CN112883558B - 一种水文模型参数时变形式构造方法 - Google Patents
一种水文模型参数时变形式构造方法 Download PDFInfo
- Publication number
- CN112883558B CN112883558B CN202110112723.0A CN202110112723A CN112883558B CN 112883558 B CN112883558 B CN 112883558B CN 202110112723 A CN202110112723 A CN 202110112723A CN 112883558 B CN112883558 B CN 112883558B
- Authority
- CN
- China
- Prior art keywords
- time
- parameter
- hydrological
- runoff
- varying
- 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
Links
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种水文模型参数时变形式构造方法,包括以下步骤:步骤1.水文序列非一致性检验及其成因分析;步骤2.水文模型参数敏感性动态分析;步骤3.水文模型参数时变形式构造;步骤4.水文模型参数率定与验证。本发明通过构建水文模型参数与外部协变量的时变函数形式,可充分反映水文模型参数随气象及流域下垫面条件的变化规律。同时本发明在构建参数时变形式时将不敏感参数排除,可显著提高计算分析工作的效率。
Description
技术领域
本发明涉及径流模拟与预报技术领域,具体涉及到水文模型参数时变形式的构造方法。
背景技术
流域水文模型可视为流域内降雨径流关系的数学定量表达。对于任一水文模型,其参数通常反映了流域的水文物理特性,与流域内的土壤、植被覆盖和土地利用情况等密切相关。受制于人们对水文物理过程的理解以及现阶段水文模型技术的发展水平,水文模型的参数通常不能直接由流域特征属性推得,而需要通过一些间接方式确定,如基于历史降雨径流资料来对模型参数进行率定。过去的水文模型实际应用通常基于“流域是稳态”的这一假设,即流域的植被覆盖和地形地貌等下垫面条件在数年甚至数十年的时间尺度内不会发生显著变化,因此由历史资料率定而来的水文模型参数通常被视为“时不变”的。
近半个世纪以来,随着全球气候的显著变化以及人类活动的日益剧烈(城市化、退耕还林和水利工程建设等),流域下垫面条件发生了不同程度的变化。这些变化间接或直接影响了流域内的水文循环过程(产流、汇流),流域内的降雨径流关系可能呈现出“非平稳”的特征。在变化环境这一大背景下,现有的水文模型参数估计方法存在以下问题:
(1)水文模拟失真问题。水文模型参数通常被认为“时不变”,因此无法真实反映流域下垫面条件及降雨径流关系的动态变化,从而导致径流过程模拟效果不佳;
(2)不同时期间模型参数的移用问题。水文模型的参数率定值主要依赖于率定过程所采用的历史时期资料,由不同历史时期(如干旱时期、湿润时期)率定而来的模型参数值存在显著差异,其在验证期的径流模拟效果也大相径庭。典型地,在干旱时期率定的水文模型参数在湿润时期验证时往往表现不佳,反之亦然。
发明内容
为了解决上述背景技术提出的技术问题,本发明旨在提供一种水文模型参数时变形式构造方法,以使水文模型能够显式地考虑流域下垫面特征的动态变化特征,从而提高水文模型在变化环境下的径流模拟/预报精度以及模型参数在不同时期间的可转移性。
本发明的技术方案:
一种水文模型参数时变形式构造方法,包括以下步骤:
步骤1.水文序列非一致性检验及其成因分析:
收集流域长序列逐日降水量、蒸发量和径流量资料,统计分析降水量、蒸发量、径流量和径流系数在不同时间尺度下的变化趋势,时间尺度可选为月尺度、季节尺度或年尺度,由此进一步分析水文序列的非一致性成因;
步骤2.水文模型参数敏感性动态分析:
选取模型参数敏感性分析的时间尺度,时间尺度可选为月尺度或季节尺度,将历史时期划分为多个连续的子时期,在各子时期分别构建水文模型,采用Kling-Gupta效率系数KGE作为衡量模型径流量模拟效果的评价指标,其计算式如下:
式中,Qact和Qsim分别为实测径流量和模型模拟径流量序列,r(Qact,Qsim)为实测径流序列与模拟径流序列间的相关系数,μ(Qact)和μ(Qsim)分别为实测径流序列与模拟径流序列的平均值,σ(Qact)和σ(Qsim)分别为实测径流序列与模拟径流序列的标准差;
