随机模糊分析方法研究及其在水文水资源系统中的应用
投影寻踪模型及其在水文水资源系统分析中的应用
２０ 年 １ ０８ ２月
口
龙
江
水
专 学
报
Ｖ０１ ３ Ｎｏ ４ ． ５， ． Ｄｅ ．， ００ ｃ ２ ８
Ｊ ｕ ｎ ｌ ｆＨｅ ｏ ｇｉ ｇＨｙ ｒｕｉ Ｅ ｇｎ ｅｉｇ ｏ ｒ ａ ｉ ｎ ｊ ｎ ｄａ ｌ ｎ ｉｅｒ ｏ ｌ ａ ｃ ｎ
文 章 编号 ：０ ０９ ３ （０８ ０ —０００ １ ０ ８ ３ ２０ ）４０ ８ —６
Ｆ ａｇ Ｕ Ｑｉ ｎ
（ ｏｌｇ ｆ ａｅ ｏ ｓ ｒ ａ ｃ Ｃ ｌ ｅｏ ｔｒ ｎ ｅｖ ｎ ｙ＆ Ａｒｈ ｔｃｕ ｅ ｅ Ｗ Ｃ ｃ ｉ ｔ ｒ ，Ｎｏ ｔ ｅ ｓ Ａｇ ｉ ｌｕａ ｉｅｓｔ ，Ｈｅｌｎ ｊ ｎ ｒ ｉ ５ ０ ０ Ｃ ｉａ ｅ ｒ ａ ｔ ｒ ｕ ｔ ｒｌ ｈ ｃ Ｕｎｖ ｒｉ ｙ ｉ ｇｉ ｇ Ｈａｂｎ １ ０ ３ ， ｈｎ ） ｏ ａ
ｅ ｉ ｉｇｐ ｏ ｌｍｓｏ ｒｊｃｉｎ ｐ ｒｕｔ ｄ ｌ ｗ ｕ ｈ ｏ ｔｎ ｉ ｕｓｏ ｅｔ ｉ ｔｐ ｓ ｆ ｒ ｘｓ ｎ ｒｂｅ ｆ ｏｅｔ ｕ ｓｉ ｍｏ ｅ， ｅｐ ｔ ｅｉ ｒａ ｔ ｓ ｓ ｎｔ ｔ ｐ ｏ ｔ ｍｐ ｄｃ ｈ ｗｏｍａ ｙ ｅ ｏ ｎ ｏｐ
ｓａｃ ｅｓｉ ａｉｕ ｉ ｄ ｎ ｗ ｎ ａ ｔｅ ｔ ｎｔ ｒｊｃｉｎｐ ｒｕｔ ｄ ｌ ｎ ｒｖ ． ｅ ｒｈ ｒ ｖ ｒ ｓｆ ｌｓ ｏ ａ ｄｐ ｙａｔｎｉ ｏｐｏｅｔ ｕｓ ｉ ｍｏ ｅ，ａ ｄｉ ｏ ｅｉ ｎ ｏ ｅ ｋ ｏ ｏ ｍｐ ｔ
Ｋ ｙｗ ｒ ｓｐｏｅｔ ｎｐ ｒｕｔ ｈ ｄｏｏ ｙａ ｄｗａｅ ｓ ｕｃｓ ｓｓｅ ｎ ｌｓ ； ｉｈｄｍｅ ｓ ｎ ｎ ｎｉｅ ｒ ｅ ｏｄ ：ｒｊｅｉ ｕ ｓｉ； ｙ ｒｌｇ ｎ ｔｒ ｅｏ ｒｅ ； ｙｔｍ ａ ａｙｉ ｈｇ ｉ ｎ ｉ ； ｏ ｌ ａ— ｏ ｒ ｓ ｕｔ ｄ ｌｓ ｅ ｙａｉ ｎｄ ｔ ｒｃｓｉｇｔｃ ｎｑ ｅｗ ｉ ｐ ｃ ｌｎｐｏ ｅｓ ｇ ｂｔ ｃ： ｒｊｃｉ ｕ ｓ ｉｍｏ ｅ ｉ ａｎ ｗｌ ｒ ｅ ａａ ｏ ｅｓ ｈ ｉｕ ｈｃ ｉ ｓ ｅｉ ｒｃｓｉ ｒ ｏ ｓ ｐ ｎ ｅ ｈｓ ａｉ ｎ
水文模型介绍
水文模型
水文模型
水文模型
分类：பைடு நூலகம்
水文模型
分类：
按水体对象分 ① 河流水文模型 ; ② 湖泊水文模型 ; ③ 沼泽水文模型 ; ④ 冰 川水文模型 ; ⑤ 水文气象模型 ; ⑥ 地下水文模型 ; ⑦海洋水 文模型 ; ⑧ 冻土水文模型 ; ⑨ 生态水文模型 ;⑩ 土壤水文模 型等 。 按研究手段分 ① 随机水文模型 ; ② 模糊水文模型 ; ③ 系统水文模型 ; ④ 遥 感水文模型 ; ⑤ 同位素水文模型等 。 按研究区域划分 ①流域水文模型 ; ② 河口水文模型 ; ③ 山地水文模型 ;④ 坡 地水文模型 ; ⑤ 平原水文模型 ; ⑥ 干旱地区水文模型 ; ⑦ 岩 溶水文模型 ; ⑧ 寒区水文模型等
新安江模型
三水源新安江模型：
4）汇流计算——Muskingum method
新安江模型
三水源新安江模型：
新安江模型
三水源新安江模型：
新安江模型
三水源新安江模型：
谢谢！
24
水文模型 作用：
通过模拟水文循环的过程，了解流域内水 文因子的改变如何影响水循环的过程，例 如人类活动和气候变化对水循环的影响。
将水文模型用于水文预报和水资源的规划 和管理
汇报提纲
1. 水文模型的基本知识
2. 常用的水文模型
概念性水文模型
新安江模型：
1973年赵人俊教授在对新安江水库做入流流量预 报时提出了新安江模型，该模型是一个松散性模 型，水文模拟过程中，把一个流域分成若干单元 流域分别进行汇流计算和河道演算，再进行流量 叠加。 最初的新安江模型为两水源即只分地表径流和地 下径流； 20世纪80年代初期，模型研制者将萨克拉门托模 型与水箱模型中的用线性水库函数划分水源的概 念引入新安江模型，提出了三水源新安江模型
RS在资源环境中的应用
土地资源的评价
现在土地资源评价中的一个问题是数据源数据库滞后,制约了土地资源评价的发展,利用搞分辨率遥感影像,直接 解译土地资源现状信息,并实现土地利用现状数据快速更新，从而促进土地资源评价的进一步发展。
在土地整理中的应用
❖
土地整理是指在一定区域内,依据土地利用总体规划,采用行政、经济、法律和技术手段,对农田、水利、道路
森林病虫害监测 植物受到病虫害侵袭,会导致植物在各个波段上的波谱值发生变化。如植物在受到病虫害,但人眼还不能感觉到 时,其红外波段的光谱值就已发生了较大的变化。从遥感资料中提取这些变化的信息,分析病虫害的源地、灾情 分布、发展状况,可为防治病虫害提供信息。
森林灾害损失评估
遥感技术能及时、准确地评估森林灾害所造成的损失。在1987年大兴安岭特大火灾的损失评价中,利用卫星资 料统计出的过火面积为124万公顷,其中重度、轻度、居民点、道路的过火面积分别为104. 3万公顷、19. 3万公 顷、0. 24万公顷、0. 15万公顷,其精度为96%[4]。1986年我国吉林省长白山自然保护区原始森林遭受特大飓风 侵袭。由于此地区交通不便,地面调查困难,所以利用卫星遥感资料进行了损失评估,有效地支持了灾后建设。
分。
3、水利工程项目管理
