
根据土壤质地和概化土壤间隙度，推导最大下渗率F0、稳定下渗率Fc和霍顿下渗公式系数Beta；
根据霍顿下渗公式试算Wm，并引用土地利用类型的影响系数进行修正试算；依据土壤含水量分区和实测样本进行验证，并进行相应的反馈优化；一直循环进行参数优化，直到获得准确的成果，最后输出Wm、F0、Fc和Beta栅格成果；
所述参数Em率定方法为：
基于30年雨站点统计计算干旱指数和汛期权重系数；根据经验关系拟定干旱指数曲线；
根据干旱指数公式，反推年蒸发能力，并结合汛期权重系数计算汛期蒸发能力；
对比实测样本，然后反馈优化干旱指数曲线；
得到结果后，再加入土地利用影响系数进行进一步优化；直到获得最终成果；最后输出Em栅格。
所述土壤蒸发的计算方法为：
建立土壤含水量w与土壤蒸发量Ew的相关曲线，简称土壤蒸发曲线；
通过土壤蒸发曲线中的Em、Wm和Wb来反应不同流域的蒸发特性；Em为流域日蒸发能力(mm/d)，Wm为流域土壤田间持水能力(mm)，Wb为流域土壤毛管断裂含水量(mm)。土壤蒸发曲线的数学公式如下：
Figure BDA0002633841390000041
式中，K1和K2是全局的归一化形状系数，用于控制曲线在Wm和Wb两个区域的弯曲度；
根据流域某个时刻的土壤含水量w计算这个时刻的土壤蒸发量Ew；土壤蒸发量计算必须限制Ew+Es<＝Em。
当前下渗率fv推导逻辑表达式为：
fv＝F(W,F0,Fc,Beta)
其中，F0为最大下渗率；Fc为稳定下渗率；Beta为霍顿下渗公式系数。
第一次壤中净雨分配公式为：
Figure BDA0002633841390000051
hs＝Rs-dhss1
第二次壤中净雨计算公式为：
Figure BDA0002633841390000052
hss＝dhss1+dhss2
以上步骤在计算hss时，需要将hhs累加到壤中自由水总量Wss，同时Wss应该受壤中自由水总量上限MaxWss的控制，如果超出上限，则需要将hss重新修正，并将多余部分归为地表净雨hs；MaxWss的值等于WM和壤中自由水容量系数WSSC的乘积；
dhss＝F(W,WM,Fc,SSCR,hss,hg)
hdg＝F(Fc,GCR,hg)
上式中，dhss为壤中净雨到地下净雨的转换量；hdg为地下净雨到深层地下水的转换量；计算中设定深层地下水不再产生汇流量。
对于每次产流迭代计算，必须根据水量平衡原理保证下述公式成立：
PE＝hs+hss+hg+hdg。
本发明有益效果：
本发明基于传统水文计算的基本原理，并参考了新安江模型的部分算法思想重新构建而成的水文计算方法；本发明将土壤、植被、土地利用和地质等下垫面的物理因素与EC模型的参数体系进行有效关联，从而解决无资料地区水文预报的技术难题；本发明水源划分采用了分层模式，并结合流域下渗曲线和动态渗漏算法实现了水源的划分机制；其中，稳定下渗率Fc用于控制地下水分配，下渗率fv用于控制壤中净雨分配量，并通过WSSC对壤中流线性水库进行总量控制；SSCR和GCR两个参数是与稳定下渗Fc严格相关的，在一定程度上可以用于模拟干旱地区的产流现象；本发明基于瞬时单位线，根据净雨强度动态计算，提升了流域计算单元的划分密度。
本发明充分利用现代GIS(遥感遥测和地理信息)系统技术，利用GIS提取流域地形、土壤、植被的强大功能，建立具有物理概念基础的大数据的水文预报方法，使计算参数客观化，尽量避免人为调试或选取参数的主观性，从而加强算法的通用性，以解决无资料地区中小流域洪水预报的困难；采用大数据分析方法对参数进行反馈优化率定，提高了算法参数适应度，有助于向无资料地区进行技术推广与应用。
本发明优点：
提升了模型降雨输入的精度。
