基于IFAS模型的十胜川流域降雨径流模拟研究及应用

论文摘要

利用水文模型进行流域水文过程的模拟研究,有利于研究者更加清楚地了解和认识流域水文循环过程,也有利于模型的推广使用。位于日本北海道的十胜川流域（Tokachi river）地形地貌复杂,植被覆盖率高,洪水灾害频发,流域内分布着大大小小一百多个雨量、流量观测站,站点布局合理,观测数据充足,具有较高的研究价值。本文以日本北海道十胜川流域为研究区域,采用Nash-Sutcliffe确定性系数、波形误差、体积误差和峰值误差来进行结果评价,验证了IFAS（Integrated Flood Analysis System）模型在十胜川流域最下游的流量观测站-茂岩站以上流域的适用性,探讨了IFAS模型在极端流量情况下使用存在的问题,评价了IFAS模型使用不同降雨产品的精度,评价了修正雷达测雨数据与IFAS模型结合在十胜川的子流域-新德川流域的应用效果,探索了利用RNN（Recurrent Neural Network）模型和LSTM（Long Short-Term Memory）模型进行以小时为单位的降雨量预测的可能性,评价了LSTM模型预测的小时降雨量与IFAS模型结合使用进行降雨-径流模拟的精度。研究的主要结论如下:（1）IFAS模型对于十胜川流域的适用性很好,无论是使用GSMaPNRT卫星降雨数据、TRMM3B42RT（V7）卫星降雨数据,还是地面降雨观测站的降雨数据,都能较好地模拟十胜川流域的地面径流过程,模拟精度很高。（2）对于极端流量情况,IFAS模型的计算误差很大,当流域流量很小的时候,无论使用哪种降雨数据,IFAS模型都严重高估了地面径流量;当流域流量很大的时候,GSMaPNRT卫星降雨数据、TRMM3B42RT（V7）卫星降雨数据几乎是失效的,而使用地面观测站的降雨数据,得到的径流模拟结果误差较小。（3）IFAS模型结合修正的雷达测雨数据,能够较高精度地模拟新德川流域的地面径流过程,通过对雷达测雨数据进行修正,不仅扩展了雷达测雨数据的使用范围,也为IFAS模型提供了另一种降雨数据。（4）通过大量的实验,对比RNN模型和LSTM模型的预测结果,发现当LSTM模型运算200次的时候,降雨量的预测精度较高。IFAS模型结合LSTM模型预测的小时降雨量,能够较高精度地模拟径流过程,模拟的误差主要出现在流量峰值。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
•   1.1 研究背景及意义
•   1.2 降雨-径流过程的研究现状
•     1.2.1 降雨-径流过程研究历程回顾
•     1.2.2 水文模型研究进展
•   1.3 雷达测雨在水文模型中的应用
•     1.3.1 雷达测雨的研究现状
•     1.3.2 国外应用现状
•     1.3.3 国内应用现状
•   1.4 研究目标
•   1.5 研究内容
•   1.6 技术路线
• 2 研究流域与研究方法
•   2.1 研究区域概况
•     2.1.1 流域概况
•     2.1.2 地形、地质
•     2.1.3 气候、气象
•     2.1.4 上、中、下游特征
•   2.2 IFAS模型简介
•   2.3 PWRI分布式水文模型及原理
•     2.3.1 表面储罐模型
•     2.3.2 地下层或不饱和层储罐模型
•     2.3.3 含水层储罐模型
•     2.3.4 河道水槽模型
•   2.4 IFAS模型数据来源
•     2.4.1 数字高程地图（DEM）
•     2.4.2 土地使用/土地覆盖数据
•     2.4.3 土壤数据和地质数据
•     2.4.4 降雨数据
•     2.4.5 河道数据
•   2.5 IFAS模型操作流程
•   2.6 IFAS模型的参数设置
•     2.6.1 表面储罐模型
•     2.6.2 地下层或不饱和层储罐模型
•     2.6.3 含水层储罐模型
•     2.6.4 河道水槽模型
•   2.7 IFAS模型适用性说明
• 3 基于IFAS模型的流域径流模拟及结果分析
•   3.1 流域模型建立
•     3.1.1 数据收集与整理
•     3.1.2 创建流域边界
•     3.1.3 设置PWRI分布式模型
•     3.1.4 设置参数
•     3.1.5 执行模拟运算
•   3.2 结果分析
•     3.2.1 对比不同方法提取的集水边界
•     3.2.2 对比不同降雨数据进行径流计算的结果
•     3.2.3 极端径流量情况下IFAS进行径流模拟的结果分析
• 4 IFAS模型结合修正雷达降雨数据在新德川流域的应用
•   4.1 雷达降雨数据的校正
•   4.2 IFAS模型结合雷达测雨数据进行降雨径流过程结果分析
• 5 基于神经网络模型的降雨量预测及应用于IFAS模型
•   5.1 降雨量预测的方法与模型
•   5.2 RNN模型/LSTM模型的研究现状
•     5.2.1 发展历程
•     5.2.2 应用现状
•     5.2.3 基于神经网络模型进行降雨量预测的优势
•   5.3 基于RNN神经网络模型的构建和分析
•     5.3.1 RNN神经网络模型的原理及结构
•     5.3.2 基于RNN神经网络模型的降雨量预测及结果分析
•   5.4 基于LSTM神经网络模型的构建和分析
•     5.4.1 LSTM神经网络模型的原理及结构
•     5.4.2 基于LSTM神经网络模型的降雨量预测及结果分析
•   5.5 IFAS模型基于LSTM模型预测小时降雨量的降雨-径流模拟
• 6 总结与展望
•   6.1 论文总结
•   6.2 创新点
•   6.3 讨论与展望
• 参考文献
• 作者简介
• 学位论文数据集

文章来源

类型: 硕士论文

作者: 陈越超

导师: 罗绍河

关键词: 降雨径流模拟,模型,雷达测雨数据,神经网络模型,降雨量预测

来源: 河南理工大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地球物理学,水利水电工程

单位: 河南理工大学

分类号: P333

DOI: 10.27116/d.cnki.gjzgc.2019.000043

总页数: 87

文件大小: 6426K

下载量: 23