简介:气候变化和人类活动对流域水资源演变的影响程度不断加剧,对传统水资源评价技术方法提出了挑战.针对变化环境下缺资料地区传统水资源评价方法水量“还原”失真、水质水量评价分离、地下水和地表水评价分离等问题,本文采用了基于分布式水文模型SWAT的水资源评价方法,探讨了其评价原理、关键步骤和在缺资料地区的适用性等,并以西北内陆河玛纳斯河流域山区为例,比较了传统水资源评价方法和本文所用方法评价结果的差异.结果表明,本文所用方法在流域水资源评价精度、评价对象和水文要素的完整性、评价时段的灵活性上具有显著的优越性,证明利用具有物理机制的分布式水文模型有望实现水资源的动态、高效和快速评价,其评价原理可为水资源评价方法的改进提供一种新思路和技术支撑.
简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。