通过土壤蒸发曲线简化了相关蒸发参数的估值和率定工作。
充分利用土壤的下渗曲线，通过额外的渗漏机制实现三水源划分，提升了模型对干旱地区产流计算的适应度。
通过大数据分析方法，建立了模型参数与土壤、植被、土地利用和地质等下垫面物理因素的映射关系；为无资料地区的洪水预报，提供了技术支撑。
解决了现有技术中水文预报主要采用新安江模型存在的由于模型的参数得不到准确的率定，最终导致新安江模型计算的预报结果存在准确度较差等问题；参数率定的难度和应用地区的限制，导致新安江模型很难向无水文资料地区进行大力的技术推广和应用等技术问题。
具体实施方式
一种基于大数据的水文预报方法，它包括：
步骤1、计算单元划分：将整个流域按范围划分为各个基本计算单元；
步骤1所述将整个流域按范围划分为各个基本计算单元的方法包括：将互不嵌套的分水岭作为基本计算单元；一个计算单元对应一个计算点，计算点分为叶子和区间两种类型，上游计算点通过马斯京根算法与下游计算点进行连接。
本发明每个计算单元的降水输入采用气象部门的5平方公里降雨栅格数据；按流域内各个分水岭范围进行分别提取；而传统新安江模型应用一般是根据雨量站点分布，按泰森多边形进行降雨提取；因此本发明的水文预报精度相对现有技术有很大的提高。
本发明利用30米DEM数据，建立了全流域的水系和30km^2以下小流域的分水岭的数据集成果，计算单元划分比传统新安江模型更加合理和精细。
步骤2、对每个计算单元进行产流计算；
步骤2所述对每个计算单元进行产流计算的方法包括：
步骤2.1、当降水量或降雨量h到达地面时，按流域蒸发能力Em进行降水扣损,得到扣损后的降雨量PE，损失的降雨量为记为ES,即PE+ES＝h；
PE<0时激活土壤蒸发计算，并置PE为0；激活土壤蒸发计算后，执行步骤2.4完成一次产流迭代计算。
所述土壤蒸发的计算方法为：
建立土壤含水量w与土壤蒸发量Ew的相关曲线，简称土壤蒸发曲线；
通过土壤蒸发曲线中的Em、Wm和Wb来反应不同流域的蒸发特性；Em为流域日蒸发能力(mm/d)，Wm为流域土壤田间持水能力(mm)，Wb为流域土壤毛管断裂含水量(mm)。土壤蒸发曲线的数学公式如下：
Figure BDA0002633841390000081
式中，K1和K2是全局的归一化形状系数，用于控制曲线在Wm和Wb两个区域的弯曲度。
在产流计算中，可以根据流域某个时刻的土壤含水量w计算这个时刻的土壤蒸发量Ew；土壤蒸发量计算必须限制Ew+Es<＝Em，否则要修正Ew的值来保证Ew+Es＝Em。
步骤2.2、当降水扣损后，如果PE>0，则按水文标准算法，通过流域蓄水容量曲线进行蓄满产流计算；输出净雨R和蓄满吸收量DW，将输出净雨R通过二水源算法得到地上净雨Rs和地下净雨hg；得到地上净雨Rs后，根据霍顿下渗公式结合土壤含水量W，推算下渗率fv。
步骤2.3、根据当前下渗率fv和产流面积比a，进行第一次壤中净雨分配，得出壤中净雨的第一部分dhss1和地表净雨hs；再进行第二次壤中净雨分配，从蓄满吸收量DW得到第二部分壤中净雨dhss2，并修正DW；最后合并dhss1和dhss2得到最终的壤中净雨hss。
当前下渗率fv推导逻辑表达式为：
fv＝F(W,F0,Fc,Beta)
其中，F0为最大下渗率；Fc为稳定下渗率；Beta为霍顿下渗公式系数。
第一次壤中净雨分配公式为：
Figure BDA0002633841390000091
hs＝Rs-dhss1
第二次壤中净雨计算公式为：
Figure BDA0002633841390000092
hss＝dhss1+dhss2