在各子时期分别对水文模型应用Sobol敏感性分析方法,并计算各模型参数的一阶和全阶敏感性指数;
结合各子时期的水文气象条件与流域下垫面条件,对比分析各模型参数在不同条件下的敏感性;在此基础上,选取敏感性较强的参数作为时变参数;
步骤3.水文模型参数时变形式构造:
当模型内某一参数X被选为时变参数时,其时变值记为Xt,其初始值记为Xc,选定的外部协变量记为V={V1,V2,...,VM},M为外部协变量的个数,外部协变量分为两类:(1)以时段降水量P、潜在蒸散发量PET为代表的气候条件因子;(2)以地形因子、土地利用情况和归一化植被指数NDVI为代表的流域下垫面条件因子;
上式可进一步表示为:
式中,βi和λi分别为各协变量对应的回归参数,其值需要通过参数率定过程来确定,λi=βi·Xc,i=1,2,...,M,fi(·)为参数时变值Xt与协变量Vi间的连接函数,以考虑参数时变值与协变量间可能存在的线性或非线性关系;
步骤4.水文模型参数率定与验证:
当参数X的参数时变形式构造完成后,需通过参数率定过程进一步确定参数初始值Xc、有效外部协变量及其回归参数,具体步骤如下:
(1)筛选有效外部协变量,仅考虑参数与单一外部协变量的关系,即式(2)中M取值始终为1,此时需要率定的参数为Xc和外部协变量对应的回归参数β1,采用参数自动优化算法,以KGE指标为目标函数对参数进行率定,参数自动优化算法可选为遗传算法或SCE-UA算法,对于任一外部协变量,若将其引入后径流模拟效果相对原始模型有显著提高,则可将其视为有效外部协变量;
(2)优选外部协变量最优组合,筛选出有效外部协变量后,考虑建立参数与多个有效外部协变量组合的关系,枚举所有可能的外部协变量组合,在每种组合情况下分别对参数进行率定,径流模拟效果最佳的外部协变量组合视为最优外部协变量组合。
在步骤1中,判定构建时变参数必要性的准则为:
(1)若径流系数未呈显著变化趋势,且水文序列未呈显著变化趋势,说明流域内水文气象条件和流域下垫面条件较为稳定,无需构建水文模型参数时变形式;
(2)若径流系数未呈显著变化趋势,而水文序列呈现显著变化趋势,说明流域下垫面条件较为稳定,水文气象条件变化较大,有必要构建水文模型参数时变形式;
(3)若径流系数呈显著变化趋势,而水文序列未呈显著变化趋势,说明流域水文气象条件较为稳定,下垫面条件变化较大,有必要构建水文模型参数时变形式;
(4)若径流系数呈显著变化趋势,且水文序列呈现显著变化趋势,说明流域下垫面条件和水文气象条件变化较大,十分有必要构建水文模型参数时变形式。
与现有技术相比,本发明的有益效果是:
(1)现有技术通常认为水文模型参数是时不变的,导致水文模型在变化环境下的径流模拟效果不佳。而本发明通过构建水文模型参数与外部协变量的时变形式,可充分反映水文模型参数随气象及流域下垫面条件的变化规律,更贴近变化环境下流域水文过程(特别是产汇流)的特征。
(2)本发明中提出的模型参数敏感性动态识别方法,能够准确识别出对气象条件和流域下垫面条件较为敏感的参数,通过在构建参数时变形式时将不敏感参数排除,可显著提高计算分析工作的效率。
附图说明
图1为本发明实施例中涉及的水文模型参数时变形式构造方法的流程图;
图2为本发明实施例中涉及的GR4J模型参数月尺度Sobol一阶敏感性指数图;
图3为本发明实施例中涉及的GR4J模型参数月尺度Sobol全阶敏感性指数图;
图4为本发明实施例中涉及的验证期GR4J模型、GR4J-T模型模拟径流量对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
<实施例>
以横江流域为例,选取GR4J模型作为待改进水文模型,按照图1中所示的方法构造参数时变形式,随后将其径流模拟效果与原始GR4J模型进行对比,以表明本发明达到的效果。
(1)水文序列非一致性分析及其成因分析
收集整理了横江流域1981~2010年间逐日降水量、蒸发量和径流量资料序列,采用Mann-Kendall秩次相关检验法来检验横江流域的水文序列(包括降水P、蒸发PET、径流Q和径流系数RR)变化的趋势性特征,结果见表1。
表1水文气象序列Mann-Kendall趋势检验结果
注:符号“↑”表示序列存在上升趋势;符号“↓”表示序列存在下降趋势。符号“**”表示序列的变化趋势通过了置信水平α=0.05的显著性检验。