❖ 水利枢纽与水库的选址在充分考虑经济评价与水文因素等方面的基础上，还需要充分注意地形地面情况，并对 工程项目进行客观的地质评价，这些均能够采用遥感所获得的数据资料。利用进行综合评价与分析我国的水调 工程项目规划也能够在数字平台的基础进行，而遥感则是重要的数据源，在搭建数据平台后，发挥地理信息系 统在空间分析方面的功能，为决策提供科学的数据依据。
RS技术在土地资源管理中的应用 土地资源管理涉及的信息丰富、繁杂、量大,而且几乎全为地理信息,具有很强的地域性、空间性、时序性和动态
水文时间序列分析方法研究分析
科技论坛2017年5期︱371︱水文时间序列分析方法研究分析颜真梅重庆市江津区水文水资源管理站，重庆 402260摘要：本文针对研究水文时间序列分析方法的意义、水文时间序列分析的几种方法进行了全面分析，最后对未来水文时间序列分析方法的研究方向进行了展望，以备相关人士参考。
关键词：水文时间序列分析法；意义；研究；分析；展望中图分类号：P331 文献标识码：B 文章编号：1006-8465（2017）05-0371-01引言： 水文时间序列分析是人们发掘和掌握水文变化过程复杂性的有效方法。
随着我国专业技术与先进工艺的发展，必定会全面推进关于复杂水文循环过程的掌握与认识，从而为我国水文水资源研究工作提供更加精确的信息支持。
1 研究水文时间序列分析方法的意义 在针对水文过程变化特点进行分析和研究的工作中最为重要的手段之一就是水文时间序列分析法。
水文时间序列的特征之一就是其本身具有一定的复杂性，基于线性序列的层面来讲，针对水文序列进行分析是中国传统的时间序列分析法的一大特征，同时能够对序列相关性分析法进行应用。
随着科技的持续发展，人们针对水文变化过程的掌握也随之深化，在这一发展过程中水文体系的复杂性就表现出来，在对水文进行研究工作中，一定要注意对于科学方法适当利用，鉴于此，深化对于水文时间序列分析方法的研究有着尤为重要的意义[1]。
2 水文时间序列分析法的分类 2.1 模糊分析法 在水文资源系统当中，模糊不确定性的存在具有客观性，伴随着相关专家与学者针对水文时间序列分析方法的不断创新，模糊数学得到了广泛的利用，在此基础上，我们才能够对一些不确定的自然现象进行更加深入性的了解。
相关专家在研究中发现，水文水资源体系的很多外延概念里都普遍性有着不确定性，中间过渡使其存在对应概念当中，这部分模糊现象有着典型性以及客观性，模糊水文学的研究就是以他为基础而进行的。
还有学者在对水文水资源和对应水利体系的分析工作中，对模糊理论的应用最早是在20实际末期，在具体实践操作中，全面利用系统分析法和模糊集分析法这两种形式对模糊集系统分析进行催化作用而构成了一套新型的系统。
数学建模 -的范例
针对问题三，本文首先对主要风险因子进行了灰色预测，计算出未来几年水资源总量、降水量、平均气温、生活用水量、工业用水量。
然后采用问题二中的BP神经网络预测每年的缺水量。
最后通过整合往年的数据，运用问题二中的熵值取权的模糊评价模型预测出未来几年内水资源短缺的风险等级。
由于考虑到降水量和地下储水相关系数高，我们依据历年的降水量估测出平水年，偏枯年，枯水年三种不同年份的水资源总量，并应用问题二的风险评价模型进行评估，得到三种不同年份水资源短缺风险等级依次为高，较高，较低。
最后我们分析了南水北调工程对北京市未来两年水资源短缺的风险等级影响，风险等级依次变为低，偏低，无。
针对问题四，我们从北京市水资源现状及分析、北京市严重缺水的原因探究、北京市水资源开发利用对策三个层面向相关行政主管部门提交建议报告，以求帮助其合理规避水资源短缺风险。
关键字：水资源短缺风险、灰色关联度分析、主成分分析，模糊综合评价、BP 神经网络、熵值取权一、问题重述1.1 问题背景水是生命之源，万物之本，是人类生存和发展不可或缺的物质，是地球上最普遍、最常见同时也是最珍贵的自然资源。
水是人类一切生产活动的基础，有水的地方欣欣向荣，水资源枯竭的地方则文明消失。
长期以来，我们注重经济社会发展，却忽略了水资源的承载能力，注重水资源开发利用，却没有同等重视节约和保护。
随着经济社会发展，1.2 问题重述水资源短缺危险泛指在特定的时空环境下，由于来水和用水的不确定性，室区域水资源系统发生供水短缺的可能性以及有此产生的损失。
近年来我国水资源短缺问题日趋严重，以北京市为例，北京是世界上水资源严重缺乏的大都市之一，属严重缺水地区。
虽然政府采取了一些列措施，如南水北调工程建设, 建立污水处理厂,产业结构调整等。
但是，气候变化和经济社会不断发展，水资源短缺风险始终存在。
如何对水资源风险的主要因子进行识别，对风险造成的危害等级进行划分，对不同风险因子采取相应的有效措施规避风险或减少其造成的危害，这对社会经济的稳定、可持续发展战略的实施具有重要的意义。
GIS系统在山东黄河水文信息化的应用研究
GIS系统在山东黄河水文信息化的应用研究
万鹏;高振斌;杨钊
【期刊名称】《水利技术监督》
【年(卷),期】2017(025)005
【摘要】随着黄河水文信息化建设发展,尤其在地理信息系统、数据库管理及虚拟现实等技术的应用,为水文工作带来新的模式与发展前景.该局采用ArcGIS创建黄河下游GIS地图,通过Web服务对水文(位)站进行分级管理和访问,可在线对黄河下游测站的雨水情信息、水文设施工程、河道布设的矢量图、三维模型等空间数据进行访问.