以上步骤在计算hss时，需要将hhs累加到壤中自由水总量Wss，同时Wss应该受壤中自由水总量上限MaxWss的控制，如果超出上限，则需要将hss重新修正，并将多余部分归为地表净雨hs。MaxWss的值等于WM和壤中自由水容量系数WSSC的乘积。
步骤2.4、通过渗漏机制，根据壤中自由水转换率SSCR和地下水渗漏转换率GCR，实现壤中净雨hss向地下净雨hg，及地下净雨hg向深层地下水hdg的转换。
dhss＝F(W,WM,Fc,SSCR,hss,hg)
hdg＝F(Fc,GCR,hg)
上式中，dhss为壤中净雨到地下净雨的转换量；hdg为地下净雨到深层地下水的转换量。模型中，设定深层地下水不再产生汇流量。
对于每次产流迭代计算，必须根据水量平衡原理保证下述公式成立：
PE＝hs+hss+hg+hdg
步骤3、根据产流计算结果对每个计算单元进行汇流计算；
对计算单元进行汇流计算的内容包括：地表汇流Ds、壤中汇流Dss和地下汇流Dg的计算。地表汇流采用瞬时单位线方法实现，壤中汇流Dss和地下汇流Dg采用线性水库方法实现。
将地表净雨通过瞬时单位线转换为流量过程的算法：
Figure BDA0002633841390000101
其中，Ui为瞬时单位线第i时刻对应的值；Dui为地表净雨hs对应的第i时刻的流量值，F为流域面积。
瞬时单位线确定的关键问题是确定流域洪水滞时TL；
本发明采用公式：
TL＝T(H,F,C,J,Ke,LLR)
进行计算；其中T(X)为滞时概化率定函数，H为地表净雨强度，F为流域面积，C为坡面流速系数，J为流域平均坡度比，Ke为形状系数，LLR为蓄滞系数。
步骤4、对每个计算单元输出流量过程进行河网演进叠加计算，最终得到整个流域断面出口流量。
所述进行河网演进叠加的方法为马斯京根河道演进算法。
对于一个区间结点，出流量Q等于上游入流QuI演进到结点的出流QuO加结点区间的总汇流量D。即：
Figure BDA0002633841390000102
Di＝Dsi+Dssi+Dgi
Qi＝QuOi+Di
其中，QuOi-1表示区间河道第i-1时刻演进出流量，QuIi表示区间河道第i时刻入流量,
Figure BDA0002633841390000111
为平均流速，X为流量比重系数，L为区间河道长度，QuOi表示区间河道第i时刻的出流量。
最大下渗率F0、稳定下渗率Fc、霍顿下渗公式系数Beta和流域土壤田间持水能力Wm的率定：
1、根据土壤质地，概化土壤间隙度，推导最大下渗率F0、稳定下渗率Fc和霍顿下渗公式系数Beta。
2、根据霍顿下渗公式试算Wm，并引用土地利用类型的影响系数进行修正试算。
3、依据中国土壤含水量分区和实测样本进行验证，并进行相应的反馈优化。
4、多次循环，进行参数优化。直到获得较满意的成果。最后输出Wm、F0、Fc和Beta栅格成果。
参数Em率定
1、基于30年雨站点统计计算干旱指数和汛期权重系数；根据经验关系拟定干旱指数曲线。
2、根据干旱指数公式，反推年蒸发能力，并结合汛期权重系数计算汛期蒸发能力。
3、加入模型演算，并对比实测样本，然后反馈优化干旱指数曲线。
4、得到较理想结果后，再加入土地利用影响系数进行进一步优化。
5、执行多次优化步骤，直到获得满意成果。最后，输出Em栅格。
参数的率定作为模型应用的一个重要环节，大部分的流域水文模型特别是中小流域的一些参数不能直接通过观测试验确定。它们的取值却与流域的下垫面特征有着一定的关系，但现实中却不能直接与流域的下垫面特征建立起关系，所以对于流域水文模型来说参数的确定仍然是一个比较困难的问题。
本发明借助大数据分析的方法，基于一些理论数学公式，通过不断的迭代和反馈试算，获取一个相对合理的参数估值结果；以解决现有技术的不足。