横江流域降水量序列P在年尺度上没有显著的变化趋势,只有秋季的降水量序列存在轻微的下降趋势。潜在蒸散发量序列PET在年尺度和季节尺度上均存在明显的上升趋势。同时,径流量序列Q和径流系数序列RR则在年尺度上和部分季节呈现出显著的下降趋势,这说明流域年径流量的减少可能与年蒸散发能力的增加密切相关。
由于该流域长时期径流系数以及水文序列均发生了显著变化,说明该流域的水文气象条件以及下垫面条件发生了改变,因此有必要在该流域构建水文模型参数时变形式。
(2)水文模型参数敏感性分析
GR4J模型共有4个参数,分别为:x1——产流水库最大蓄水能力(mm),x2——地下水交换系数(-)、x3——汇流水库最大蓄水能力(mm)和x4——时段单位线汇流时间(d)。
对GR4J模型进行参数敏感性动态分析,以KGE指标为径流模拟效果的评价指标,以月尺度作为研究时间尺度计算Sobol一阶和全阶敏感性指标。一阶和全阶敏感性指标分别见图2和图3。需要注意的是,图中月尺度Sobol敏感性指数分别按照月降水量和月径流量递增的顺序依次排序并展示,以达到分析各参数在不同水文气象条件下敏感性程度的目的。对于任意月份,相应的一阶和全阶敏感性越高,代表模型参数在当前月份越敏感。由图中可看出,GR4J模型参数x1和x3在降水量较多月份和径流量较多月份的一阶敏感性指数均较高,而其全阶敏感性指数在降水量较少月份和径流量较少月份均较高。这表明参数x1和x3在横江流域具有呈现出较强的敏感性。基于此,将参数x1和x3视为时变参数。
(3)水文模型参数时变形式构建
在综合考虑各种协变量的可获取性以及普适性的基础上,本章选取月降水量P、月潜在蒸散发量PET以及月NDVI值作为时变参数的候选协变量,详细描述见表2。
表2候选外部协变量描述
(4)水文模型参数率定及验证
分别选取1981~1985年、1986~1990年、1986~1990年和1986~1990年作为模型率定期,在各率定期分别对原始GR4J模型和时变参数GR4J模型(记为GR4J-T模型)进行参数率定。各率定期两个模型的最优参数值及KGE指标值见表3。由表可知,GR4J-T在各率定期的径流模拟效果均显著优于GR4J模型。
表3不同率定期GR4J模型和GR4J-T模型径流量模拟效果对比
模型验证采用交叉验证的方法,即由率定期1率定得到的参数在率定期2进行验证。此处以1996~2000年率定得到的参数在1981~1985年验证为例(见图4),GR4J和GR4J-T对应的KGE指标分别为0.711和0.748,说明GR4J-T模型相较于GR4J模型实现了更佳的径流模拟效果。从图4中可看出GR4J-T的模拟径流过程更贴近实测径流过程。
上述结果表明,本发明涉及的水文模型参数时变形式构造方法,在模型率定和验证阶段均能有效提高水文模型径流模拟能力,为解决水文模型在变化环境下径流模拟问题提供了一个行之有效的方案,具有较好的推广应用价值。
以上实施例仅仅是针对本发明技术方案所做的举例说明。本发明所涉及的水文模型参数时变形式构造方法并不限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所述领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,均在本发明所要求保护范围内。
Claims (2)
1.一种水文模型参数时变形式构造方法,其特征在于,包括以下步骤:
步骤1.水文序列非一致性检验及其成因分析:
收集流域长序列逐日降水量、蒸发量和径流量资料,统计分析降水量、蒸发量、径流量和径流系数在不同时间尺度下的变化趋势,时间尺度为月尺度、季节尺度或年尺度,由此进一步分析水文序列的非一致性成因;
步骤2.水文模型参数敏感性动态分析:
选取模型参数敏感性分析的时间尺度,时间尺度为月尺度或季节尺度,将历史时期划分为多个连续的子时期,在各子时期分别构建水文模型,采用Kling-Gupta效率系数KGE作为衡量模型径流量模拟效果的评价指标,其计算式如下:
式中,Qact和Qsim分别为实测径流量和模型模拟径流量序列,r(Qact,Qsim)为实测径流序列与模拟径流序列间的相关系数,μ(Qact)和μ(Qsim)分别为实测径流序列与模拟径流序列的平均值,σ(Qact)和σ(Qsim)分别为实测径流序列与模拟径流序列的标准差;
在各子时期分别对水文模型应用Sobol敏感性分析方法,并计算各模型参数的一阶和全阶敏感性指数;
结合各子时期的水文气象条件与流域下垫面条件,对比分析各模型参数在不同条件下的敏感性;在此基础上,选取敏感性较强的参数作为时变参数;