【总页数】4页(P34-36,88)
【作者】万鹏;高振斌;杨钊
【作者单位】黄委山东水文水资源局,山东济南250100;黄委山东水文水资源局,山东济南250100;黄委山东水文水资源局,山东济南250100
【正文语种】中文
【中图分类】P208;TV877
【相关文献】
1.基于RS和GIS的山东黄河流域森林资源动态分析 [J], 董斌;钱国英;李旭东;陈立平
2.基于GIS的土地营养评价方法研究——以山东省东营市黄河三角洲地区为例 [J], 罗传文;殷晓伟;倪春迪;梁浩;韩吉烨;姜士辉
3.黄河上游水文信息化管理系统 [J], 李晓光
4.黄河滩区交互式三维GIS系统开发应用研究 [J], 潘磊
5.基于SketchUp与ArcGIS的山东邹城北宿镇三维GIS系统构建 [J], 刘邢巍;宋利杰
因版权原因，仅展示原文概要，查看原文内容请购买。
监测数据统计分析方法在水资源管理中的应用探索
监测数据统计分析方法在水资源管理中的应用探索摘要:本文旨在探讨监测数据统计分析方法在水资源管理中的应用。
通过对水资源行业的背景和目的进行分析，结合相关方法和技术，以及实际案例的研究，我们发现监测数据统计分析在水资源管理中具有重要的作用。
本文采用定量统计分析方法，通过对水资源监测数据进行收集、整理和分析，揭示了水资源利用和管理的趋势和问题，并提出了相应的解决策略。
研究结果表明，监测数据统计分析方法在水资源管理中能够为政府和企业提供科学决策和有效管理手段，推动水资源的合理利用和可持续发展。
关键词:监测数据；统计分析方法；水资源管理；应用探索引言水资源是人类生存和发展的重要基础，也是经济社会可持续发展的关键保障。
然而，由于全球气候变化、人口增长和城市化进程加速等原因，水资源短缺和污染已成为全球性问题。
在这种情况下，如何科学合理地利用和管理水资源，实现资源的可持续利用和保护，成为了当前亟待解决的问题。
监测数据统计分析方法作为一种先进的水资源管理工具，可以为政府和企业提供有效的决策支持和管理手段。
通过对水资源监测数据进行收集、整理和分析，能够揭示水资源利用和管理的趋势和问题，并提出相应的解决策略。
因此，本研究旨在探索监测数据统计分析方法在水资源管理中的应用，以期为水资源管理提供科学依据和有效手段。
一、监测数据统计分析方法概述监测数据是指对水资源进行定量化、系统化的观测和记录所得到的数据。
这些数据可以反映水资源的数量、质量、时空变化等信息，为水资源管理提供了重要的科学依据。
监测数据可以评估水资源的现状和变化趋势，揭示水资源利用和管理的问题和隐患，制定水资源管理政策和措施，监测和评估水资源管理效果。
二、解决策略与建议(一)建立科学的指标体系首先，对于水资源数量方面的指标，包括水资源总量、可用水资源量、水资源利用率等，可以评价水资源的利用程度和开发潜力，为制定科学的管理措施提供依据。
其次，对于水质状况方面的指标，包括水体各项污染物浓度、水体透明度、溶解氧含量等，可以反映水体的污染程度和治理效果，为采取针对性的污染防治措施提供支持。
胡宝清简历(2011)_ORF
Biography:基本情况胡宝清, 男, 博士, 武汉大学数学与统计学院教授、博士生导师、系主任主要经历教育经历2001年7月，武汉大学，博士（Ph.D）1987年7月，武汉水利电力大学，硕士（MS）1982年7月，武汉水利电力大学，学士（BS）工作经历2003年01月—2011年09月, 先后6次访问香港理工大学应用数学系2011年01月—2011年02月, 新加坡国立大学统计系，Research Fellow2010年07月—2009年09月, 香港理工大学工业与系统工程系，Research Fellow 2004年6月—现在，武汉大学数学与统计学院教授博导2003年09月—2004年03月，澳大利亚西澳大学数学与统计学院，Visiting Professor2002年07月—2002年9月, 香港城市大学建筑系, Research Associate1997年9月—现在，武汉大学数学与统计学院教授1992年7月—1997年8月，武汉大学数学与统计学院副教授1987年7月—1992年6月，武汉大学数学与统计学院讲师主要科研方向智能计算，模糊数学，粗糙集理论，量子逻辑主要科研项目1.国家自然科学基金：区间值二型模糊信息的变精度粗糙集理论及其应用，2012-2015，（项目负责人）2.国家自然科学基金：可持续水资源管理的可拓模糊量化方法研究，2008-2010，（项目负责人）3.教育部高等学校骨干教师基金：水文水环境不确定性区间可拓集理论与方法研究，2000-2002（项目负责人）4.东北电力集团合作项目：东北电网水库调度自动化系统洪水预报系统专项研究开发，子课题：中长期来水预报模型研究开发，2000-2003（项目负责人）5.国家自然科学基金青年基金：系统识别和灰色系统理论在水文水资源分析中应用的研究，1991-1993（主要参加者）6.“八五”国家重点科技攻关项目：黄河三花河段及伊洛河水污染控制优化模型研究，1992-1995（主要参加者）7.国家自然科学基金：水文循环生物圈方面中的天气发生器聚解问题研究，1999-2001（主要参加者）8.国家教委博士学科点基金：灰色系统水文学的理论与方法研究，1993-1996（主要参加者）9.水利部水利科技重点项目：区域水环境质量评价灰色系统方法及其应用研究，1995-1997（主要参加者）10.广东顺德水电局合作项目：珠江三角洲河口网河水文环境变化分析及防洪对策研究，1997-1998（主要参加者）11.国家教委跨世纪优秀人才计划基金：不同尺度水文~生态模式藕合研究，1997-2000（主要参加者）12.国家自然科学基金：水文循环系统的时空变异性研究，2000-2002（主要参加者）13.香港政府研究资助局项目：高层建筑火灾风险评估，2000-2001（主要参加者）主要论著情况主要著作1. 胡宝清. 模糊理论基础，武汉：武汉大学出版社，2004 (第1版); 2010 (第2版)2. 邹秀芬，陈绍林，胡宝清，向华. 数值计算方法学习指导书，武汉：武汉大学出版社，2008主要论文模糊数学与粗糙集理论1. Bao Qing Hu, Wai Cheung Ip, Heung Wong, Fuzzy integral on credibility measure, Fuzzy Information and Engineering 4 (2010), pp. 387-395.2. Zhen-Ming Ma, Wei Yang, Bao-Qing Hu, Soft set theory based on its extension, Fuzzy Information and Engineering 4 (2010), pp. 423-432.3. Bao Qing Hu, Fuzzy groups and T-fuzzy groups with thresholds, Advancesin Fuzzy Mathematics, Volume 5, Number 1 (2010), pp. 17–29.4. Jun Han and Bao Qing Hu, Operations of fuzzy numbers via Genuine set, Lecture Notes in Computer Science, 2010, Volume 6401，Rough Set and Knowledge Technology, Pages 612-617, DOI: 10.1007/978-3-642-16248- 0_835. Bao Qing Hu, Wai Cheung Ip, Heung Wong，Fuzzy Integral on Credibility Measure，B. Cao, T.-F. Li, C.-Y. Zhang (Eds.): Fuzzy Info. and Eng., Volume 2, AISC 62, pp. 253–261. © Springer-Verlag Berlin Heidelberg 2009 (ISTP).6. Bao Qing Hu, Zheng Hua Huang, ( ,)-Generalized fuzzy rough sets based on fuzzy composition operations, B.-y. Cao, C.-y. Zhang, and T.-f. Li (Eds.): Fuzzy Info. and Engineering, ASC 54, pp. 647–659. , ©Springer-Verlag Berlin Heidelberg 2009 (ISTP).7. Bao Qing Hu and Yan Qing Niu, T-Fuzzy subgroups with thresholds, B.-y. Cao, C.-y. Zhang, and T.