Claims (9)

1.一种基于大数据的水文预报方法，它包括：
步骤1、将整个流域按范围划分为各个基本计算单元，
步骤2、对每个计算单元进行产流计算；
步骤2所述对每个计算单元进行产流计算的方法包括：
步骤2.1、当降水量或降雨量h到达地面时，按流域日蒸发能力Em进行降水扣损， 得到扣损后的降雨量PE，损失的降雨量为记为ES，即PE+ES＝h；
PE<0时激活土壤蒸发计算，并置PE为0；激活土壤蒸发计算后，执行步骤2.4完成一次产流迭代计算；
步骤2.2、当降水扣损后，如果PE>0，则按水文标准算法，通过流域蓄水容量曲线进行蓄满产流计算；输出净雨R和蓄满吸收量DW，将输出净雨R通过二水源算法得到地上净雨Rs和地下净雨hg；得到地上净雨Rs后，根据霍顿下渗公式结合土壤含水量W，推算下渗率fv；
步骤2.3、根据当前下渗率fv和产流面积比a，进行第一次壤中净雨分配，得出壤中净雨的第一部分dhss1和地表净雨hs；再进行第二次壤中净雨分配，从蓄满吸收量DW得到第二部分壤中净雨dhss2，并修正DW；最后合并dhss1和dhss2得到最终的壤中净雨hss；
步骤2.4、通过渗漏机制，根据壤中自由水转换率SSCR和地下水渗漏转换率GCR，实现壤中净雨hss向地下净雨hg，以及地下净雨hg向深层地下水hdg的转换；
步骤3、根据产流计算结果对每个计算单元进行汇流计算；
步骤4、对每个计算单元输出流量过程进行河网演进叠加计算，最终得到整个流域断面出口流量；根据流域断面出口流量水文预报。
2.根据权利要求1所述的一种基于大数据的水文预报方法，其特征在于：
它还包括：步骤5、对最大下渗率F0、稳定下渗率Fc、霍顿下渗公式系数Beta、流域土壤田间持水能力Wm和参数Em进行率定。
3.根据权利要求1所述的一种基于大数据的水文预报方法，其特征在于：
步骤1所述基本计算单元的划分方法包括：将流域内互不嵌套的分水岭作为基本计算单元；一个计算单元对应一个计算点，计算点分为叶子和区间两种类型，上游计算点通过马斯京根算法与下游计算点进行连接。
4.根据权利要求1所述的一种基于大数据的水文预报方法，其特征在于：每个计算单元的降水输入采用气象部门的5平方公里降雨栅格数据；按流域内各个分水岭范围进行分别提取。
5.根据权利要求1所述的一种基于大数据的水文预报方法，其特征在于：
对计算单元进行汇流计算的内容包括：地表汇流Ds、壤中汇流Dss和地下汇流Dg的计算；地表汇流采用瞬时单位线方法实现，壤中汇流Dss和地下汇流Dg采用线性水库方法实现；
将地表净雨通过瞬时单位线转换为流量过程的算法：
Figure FDA0003861306990000021
其中，Ui为瞬时单位线第i时刻对应的值；Dui为地表净雨hs对应的第i时刻的流量值，F为流域面积。
6.根据权利要求1所述的一种基于大数据的水文预报方法，其特征在于：
所述进行河网演进叠加的方法为马斯京根河道演进算法，对于一个区间结点，出流量Q等于上游入流QuI演进到结点的出流QuO加结点区间的总汇流量D，即：
Figure FDA0003861306990000031
Di＝Dsi+Dssi+Dgi
Qi＝QuOi+Di
其中，QuOi-1表示区间河道第i-1时刻演进出流量，QuIi表示区间河道第i时刻入流量,
Figure FDA0003861306990000032
为平均流速，X为流量比重系数，L为区间河道长度，QuOi表示区间河道第i时刻的出流量。
7.根据权利要求2所述的一种基于大数据的水文预报方法，其特征在于：
最大下渗率F0、稳定下渗率Fc、霍顿下渗公式系数Beta、流域土壤田间持水能力Wm和参数Em的率定方法包括：