步骤3.水文模型参数时变形式构造:
当模型内某一参数X被选为时变参数时,其时变值记为Xt,其初始值记为Xc,选定的外部协变量记为V={V1,V2,...,VM},M为外部协变量的个数,外部协变量分为两类:(1)以时段降水量P、潜在蒸散发量PET为代表的气象条件因子;(2)以地形因子、土地利用情况和归一化植被指数NDVI为代表的流域下垫面条件因子;
上式可进一步表示为:
式中,βi和λi分别为各协变量对应的回归参数,其值需要通过参数率定过程来确定,λi=βi·Xc,i=1,2,...,M,fi(·)为参数时变值Xt与协变量Vi间的连接函数,以考虑参数时变值与协变量间可能存在的线性或非线性关系;
步骤4.水文模型参数率定与验证:
当参数X的参数时变形式构造完成后,需通过参数率定过程进一步确定参数初始值Xc、有效外部协变量及其回归参数,具体步骤如下:
(1)筛选有效外部协变量,仅考虑参数与单一外部协变量的关系,即式(2)中M取值始终为1,此时需要率定的参数为Xc和外部协变量对应的回归参数β1,采用参数自动优化算法,以KGE指标为目标函数对参数进行率定,参数自动优化算法选用遗传算法或SCE-UA算法,对于任一外部协变量,若将其引入后径流模拟效果相对原始模型有显著提高,则可将其视为有效外部协变量;
(2)优选外部协变量最优组合,筛选出有效外部协变量后,考虑建立参数与多个有效外部协变量组合的关系,枚举所有可能的外部协变量组合,在每种组合情况下分别对参数进行率定,径流模拟效果最佳的外部协变量组合视为最优外部协变量组合。
2.根据权利要求1所述的一种水文模型参数时变形式构造方法,其特征在于,在步骤1中,判定构建时变参数必要性的准则为:
(1)若径流系数未呈显著变化趋势,且水文序列未呈显著变化趋势,说明流域内水文气象条件和流域下垫面条件较为稳定,无需构建水文模型参数时变形式;
(2)若径流系数未呈显著变化趋势,而水文序列呈现显著变化趋势,说明流域下垫面条件较为稳定,水文气象条件变化较大,有必要构建水文模型参数时变形式;
(3)若径流系数呈显著变化趋势,而水文序列未呈显著变化趋势,说明流域水文气象条件较为稳定,下垫面条件变化较大,有必要构建水文模型参数时变形式;
(4)若径流系数呈显著变化趋势,且水文序列呈现显著变化趋势,说明流域下垫面条件和水文气象条件变化较大,十分有必要构建水文模型参数时变形式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112723.0A CN112883558B (zh) | 2021-01-27 | 2021-01-27 | 一种水文模型参数时变形式构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112723.0A CN112883558B (zh) | 2021-01-27 | 2021-01-27 | 一种水文模型参数时变形式构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883558A CN112883558A (zh) | 2021-06-01 |
CN112883558B true CN112883558B (zh) | 2022-04-26 |
Family
ID=76052797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110112723.0A Active CN112883558B (zh) | 2021-01-27 | 2021-01-27 | 一种水文模型参数时变形式构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883558B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626500A (zh) * | 2021-08-10 | 2021-11-09 | 长江水利委员会水文局 | 一种基于多特征指标的洪水分期确定方法 |
CN114117953B (zh) * | 2021-11-08 | 2024-06-28 | 武汉大学 | 水文模型结构诊断方法、径流预报方法及装置 |
CN114266174B (zh) * | 2022-03-02 | 2022-05-17 | 武汉大学 | 一种基于多水文变量的水文模型参数率定方法 |