-f. Li (Eds.): Fuzzy Info. and Engineering, ASC 54, pp. 92–100. , © Springer-Verlag Berlin Heidelberg 2009 (ISTP).8. Bao Qing Hu and Song Wang, A novel approach in uncertain programming part I: New arithmetic and order relations for interval numbers, Journal of Industrial and Management Optimization, Vol. 2, No. 4 (2006) , 351-371 (SCIE) 9. Bao Qing Hu and Song Wang , A novel approach in uncertain programming part II: A class of constrained nonlinear programming problems with interval objective functions, Journal of Industrial and Management Optimization, Vol. 2, No. 4 (2006) , 373-385(SCIE)10. B.Q. Hu, J.J.He, H-ideals and Fuzzy H-ideals of BCH-algebras, Proceedingsof the 24nd International Conference of the North American Fuzzy Information Processing Society-NAFIPS, 2005 (EI, ISTP)11. Hu Bao Qing, He Juan Juan, Fuzzy ideals in BCH-algebras, Proceedings of the 22nd International Conference of the North American Fuzzy Information Processing Society-NAFIPS, 2003, 254-259 (ISTP)12. Liu Fang, Hu Bao Qing, Fuzziness in rough fuzzy sets and fuzzy rough sets, Fuzzy Information and Engineering, Vol.6, No.1 (2006) 36-5113. HU Bao-qing, HE Juan-juan, LIU Min, Fuzzy ideals and Fuzzy H-ideals of BCH-algebras, 模糊系统与数学，Vol.18, No.1 (2004), 9-1514. HU Bao Qing, LIU Fang, HE Juan Juan, Fuzzy Algebraic Ideal in BCK-Algebras, 模糊系统与数学，Vol. 19, No.1 (2005)，44-4815. 黄正华，胡宝清，模糊粗糙集理论研究进展，模糊系统与数学，Vol.19, No.4 (2005) 125-13416. HUANG Zhenghua, HU Bao Qing, Generalized Fuzzy Rough Sets by Fuzzy Proximity Relations, Proceedings of the 11th World Congress of International Fuzzy Systems Association (IFSA2005), Vol.1, 478-48117. W.C.Ip, B.Q. Hu, H. Wong and J. Xia, Applications of Rough Set Theory to River Environment Quality Evaluation in China, Water Resources, Vol.34, No.4(2007), 459-47018. 胡宝清. 分子格半群，模糊系统与数学，2(1995），65-7119. 胡宝清. 提升格，数学季刊，1-2（1990），55-6020. Hu Bao Qing, Luo B., He J.J., Fuzzy algebraic set in BCK-algebras, Proceedings of the 7th Joint Conference on Information Sciences, 238-240, 2003. (ISTP )复杂网络1. Min Wang and Bao Qing Hu and Xia Wu and Yan Qing Niu，The topological and statistical analysis of public transport network based on fuzzy clustering，B. Cao, T.-F. Li, C.-Y. Zhang (Eds.): Fuzzy Info. and Eng., Volume 2, AISC 62, pp. 1183–1191. © pringer-Verlag Berlin Heidelberg 2009(ISTP).2. Y.Q. Niu, B.Q. Hu, W. Zheng, M. Wang, Detecting the community structure in complex networks based on quantum mechanics, Physica A, 387(2008) 6215-6224 (SCI).3. 刘婷，胡宝清，基于聚类分析的复杂网络中的社团探测，复杂系统与复杂性科学，1(2007), 28-35支撑向量机，统计学习理论1. B.Q. Hu, J. Yang, J.L.He, A Multiclassification Model Based on FSVMs, Proceedings of the 24nd International Conference of the North American Fuzzy Information Processing Society-NAFIPS, 2005 (EI, ISTP)2. Xia Hong, Hu Bao Qing, Feature selection using fuzzy support vector machines, Fuzzy Optimization and Decision Making, (2006)5:187-192 (EI)3. 牛艳庆，胡宝清，基于Adaboost 算法的模糊支持向量回归机，模糊系统与数学, Vol. 20, No.2 (2006)，140-145演化计算1. Liu Min, Hu Bao Qing, Modeling Dynamic Systems by Using the Nonlinear Difference Equations Based on Genetic Programming, Wuhan University Journal of Natural Sciences, Vol.8, No.1B, 2003, 243-248 (EI)应用1. Ip W.C., Hu B.Q., Wong H., Xia J., Applications of Grey Relational Method to River Environment Quality Evaluation in China, Journal of Hydrology, 2009. (SCI)2. W.C.Ip, B.Q.Hu, H.Wong and J. Xia, Applications of Rough Set Theory to River Environment Quality Evaluation in China, Water Resources, Vol.34, No.4(2007), 459-470.3. H. Wong, B.Q. Hu, W.C. IP, J. Xia, Change-point analysis of hydrological time series using grey relational method, Journal of Hydrology, 324(2006) 323-338 (SCI)4. S.M. Lo, B.Q. Hu, M. Liu, K.K. Yuen, On the Use of Reliability Interval Method and Grey Relational Model for Fire Safety Ranking of Existing Buildings, Fire Technology, 41 (4): 255-270 OCT 2005 (SCI)5. C.Y. Yiu, H.K. Ho, S. M. Lo