根据土壤质地和概化土壤间隙度，推导最大下渗率F0、稳定下渗率Fc和霍顿下渗公式系数Beta；
根据霍顿下渗公式试算Wm，并引用土地利用类型的影响系数进行修正试算；
依据土壤含水量分区和实测样本进行验证，并进行相应的反馈优化；一直循环进行参数优化，直到获得准确的成果，最后输出Wm、F0、Fc和Beta栅格成果；
所述参数Em率定方法为：
基于30年雨站点统计计算干旱指数和汛期权重系数；根据经验关系拟定干旱指数曲线；
根据干旱指数公式，反推年蒸发能力，并结合汛期权重系数计算汛期蒸发能力；
对比实测样本，然后反馈优化干旱指数曲线；
得到结果后，再加入土地利用影响系数进行进一步优化；直到获得最终成果；最后输出Em栅格。
8.根据权利要求1所述的一种基于大数据的水文预报方法，其特征在于：
所述土壤蒸发的计算方法为：
建立土壤含水量w与土壤蒸发量Ew的相关曲线，简称土壤蒸发曲线；
通过土壤蒸发曲线中的Em、Wm和Wb来反应不同流域的蒸发特性；
Em为流域日蒸发能力(mm/d)，Wm为流域土壤田间持水能力(mm)，Wb为流域土壤毛管断裂含水量(mm)，土壤蒸发曲线的数学公式如下：
Figure FDA0003861306990000041
式中，K1和K2是全局的归一化形状系数，用于控制曲线在Wm
和Wb两个区域的弯曲度；
根据流域某个时刻的土壤含水量w计算这个时刻的土壤蒸发量Ew；土壤蒸发量计算必须限制Ew+Es<＝Em。
9.根据权利要求1所述的一种基于大数据的水文预报方法，其特征在于：
下渗率fv推导逻辑表达式为：
fv＝F(W,F0,Fc,Beta)
其中，F0为最大下渗率；Fc为稳定下渗率；Beta为霍顿下渗公式系数；
第一次壤中净雨分配公式为：
Figure FDA0003861306990000051
hs＝Rs-dhss1
其中，fv为当前下渗率，通过下渗曲线和土壤含水量推导取值，a为产流面积比；
第二次壤中净雨计算公式为：
Figure FDA0003861306990000052
hss＝dhss1+dhss2
以上步骤在计算hss时，需要将hhs累加到壤中自由水总量Wss，同时Wss应该受壤中自由水总量上限MaxWss的控制，如果超出上限，则需要将hss重新修正，并将多余部分归为地表净雨hs；MaxWss的值等于WM和壤中自由水容量系数WSSC的乘积；
dhss＝F(W,WM,Fc,SSCR,hss,hg)
hdg＝F(Fc,GCR,hg)
上式中，dhss为壤中净雨到地下净雨的转换量；hdg为地下净雨到深层地下水的转换量；计算中设定深层地下水不再产生汇流量，
对于每次产流迭代计算，根据水量平衡原理保证下述公式成立：
PE＝hs+hss+hg+hdg。
CN202010819116.3A 2020-08-14 2020-08-14 一种基于大数据的水文预报方法 Active CN111914432B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010819116.3A CN111914432B (zh) 2020-08-14 2020-08-14 一种基于大数据的水文预报方法
PCT/CN2020/123711 WO2022032872A1 (zh) 2020-08-14 2020-10-26 一种基于大数据的水文预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010819116.3A CN111914432B (zh) 2020-08-14 2020-08-14 一种基于大数据的水文预报方法

