《中國西部典型區無資料水文數據估計方法研究》是依託蘭州大學，由焦桂梅擔任項目負責人的面上項目。
基本介紹
- 中文名：中國西部典型區無資料水文數據估計方法研究
- 依託單位：蘭州大學
- 項目負責人：焦桂梅
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
無資料水文數據估計方法研究是PUB(Predictions in Ungauged Basins)計畫中非常重要的問題。本項目選擇典型區為中國西部水文數據缺乏的長江源區流域和內陸河典型流域（黑河、疏勒河），以典型區水文過程和水文特徵為研究對象，結合典型區域植被分布差異顯著的陸麵條件和產匯流特性，綜合套用現代機率統計的新方法，藉助PSO、遺傳算法、人工神經網路、支撐向量機等新技術，模擬長序列水文站水文過程，分析其水文特徵，再把長序列水文資料人為隱去，使其變成短序列資料，反覆檢驗，建立具有時間尺度穩定性和可靠性的數學模型，用該模型來估計資料短缺站點年月徑流量，從而實現無資料或資料缺乏流域徑流估計和還原的目標，提高無資料地區或資料缺乏地區水文估算能力。該項目研究將實現水文數學方法和建模的創新，可為無資料流域水文研究提供理論依據和可借鑑的成果，具有較高的學術價值和很好的套用前景。
結題摘要
我們選擇典型區為中國西部水文數據缺乏的長江源區流域和內陸河典型流域（黑河、疏勒河），以典型區水文過程和水文特徵為研究對象，結合典型區域植被分布差異顯著的陸麵條件和產匯流特性，對長江源區流域的直門達站和沱沱河站的站點資料、黑河水系的鶯落峽水文站和札馬什克水文站資料及疏勒河水系的昌馬堡水文站資料，用現代統計推斷的新方法，藉助PSO、集合經驗模式分解（EEMD），徑向基函式神經網路（RBFN），和支持向量機（SVM）、X12季節調整，季節性自回歸移動平均（SARIMA），雙指數平滑（DES）、遺傳算法等新的算法組合最佳化模型的參數，模擬長序列水文站水文過程，分析其水文特徵，再把長序列水文資料人為隱去，使其變成短序列資料，反覆檢驗，建立具有時間尺度穩定性和可靠性的數學模型，用該模型來估計資料短缺站點年月徑流量，從而實現無資料或資料缺乏流域徑流估計和還原的目標，提高無資料地區或資料缺乏地區水文估算能力。我們建立了幾個新的混合預測模型，分別對一些典型站點的降水、氣溫、徑流量等數據進行分析和預測，得到了比較好的預測結果。我們的結果將為研究寒區無資料流域水文研究提供重要的理論依據，同時實現了水文數學方法和模型研究和創新，具有較高的學術價值和很好的套用前景。