CN115510382B (zh) * | 2022-11-09 | 2023-03-28 | 长江水利委员会水文局 | 一种基于离散时变关系函数集的综合出力系数计算方法 |
CN115795814A (zh) * | 2022-11-10 | 2023-03-14 | 宝鸡文理学院 | 一种动态植被模型的敏感性参数校准方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169204A (zh) * | 2017-05-17 | 2017-09-15 | 武汉大学 | 不同时间尺度上水文模型参数转换的计算方法 |
CN108920427A (zh) * | 2018-06-01 | 2018-11-30 | 河海大学 | 一种月尺度水文模型时变参数的动态估计方法 |
CN110197020A (zh) * | 2019-05-21 | 2019-09-03 | 河海大学 | 一种环境变化对水文干旱影响的分析方法 |
CN110598315A (zh) * | 2019-09-10 | 2019-12-20 | 太原理工大学 | 变化条件下流域非一致性设计洪水的不确定性分析方法 |
CN111797129A (zh) * | 2020-06-01 | 2020-10-20 | 武汉大学 | 一种气候变化情景下水文旱情评估方法 |
CN111898258A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种水文循环变异驱动下二维干旱灾害评估方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8223587B2 (en) * | 2010-03-29 | 2012-07-17 | Exxonmobil Upstream Research Company | Full wavefield inversion using time varying filters |
CN109086479A (zh) * | 2018-06-20 | 2018-12-25 | 浙江大学 | 一种基于并行计算的分布式水文模型参数多目标率定方法 |
CN111611692B (zh) * | 2020-04-26 | 2022-08-05 | 武汉大学 | 气候变化情景下基于等可靠度的设计洪水推求方法及*** |
-
2021
- 2021-01-27 CN CN202110112723.0A patent/CN112883558B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169204A (zh) * | 2017-05-17 | 2017-09-15 | 武汉大学 | 不同时间尺度上水文模型参数转换的计算方法 |
CN108920427A (zh) * | 2018-06-01 | 2018-11-30 | 河海大学 | 一种月尺度水文模型时变参数的动态估计方法 |
CN110197020A (zh) * | 2019-05-21 | 2019-09-03 | 河海大学 | 一种环境变化对水文干旱影响的分析方法 |
CN110598315A (zh) * | 2019-09-10 | 2019-12-20 | 太原理工大学 | 变化条件下流域非一致性设计洪水的不确定性分析方法 |
CN111797129A (zh) * | 2020-06-01 | 2020-10-20 | 武汉大学 | 一种气候变化情景下水文旱情评估方法 |
CN111898258A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种水文循环变异驱动下二维干旱灾害评估方法 |
Non-Patent Citations (7)
Title |
---|
不同潜在蒸发估算方法对黄土高原渭河径流模拟的影响研究;武海喆等;《人民珠江》;20201019;第41卷(第10期);第36-43页 * |
变化环境下气象水文预报研究进展;雷晓辉等;《水利学报》;20180124;第49卷(第01期);第9-18页 * |
变化环境下水文模型时变参数的识别及函数型式构建;熊梦思等;《水资源研究》;20180815;第7卷(第04期);第351-358页 * |
基于EFAST方法的寒旱区流域水文过程参数敏感性分析;张俊龙等;《南水北调与水利科技》;20170506;第15卷(第03期);第43-48页 * |