Publications (2)

Publication Number Publication Date
CN111914432A CN111914432A (zh) 2020-11-10
CN111914432B true CN111914432B (zh) 2022-11-29

Family

ID=73283171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010819116.3A Active CN111914432B (zh) 2020-08-14 2020-08-14 一种基于大数据的水文预报方法

Country Status (2)

Country Link
CN (1) CN111914432B (zh)
WO (1) WO2022032872A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651189B (zh) * 2020-12-11 2023-03-10 中国电建集团昆明勘测设计研究院有限公司 一种基于自然子流域的通用流域水循环模拟计算方法
CN114819301B (zh) * 2022-04-12 2022-12-13 广东省水文局韶关水文分局 一种中小河流洪水预报方法
CN114819322B (zh) * 2022-04-18 2024-05-14 武汉大学 湖泊入湖流量的预报方法
CN115081306B (zh) * 2022-04-24 2024-06-28 武汉大学 融合遥感土壤含水量的多目标分层贝叶斯率定方法及设备
CN115878738A (zh) * 2022-11-15 2023-03-31 广东省水利水电科学研究院 一种暴雨推求设计洪水的方法、系统、设备及介质
CN116126983A (zh) * 2022-12-10 2023-05-16 黄河水利委员会黄河水利科学研究院 一种基于dem确定多级流域出口位置的方法
CN115796381B (zh) * 2022-12-16 2024-04-02 浙江省水利河口研究院(浙江省海洋规划设计研究院) 一种基于改进新安江模型的实际径流量预报方法
CN115859676B (zh) * 2022-12-23 2024-01-12 南京师范大学 一种顾及气候要素的多层次城市内涝耦合模拟方法
CN116307233B (zh) * 2023-03-30 2024-09-24 浙江水利水电学院 一种基于汛期分期的洪水预报方法
CN116611249B (zh) * 2023-05-23 2023-11-21 中国水利水电科学研究院 一种城市区域雨水入渗量的计算方法
CN116738830B (zh) * 2023-05-29 2024-05-24 河海大学 一种耦合深度学习与机理模型的枯水预报方法
CN116362423B (zh) * 2023-05-31 2023-09-05 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) 一种预测水库入库流量的方法
CN116911496B (zh) * 2023-07-13 2024-06-11 长江水利委员会水文局长江上游水文水资源勘测局 一种多因数影响下的水位流量关系确定方法
CN116702658B (zh) * 2023-08-07 2023-10-03 交通运输部天津水运工程科学研究所 一种基于预见期和形状参数的流域单位线模拟方法及应用
CN118036487B (zh) * 2023-12-29 2024-09-17 长江水利委员会水文局 一种基于土壤墒情的小型水库纳雨能力快速分析方法
CN117807353B (zh) * 2023-12-29 2024-09-10 长江水利委员会水文局 考虑时变径流系数的小型水库纳雨能力动态迭代试算方法
CN117852290B (zh) * 2024-01-11 2024-10-11 长江水利委员会水文局 一种分布式蓄水容量参数分区优化调整方法
CN117556643B (zh) * 2024-01-12 2024-03-19 河北省保定水文勘测研究中心 一种洪水预警预报方法及预报系统
CN118070501A (zh) * 2024-02-02 2024-05-24 中国水利水电科学研究院 一种水文模型参数自动率定方法
CN118114566A (zh) * 2024-03-18 2024-05-31 中国水利水电科学研究院 一种基于相似流域分析的无资料流域水文参数移植方法
CN118467947A (zh) * 2024-07-11 2024-08-09 山东锋士信息技术有限公司 一种基于改进新安江模型的流域暴雨洪涝预警方法及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108874936A (zh) * 2018-06-01 2018-11-23 河海大学 一种基于改进新安江模型的适用于山丘区的水文预报方法
CN109816154A (zh) * 2018-12-31 2019-05-28 浙江同川工程咨询有限公司 一种小流域山洪预报方法
CN110781259A (zh) * 2019-09-18 2020-02-11 河海大学 一种基于地貌单位线的水文模型
CN111080036A (zh) * 2019-12-31 2020-04-28 贵州东方世纪科技股份有限公司 一种基于大数据的洪水预报方法
AU2020101063A4 (en) * 2020-06-19 2020-07-23 Jilin Province Water Resource and Hydropower Consultative Company of P.R.CHINA A Calculation Method of River Ecological Flow