and B.Q. Hu, Performance Evaluation for Cost Estimators by Reliability Interval Method, Journal of Construction Engineering and Management，131:1(2005), 108-116. (SCI, EI)6. Xia Jun, Hu Baoqing. Water-related environmental problems and sustainability of water resources: a case study of the San-Hua region China, Sustainability of Water Resources under Increasing Uncertainty (proceedings of the Rabat Symposium S1, April 1997). Iahs Publ. no. 240, 1997, 459-468 (EI, ISTP)7. J. Xia, B.Q. Hu, The Interval Extension Evaluation Model of Water Environmental Quality and its Application, International Society for Environmental Information Sciences Environmental Informatics Archives, 2004, 297-3078. Xia Jun, Hu Baoqing. A Grey System Model for Predicting Trend Change of Urban Waste Water Load, J. Of Enviromental Hydrology, Vol.5(1997),1-109. 胡宝清，张轩，卢兆明，可拓评价方法的改进及其应用研究，武汉大学学报，Vol.36, No.5 (2003)79-84 (EI )10. J. Xia, B.Q. Hu, The Interval Extension Evaluation Model of Water Environmental Quality and its Application, International Society for Environmental Information Sciences Environmental Informatics Archives, 2004, 297-307.11. 王孝礼，胡宝清，夏军. 水文时序趋势与变异点的R/S 分析法，武汉大学学报(工学版)，2002,Vol.35, No.2:10-12 (EI)12. 沈明宇，胡宝清. 修正T 型关联度及其在证券市场中的应用, 系统工程理论与实践, 5(2003)36-40，(EI)学术兼职1．中国系统工程学会模糊数学与模糊系统专业委员会常务理事& 教育与普及工作委员会主任2．《模糊系统与数学》杂志编委3．中国运筹学会模糊信息与工程分会常务理事4．中国人工智能学会可拓工程专业委员会常务理事5．湖北（武汉）数学学会理事。
水文地质介绍
水文地质水文地质指自然界中地下水的各种变化和运动的现象。
水文地质学是研究地下水的科学。
它主要是研究地下水的分布和形成规律，地下水的物理性质和化学成分，地下水资源及其合理利用，地下水对工程建设和矿山开采的不利影响及其防治等。
随着科学的发展和生产建设的需要，水文地质学又分为区域水文地质学、地下水动力学、水文地球化学、供水水文地质学、矿床水文地质学、土壤改良水文地质学等分支学科。
近年来，水文地质学与地热、地震、环境地质等方面的研究相互渗透，又形成了若干新领域。
一、课程性质《水文地质学》是地质工程专业一门必修的专业基础课。
课程的主要任务是培养大家从水文循环的基本原理出发，获得水文地质学的基础知识和基本研究方法，能初步运用所学知识解决工程地质工作中与地下水有关的问题，要求大家掌握地下水形成、分布和运移规律，地下水的动态与均衡以及水化学相关问题；了解该领域目前研究状况及与其他学科的关系。
为今后从事与地下水有关的实际工作或科学研究打下基础。
《水文地质学》是地质学的一个分支，是研究地下水(Groundwater)的一门学科，它是对地质环境中地下水的发生、运动及其水化学特性上的研究。
主要研究与岩石圈、水圈、大气圈、生物圈以及人类活动相互作用下地下水水量和水质的时空变化规律，并研究如何运用这些规律去兴利除害，为人类服务。
二、课程研究对象1.概念地下水（groundwater）：赋存并运移于地下岩土空隙中的水。
含水岩土分为两个带，上部是包气带，即非饱和带，在这里，除水以外，还有气体；下部为饱水带，即饱和带，饱水带岩土中的空隙充满水。
狭义的地下水是指饱水带中的水。
2.地下水利：①分布广泛，便于就地开采使用；②洁净、不易被污染，水质普遍较优；③不占用地表空间；④动态比较稳定；⑤供水量受气候变化影响较小，具有较大到调蓄能力等。
害：①不合理的灌溉可造成次生盐碱化；②过量开采，可造成：在沿海地区，海水入侵，水质恶化；地面沉降，使区内建筑物失去稳定；不同含水层之间诱发水力联系，产生水的混合作用，使水质恶化；岩溶区地面塌陷；③其它，如矿坑涌水、基础及边坡的稳定问题等。
水资源、水环境、水生态承载力评价研究综述
109第2卷 第26期产业科技创新 2020，2（26）：109~111Industrial Technology Innovation *基金项目：湖南省自然资源厅自然资源科研项目（2020-25）；国家自然科学基金青年基金项目（41801183）；湖南省社科基金青年基金项目（18YBQ131），湖南省社会科学成果评审委员会一般项目（XSP18YBZ027）。
作者简介：胡文敏（1985- ），男，回族，湖南常德人，博士，副教授，主要从事土地规划、土地生态方面研究。
**通信作者：袁淑君（1983- ），女，湖南邵阳人，硕士，副教授，主要从事土地利用规划方面研究。
水资源、水环境、水生态承载力评价研究综述*胡文敏1,3，欧阳绿茵1，付钰珊1，袁淑君2**（1.中南林业科技大学 林学院，湖南 长沙 410004；2.湖南工程职业技术学院，湖南 长沙 410151；3.中国林业科学研究院 资源信息研究所，北京 100001）摘要：水承载力由于视角和理论的不同，概念与方法的认知存在差异，文章总结了影响三种水承载力的因素，对比了不同水承载力评价指标体系，分析了不同视角下的水承载力适用性。
探讨了传统方法与新方法的优缺点，结果表明不同方法的耦合将成为一种必然的趋势，时间尺度上，较长的时间尺度上的水承载力衡量，以及以流域与行政区划为主的空间尺度成为未来研究的主要方向。
关键词：水资源承载力；水环境承载力；水生态承载力；指标评价体系中图分类号：TV213.4 文献标识码：A 文章编号：2096-6164（2020）26-0000-00当前，由于城市人口的迅速增长和经济社会的快速发展，以及水资源的不规则分布和人类非理性的利用方式，水资源的开发利用已经接近甚至超过了当地水承载能力，严重的水污染问题，直接影响人类健康和社会经济的可持续发展。
从1990年水资源承载力的概念被提出开始，国内外学者从不同角度论述了水资源承载力、水环境承载力、水生态承载力的基础理论和研究方法。
熵理论及其在水文水资源中的应用研究
Journal of Water Resources Research 水资源研究, 2016, 5(1), 23-32 Published Online February 2016 in Hans. /journal/jwrr /10.12677/jwrr.2016.51003文章引用: 熊丰, 陈璐, 张俊宏. 熵理论及其在水文水资源中的应用研究[J]. 