基于MOSCEM-UA算法的水文模型参数优化;王宇晖等;《人民长江》;20101014;第41卷(第19期);第95-99页 * |
基于WHMLUCC水文模型的非一致性干旱频率计算方法(Ⅰ):原理与方法;谢平等;《华北水利水电大学学报(自然科学版)》;20160215(第01期);第1-5页 * |
考虑植被和人类活动影响的水文模型参数时变特征分析;熊立华等;《水科学进展》;20180912;第29卷(第05期);第625-635页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112883558A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112883558B (zh) | 一种水文模型参数时变形式构造方法 | |
Thapa et al. | A multi-model approach for analyzing water balance dynamics in Kathmandu Valley, Nepal | |
Masih et al. | Regionalization of a conceptual rainfall–runoff model based on similarity of the flow duration curve: A case study from the semi-arid Karkheh basin, Iran | |
CN109523175B (zh) | 一种考虑积融雪过程的多时间尺度旱情评估方法 | |
Heuvelmans et al. | Evaluation of hydrological model parameter transferability for simulating the impact of land use on catchment hydrology | |
CN113361742B (zh) | 一种基于水文模拟的区域综合干旱识别方法 | |
CN109543147B (zh) | 一种流域降雨径流关系非线性快速诊断及归因分析的方法 | |
CN108920427B (zh) | 一种月尺度水文模型时变参数的动态估计方法 | |
CN114741987B (zh) | 考虑洪水预报模型绝对误差拟合残差分布的洪水概率预报模型 | |
CN113887972A (zh) | 一种基于水文过程的综合旱情监测与评估方法 | |
CN112287299B (zh) | 河流健康变化定量归因方法、装置及*** | |
CN111626006A (zh) | 一种多变量对径流变化敏感性评估的定量识别方法 | |
CN114357737B (zh) | 针对大尺度水文模型时变参数的代理优化率定方法 | |
CN110490228A (zh) | 一种基于cpp的水文模型参数动态率定方法 | |
CN114418446A (zh) | 水资源短缺的定量评估方法 | |
CN114819322A (zh) | 湖泊入湖流量的预报方法 | |
CN117172037B (zh) | 一种分布式水文预报方法、装置、计算机设备及介质 | |
CN114186507A (zh) | 一种基于wep分布式水文模型的河川基流分析方法 | |
Amin et al. | Evaluation of the performance of SWAT model to simulate stream flow of Mojo river watershed: in the upper Awash River basin, in Ethiopia | |
CN116502531A (zh) | 一种基于多元线性回归模型的基流模拟方法 | |
CN111913239B (zh) | 基于气象水文观测数据的水库有效面雨量计算方法及*** | |
CN115453664A (zh) | 一种适用于无资料地区的降雨径流预报方法 | |
CN115271506A (zh) | 一种区域降雨表征长系列构建分析一体化方法 | |
CN110619111B (zh) | 一种天然径流系列一致性修正方法 | |
CN104794539A (zh) | 一种洪涝损失模型构建方法 |
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 |