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034001A (zh) * 2010-12-16 2011-04-27 南京大学 一种以栅格为模拟单元的分布式水文模型设计方法
KR20140103589A (ko) * 2013-02-18 2014-08-27 아주대학교산학협력단 Ｍａｐｌｅ 기상예보자료를 이용한 홍수예측 방법 및 그 장치
CN103823936B (zh) * 2014-03-04 2017-01-25 贵州东方世纪科技股份有限公司 一种确定等流时线的方法
CN106202790B (zh) * 2016-07-20 2018-05-01 中国水利水电科学研究院 一种分布式河北模型构建方法及其应用
CN110263987A (zh) * 2019-06-06 2019-09-20 太原理工大学 一种适用于半干旱半湿润地区的洪水预报方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108874936A (zh) * 2018-06-01 2018-11-23 河海大学 一种基于改进新安江模型的适用于山丘区的水文预报方法
CN109816154A (zh) * 2018-12-31 2019-05-28 浙江同川工程咨询有限公司 一种小流域山洪预报方法
CN110781259A (zh) * 2019-09-18 2020-02-11 河海大学 一种基于地貌单位线的水文模型
CN111080036A (zh) * 2019-12-31 2020-04-28 贵州东方世纪科技股份有限公司 一种基于大数据的洪水预报方法
AU2020101063A4 (en) * 2020-06-19 2020-07-23 Jilin Province Water Resource and Hydropower Consultative Company of P.R.CHINA A Calculation Method of River Ecological Flow

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DEM在小流域洪水预报中的应用研究;杨峰;《人民长江》;20130814(第15期);全文 *
乐安河流域洪水预报方案构建及应用;黄孝明;《中国优秀硕士学问论文全文数据库 基础科学辑》;20181215;第三、五章 *
黄孝明.乐安河流域洪水预报方案构建及应用.《中国优秀硕士学问论文全文数据库 基础科学辑》.2018, *

Also Published As

Publication number Publication date
CN111914432A (zh) 2020-11-10
WO2022032872A1 (zh) 2022-02-17

Similar Documents

Publication Publication Date Title
CN111914432B (zh) 一种基于大数据的水文预报方法
CN113610264B (zh) 一种精细化电网台风洪涝灾害预测系统
WO2018103510A1 (zh) 流域绿色基础设施对地表径流调蓄能力的评价方法
Jia et al. Development of the WEP-L distributed hydrological model and dynamic assessment of water resources in the Yellow River basin
CN113742910A (zh) 基于中小流域洪水预报的水库来水量预警预报方法及系统
Wu et al. Simulation of soil loss processes based on rainfall runoff and the time factor of governance in the Jialing River Watershed, China
CN107679021B (zh) 一种河流入湖库流量计算方法
Wang et al. Regional calibration of a water balance model for estimating stream flow in ungauged areas of the Yellow River Basin
CN110928965A (zh) 一种基于流域精细分类的多模型灵活架构的模拟方法
CN116305933B (zh) 一种基于dem数据的坡面产汇流简易计算方法及装置
CN110472887A (zh) 流域管网-河道模型耦合的降雨对河流水质影响解析方法
CN114819322B (zh) 湖泊入湖流量的预报方法
Li et al. Development of WEP-COR model to simulate land surface water and energy budgets in a cold region
CN114091277B (zh) 一种考虑初始状态变量影响的新安江模型参数率定方法
Karki et al. Simulation of rainfall-runoff of Kankai River basin using SWAT model: a case study of Nepal
Lee et al. Estimation of fresh water inflow to bays from gaged and ungaged watersheds
CN115422779B (zh) 一种基于常微分方程组的新安江模型的构建方法及其水文预报方法
CN114840989B (zh) 一种栅格尺度考虑水利工程拦蓄的河道汇流演算方法
CN115062559B (zh) 可嵌套水文模型的岩溶含水系统蓄水库的定量表征方法
CN112561205B (zh) 一种考虑淤地坝和梯田对径流影响的定量测量方法
Teng et al. Early warning index of flash flood disaster: a case study of Shuyuan watershed in Qufu City
Guo et al. Daily runoff simulation in Poyang Lake Intervening Basin based on remote sensing data
Mátyás et al. Using numerical modeling error analysis methods to indicate changes in a watershed
CN112288194A (zh) 基于mike模型构建的城市下垫面产汇流形成过程分析方法
Yang et al. Applicability evaluation of the SWIM at river basins of the black soil region in Northeast China: A case study of the upper and middle Wuyuer River basin

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Hydrological Forecasting Method Based on Big Data

Effective date of registration: 20230911

Granted publication date: 20221129

Pledgee: Guiyang Rural Commercial Bank Co.,Ltd. science and technology sub branch

Pledgor: GUIZHOU EAST CENTURY TECHNOLOGY Co.,Ltd.

Registration number: Y2023520000048

PE01 Entry into force of the registration of the contract for pledge of patent right