水资源研究, 2016, 5(1): 23-32.Entropy Theory and Its Application in Hydrology and Water ResourcesFeng Xiong 1, Lu Chen 1, Junhong Zhang 2*1School of Hydropower and Information Engineering, Huazhong University of Science and Technology, Wuhan Hubei 2College of Resources and Environmental Science, South-Central University for Nationalities, Wuhan Hubei Received: Jan. 6th , 2016; accepted: Jan. 23rd , 2016; published: Feb. 5th , 2016Copyright © 2016 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/AbstractHydrology and water resources system is a complex and nonlinear system. It is of great significance to study how to deal with the uncertainty in water resources system and analyze the correlation among hydrological variables. Entropy theory can measure the uncertainty of hydrological information and analyze the dependences among hydrological variables. In this paper, the principle of maximum entropy (POME) and the correlation analysis method based on entropy theory were introduced. The application of entropy theory in hydrology and water resources was reviewed. The characteristics, advantages and disadvantages of these methods were analyzed. Finally, the future research on entropy theory and its application in hydrology and water resources was discussed. KeywordsHydrology and Water Resources, Entropy Theory, Principle of Maximum Entropy, Correlation Analysis, Application熵理论及其在水文水资源中的应用研究熊 丰1，陈 璐1，张俊宏2*1华中科技大学水电与数字化工程学院，湖北 武汉 2中南民族大学资源与环境学院，湖北 武汉作者简介：熊丰(1993-)，男，湖北黄冈人，大学本科，水利水电工程专业。
GIS技术及其在水文学和水资源管理方面的应用
GIS技术及其在水文学和水资源管理方面的应用摘要：本文首先阐述了地理信息系统的基本内涵，接着分析了GIS技术及其在水文学和水资源管理方面的应用，希望能够为相关人员提供有益的参考和借鉴。
关键词：GIS技术；水文学；水资源管理；应用引言：近年来，GIS技术水平不断提高，其适用范围也在逐步拓宽，由于GIS技术自身具备解决水资源问题的实力，对水资源领域的应用条件也逐步完善了起来，其技术上的拓展也使其在地方水资源计划与管理、水情预测与水文科研中的运用变为了实际。
1地理信息系统的基本内涵地质学家在对水文地质展开深入研究时，因为收集到的信息很多，而且各种信息之间的成分关系比较复杂，所以其需要花费很多时间对收集到的信息进行整理和分析。
GIS为地质学家开展水文地质工作带来了很大便利。
GIS能对地质学家想要研究领域的信息进行收集和数据分析，这既节省了时间，又提高了地质研究工作效率。
此外，GIS还可以将经过解析后的资料以图片的方式呈现在地质学家面前，方便他们进行研究。
地质学家利用GIS能保证获得的资料的正确性。
总体而言，GIS为开展水文地质工作提供了很大便利。
2GIS技术及其在水文学和水资源管理方面的应用分析2.1水文预报活动中的应用GIS技术在水文预报活动中有着不错的应用效果，该技术具有较强的数据处理和归纳能力，可通过科学的数据分析挖掘出数据背后的价值，全面采集水文信息，为水文预测工作的开展提供可靠的参考依据。
水文资源并不是一成不变，其具有动态波动性，需要通过实时监测数据来预估其未来的发展趋势，而准确的预测就必须有完整水文资料的支持。
在水文预报活动中引入GIS技术，有利于保证模型参数的准确性，获取更为精准的水文信息数据，以便于创建科学的水文模型，保证水文预报结果的精确性。
基于GIS技术，已经逐步完善了智慧防汛系统，可有效监测河流，预测水库洪水，进一步提升了水文水资源工作质量。
2.2供水管网信息管理中的应用在供水管网信息管理中可应用GIS技术，有利于进一步优化供水工程管网设计方案。
水文与水资源工程中3s技术的应用研究
一、概述水文与水资源工程是指以水文学理论和方法为基础，研究水文过程及其规律，为合理利用和保护水资源提供科学依据的交叉学科。
在水文与水资源工程中，3s 技术（即遥感（Remote Sensing）、地理信息系统（Geographic Information System）和全球定位系统（Global Positioning System））的应用已成为研究和实践的热点。
本文将围绕着水文与水资源工程中3s技术的应用展开研究。
二、3s技术在水文监测中的应用1. 遥感技术遥感技术通过卫星、飞机等远距离获取地表信息的方式，可以对水文要素如地表水域、植被覆盖等进行监测。
遥感技术可以对水文要素进行动态监测，及时获取水文数据，并为水文预报和水资源管理提供可靠的信息支持。
2. 地理信息系统（GIS）GIS 是一个以地理空间数据为核心的信息系统，可以对水文数据进行存储、管理、分析和表达。
在水文与水资源工程中，GIS 技术能够构建空间数据库，进行空间分析，绘制水文专题地图，从而实现水资源空间分布、动态变化的研究和管理。
3. 全球定位系统（GPS）GPS 技术可以实现对水文要素的高精度定位和监测，包括地表水体、地下水位、降水量等。
结合遥感和GIS技术，GPS技术可以为水文要素的动态变化提供实时监测和定位服务，并为水文预报和水资源规划提供精准数据支持。
三、3s技术在水资源工程规划中的应用1. 地质灾害风险评估利用遥感技术获取地表形变信息，结合GIS技术对地质灾害的空间分布进行分析，可以为水资源工程的规划提供地质灾害风险评估和防治对策的科学依据。
2. 水土保持规划通过GIS技术对土地利用类型、植被覆盖等因素进行分析，可以优化水资源工程的布局设计，提高水土保持效果，减少水资源浪费和地质灾害发生的概率。
3. 水文数据分析与预测通过3s技术的综合应用，可以实现对水文要素的动态监测、数据存储和分析，为水文数据模型的建立和水文预测提供可靠的数据支持。
若干水文预报方法综述
第25卷第1期水利水电科技进展2005年2月V ol.25N o.1Advances in Science and T echnology of Water Res ources Feb.2005 作者简介:王文(1967—),男,江苏姜堰人,副教授,博士,从事GIS 与遥感应用及水文时间序列分析研究.若干水文预报方法综述王 文1,马 骏2(1.河海大学水资源环境学院,江苏南京 210098;2.黄河水利委员会水文局,河南郑州 450004)摘要:将现有水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类.过程驱动模型指以水文学概念为基础,对径流的产流过程与河道演进过程进行模拟,从而进行流量过程预报的模型.过程驱动模型近年在中长期预报方面的发展主要表现在对概念性流域降雨径流模型的结构进行改进,以适应较大时间尺度预报的需要.数据驱动模型则是基本不考虑水文过程的物理机制,而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法.数据驱动模型以回归模型最为常用,近年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进,以及水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注.关键词:河流流量;水文预报;水文模型;过程驱动模型;数据驱动模型中图分类号:P338 文献标识码:A 文章编号:1006Ο7647(2005)01Ο0056Ο05R eview on some methods for hydrological forecasting//W ANG Wen 1,M A Jun 2(1.College o f Water Resources and Environment ,Hohai Univ.,Nanjing 210098,China ;2.Hydrology Bureau o f Yellow River Conservancy Commission ,Zhengzhou 450004,China )Abstract :The current methods for hydrological forecasting are divided into tw o classes ,i.e.the process 2driven m odel and the data 2driven m odel.The process 2driven m odel is based on the conception of hydrology ,with which the discharge forecasting can be per formed by simulation of the runoff variation and river channel ev olution.The advances of process 2driven m odels in medium 2and long 2term forecasting mainly concentrate on the m odification of the precipitation and runoff m odels of river basins ,s o that the m odels can meet the requirement of the medium 2and long 2term forecasting.While ,the data 2driven m odel ,without requirement of the analysis of the physical mechanics ,is fundamentally a black 2box m odel with an objective of identification of the optimal mathematical relationship between inputs and outputs.Am ong all the data 2driven m odels ,the linear regression m odel is the m ost comm only used.Owing to the introduction of s ome new forecasting methods into hydrological forecasting ,such as the artificial neural netw ork m odel ,the nonlinear time 2series analysis m odel ,the fuzzy mathematic m odel ,the grey system m odel ,and s o on ,and the im provement of the capability of data acquisition and calculation ,the data 2driven m odel has drawn wide attentions in hydrological forecasting.K ey w ords :river flow rate ;hydrological forecasting ;hydrological m odel ;process 2driven m odel ;data 2driven m odel 水文预报对于水库调度、洪水控制、发电、灌溉等工作至关重要.水文预报方法很多,可以粗略地分为过程驱动模型方法和数据驱动模型方法两大类.过程驱动模型指以水文学概念为基础,对径流的产流过程与河道演进过程进行模拟,从而进行流量过程预报的数学模型.数据驱动模型则是基本不考虑水文过程的物理机制,而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法.数据驱动模型以回归模型最为常用,近年来新的预测手段得到很快发展,如神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等,同时,水文数据的获取能力及计算能力得到飞速发展,因此,数据驱动模型在水文预报中得到越来越广泛的关注和应用.1 过程驱动模型过程驱动模型大致可以分为两类,一类是模拟以地下水或其他慢反应水源为主要径流来源的枯季径流退水模型;另一类是应用范围更广,可用于具有不同径流来源的流量过程的概念性流域降雨径流模型.1.1 枯季径流退水模型自然流域的枯季径流退水过程可以通过退水曲线反映出来.枯季径流退水曲线法应用枯季径流的退水规律来预报枯季径流总量和径流过程,如Mishra 等建立退水模型进行青尼罗河的枯季退水径流预报[1].推求退水曲线表达式的方法有多种,但由于不同时期的退水特性有很大差异,退水曲线的定量表达缺乏一致性,这就限制了退水曲线法的应用[2].此外,用退水曲线法只能预报无显著降水情况下的径流消退过程,如果预见期内的降水对径流过程有明显影响,则该方法不适用.1.2 概念性流域降雨径流模型概念性流域降雨径流模型是将一些有物理依据的公式与经验性的公式结合起来,描述降雨径流的转换过程及径流的河道演进过程的数学模型.概念性模型被广泛应用于实时或短期预报,其输入、输出量的时间单位一般是小时或日.在应用于中长期预报时,其输入、输出量的时间单位相应有所改变(比如由小时、日变为旬、月).由于降水输入是降雨径流模型必不可少的输入量,因此将其应用于中长期预报时,一般要与降水预报相结合.如由欧洲多国共同开发的欧洲洪水预报系统(EFFS)根据欧洲中期气象预报中心(EC MWF)的逐日降水预报结果,采用多个概念性模型进行未来10d的逐日流量概率预报[3];Tucci等将大气环流模型预报的降水数据输入到一个分布式水文模型中,预报未来若干月的流量[4].也有以历史降水资料作为模型输入的,如加拿大哥伦比亚河Mica工程在过去20多年中使用一个半分布式水文模型(UBC模型),以流域当前状态(如积雪及土壤湿度状况等)为基础,根据历史降水数据进行1～8月份的日流量预报,并聚合而成月流量预报[5].当概念性模型应用于较大时间尺度的流量过程预报时,模型的结构也可能需要做适当调整.新安江模型[6,7]、水箱模型[8]、H BV模型[9]等都被不同研究者经过适当的结构改进后用于月径流量预报.比如,刘新仁[6]提出了可以适应不同时间尺度的系列化水文模型,在将新安江月模型应用于月尺度的预报时,可以只考虑两种水源即快速响应水源(地表径流与壤中流)及慢响应水源(地下径流),相应地在划分水源的模型参数上,不再需要自由蓄水库向壤中流和地下径流的排水系数及壤中流的调蓄系数.也有部分研究者提出以中长期预报为主要目的的水文模型,例如王国庆等[10]建立了一个大尺度融雪径流模型,用于月径流量预报;M ohseni等[11]提出了一个基于水量平衡原理的集总式概念性模型进行月径流量的模拟和预报.2 数据驱动模型2.1 回归分析模型回归分析是流量中长期预报中应用最早、最广的方法之一,其应用于径流预报的历史可以追溯到早期的降雨径流相关图方法,20世纪60年代以后随计算机技术的发展而迅速普及,并且,主成分分析等技术被引入到回归分析之中[12],以提高预报精度.回归分析至今仍是流量预报实际工作中的一种重要手段[13,14].回归模型的主要优点在于简单、易于实现.在根据影响因子与流量过程的相关关系进行中长期预报时,关键要解决好以下几方面的问题:①哪些指标与研究区域的中长期流量有显著的相关性?②所选定的指标在哪个时间尺度(如月或季)上与研究区域的哪个时间尺度的流量有最大的相关性?③这种相关关系的时距有多长?最常用的预报因子有预报站前期流量、上游站前期流量、集水流域降水量、土壤湿度、积雪量、气温等,还可以将一些对流量过程的长期变化规律起控制作用的影响因子作为预报因子,包括太阳辐射、太阳黑子数、地震场、地温场等地球物理量,海洋表面温度、E NS O指数等海洋物理量,气压高度场、大气环流指数等大气物理量.由于上述很多因子对流量的影响往往有几个月甚至更长的滞后时间才能反映出来,因此,考虑这些因子会有助于提高长期预报精度.这方面的研究成果很多,比如,有研究表明地震场[15]、地温场[16]与年流量均有较大相关性;许多研究成果表明E NS O事件与河流流量变化有关,这种关系可用于进行长期流量预报[17,18].2.2 时间序列模型时间序列分析是水文学研究的一个重要工具.在流量过程预报中用到的时间序列模型很多,按模型中包含的时间序列的数目,可以分两大类:单变量模型与多变量模型.单变量模型以自回归滑动平均(ARMA)模型及其衍生类型最常用.自回归(AR)模型是ARMA模型的一种特殊类型,在年、月径流量模拟和预报中使用较广,如卢华友[19]采用三阶自回归模型AR(3)对丹江口水库年径流进行预报.但ARMA模型是建立在时间序列平稳的假设之上的,而时间尺度小于年的流量序列(如月、旬流量)通常具有很强的季节性,并非平稳序列,因此直接使用ARMA模型一般不合适.模拟和预报这种季节性序列的模型主要有3种[20]:①用季节性ARI MA模型(简称为S ARI MA);②除季节性ARMA模型,即先除去原流量序列中的季节性均值与方差,再对除季节性序列拟合ARMA 模型;③周期ARMA模型(简称为PARMA),包括PAR模型.这3种模型在流量中长期预报中都很常用[21,22].近年来,河流流量过程的长记忆特性研究受到关注.具有长记忆特性的随机过程可以用分数阶差分自回归滑动平均(ARFI MA)模型较好地描述,如M ontanari等[23]用ARFI MA模型进行尼罗河阿斯旺月流量过程的模拟与预报;O oms等[24]将PARMA 模型与ARFI MA模型相结合,提出用周期长记忆模型(PARFI MA,Periodic ARFI MA)拟合月流量过程;王文[25]采用包括ARFI MA模型在内的多种时间序列模型进行黄河上游唐乃亥站未来10d的逐日平均流量预报.如果考虑外部输入因素的影响,可以构建多变量时间序列模型,最常用的是含外部变量的自回归滑动平均(ARMAX)模型或传递函数噪声(TFN)模型.例如,Awadallahl等[26]以不同海区的海温作为外部输入变量建立TFN模型,进行尼罗河夏季径流量的预报.由于考虑了外部影响因素,利用了更多的预报信息,TFN模型的预报精度一般高于单变量的ARI MA类模型的预报精度.例如,Thom pstone等[21]对1/4月流量过程建立了除季节性ARMA模型、周期自回归(PAR)模型、考虑降水与融雪输入的TFN 模型及一个概念性模型进行预报试验,结果表明TFN模型精度优于其他模型.如果流量过程显著受某种外部因素干扰而呈现异常波动,则可以采用干扰模型来模拟这种干扰,它可以看作是TFN模型的一种特殊类型.K uo等[27]在AR(1)模型的基础上,考虑台风因素的影响,建立干扰模型进行台湾淡水河的10d平均流量的预报和模拟.流量过程时间序列预报模型还可以根据模型是否具有线性结构分为线性模型与非线性模型.前面提到的ARMA,TFN等模型可以视为线性模型.近年来,水文系统的非线性研究越来越受到关注,相应地非线性模型的应用实例也增多.门限自回归模型(T AR)是中长期流量过程预报中常用的一种非线性时间序列模型[28].前面提到的很常用的PARMA及PAR模型实际上可以视为T AR模型的一种特殊类型,它们以季节为门限值,对不同季节分别建立线性模型.如果考虑外部因素的影响,T AR可以扩展为门限回归模型,因其可以描述为树形结构,也被部分研究者称为模型树模型,这种方法有应用于实时降雨径流预报的实例[29],在中长期预报中也会很有应用价值.2.3 神经网络模型人工神经网络(ANN)具有良好的非线性映射能力,而且,ANN模型构建方便,对数据的适应性很好,因而ANN可以说是近10多年来最广为关注的一种非线性预报方法,已被广泛应用于实时中长期水文预报中.最常用于径流预报的ANN类型为采用误差后向传播(BP)算法的多层感知器(M LP)神经网络(也被称为BP网络),广泛应用于年、月径流量或平均流量的预报.Birikundavyi等[30]用M LP网络进行未来1～7d的流量预报;Z ealand等[31]采用M LP 网络进行未来1～4周的流量预报;Markus[32], Jain[33],K isi[34]等用M LP网络模型进行月流量预报研究.径向基函数(RBF)神经网络也被不少研究者用于月平均流量预报(如[25,35]).此外,为了更好地拟合流量过程的非线性特征,可以采用模块化神经网络进行流量过程的中长期预报[36,37].采用ANN模型进行预报时最重要的是确定哪些数据作为输入,应的网络结构.关于如何确定ANN输入变量,有两个问题需要考虑:一是当训练数据长度较短,无法覆盖序列的全部可能范围时,如何提高ANN对可能出现的极端情况的预报能力.为解决这一问题,Cigi2 zoglu[38]在用M LP模型进行月平均流量预报时,先用AR模型生成模拟序列,以此增加训练数据量,提高预报精度.二是在进行多步预报时,如何解决ANN 模型的气象输入数据.理想的选择是采用气象预报数据,如Birikundavyi等[30]采用预报的降水、气温数据进行未来1～7d的流量预报.但是有研究表明,由于气象预报精度的限制,采用气象预报数据对流量预报的精度提高是有限的[39],因此,也有研究者采用历史气象数据作为ANN模型的输入进行多步预报,如Z ealand等[31].2.4 模糊数学模型在水文领域应用模糊数学进行预测的方法有两类,一类是模糊模式识别预测法,另一类是模糊逻辑方法.模糊模式识别预测法的基本思路是:以对历史样本模式的模糊聚类为基础,计算待测状态的类别特征值,从而根据预报值与类别特征值之间的回归方程进行预报[40];或者比较直接的做法是,从历史样本中寻找与当前待测状态具有最小模糊距离或最大贴近度的那个状态,以此状态的下一时刻值作为预报值[41].就本质而言,模糊模式识别预测法与下文提到的近邻预报方法相似,主要差别在于近邻的选择方法不同,以及找到近邻状态(或者称贴近状态)后建立预报方程的方法有所不同.模糊逻辑方法可以描述变量之间不十分明确的因果关系.根据变量之间的模糊逻辑关系,可以建立模糊逻辑模型(或称为模糊专家系统)进行流量预报,例如Zhu[42],Mahabir等[43]采用模糊逻辑模型进行长期流量预报.2.5 灰色系统模型水资源系统可以当作灰色系统看待.最常用的描述灰色系统模型的数学模型为G M(1,1),G代表G rey(灰色),M代表M odel(模型),G M(1,1)指1阶、1个变量的线性常微分方程模型.它在径流预报、灾变预测中有不少应用实例.夏军[44]提出了用灰关联模式识别的方法进行中长期径流预测.此后有研究者将此类模型应用于年、月径流预测[45,46].216 其他数据驱动模型除了上述几种数据驱动模型,下述几类模型也有少量应用实例.a.Markov链.Markov链预测技术是根据随机过程的状态转移概率来预测其未来变化趋势.该方法可用于河川径流系列的年际变化,如水库年平均入库流量[47].b.均生函数模型.均生函数模型根据系统状态前后记忆的特性,由时间序列按不同的时间间隔计算均值,生成一组周期函数,即所谓均生函数,通过建立原序列与这组函数间的回归预报方程,利用均生函数的外延值,可以对原时间序列作多步预报.冯建英[48]利用均生函数模型对河西地区3条内陆河1992～1996年春季各月和总流量进行了预报.c.经验正交函数.经验正交函数(E OF)分析方法是长期天气预报和短期气候预测中应用较为广泛的一种方法,可以移用到河流流量预报中,如李杰友等[49]应用经验正交函数分析方法,以月平均500hPa,100hPa高度场及月平均海温场为预报因子,进行月径流预报.d.典型相关分析.典型相关分析是分析两组随机变量间线性密切程度的统计方法,在气象气候研究领域应用较多.Uv o等[50]根据太平洋和大西洋海温,采用典型相关分析方法预报南美洲东北部亚马逊河流域若干地点的季节径流量.e.近邻预报方法.其基本思想是,从历史样本中选择与当前待预报状态相近的一个或k个历史状态(比如历史流量序列片段),根据这一个或k个历史状态的下一时刻观测值预报当前待预报状态的下一步值.该方法最早在20世纪80年代应用于流量预报[59],近年来随着混沌时间序列研究的增温,近邻预报方法受到较多关注,在日、月流量预报中都有应用[51,52].3 结 语水文预报模型很多,可以粗略地将其分为过程驱动模型和数据驱动模型两大类.近年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进,以及水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注.参考文献:[1]M ishra A,Hata T,Abdelhadi A W,et al.Recession flow analy2sis of the Blue Nile River[J].Hydrol Process,2003,17:2825—2835.[2]T allaksen L M.A review of baseflow recession analysis[J].Journal of Hydrology,1995,165:349—370.[3]De R oo A P J,Bartholmes J,Bates P D,et al.Development of aEuropean Flood F orecasting System[J].Journal of River Basin Management,2003,1(1):49—59.[4]Tucci C E M,Clarke R T,C ollischonn W,et al.Long2term flowforecasts based on climate and hydrologic m odeling:Uruguay River basin[J].Water Res our Res,2003,39(7):SWC3Ο1ΟSWC3Ο11.[5]Druce D J.Insights from a history of seas onal in flow forecastingwith a conceptual hydrologic m odel[J].J Hydrol,2001,249: 102—112.[6]刘新仁.系列化水文模型研究[J].河海大学学报,1997,25(3):7—14.[7]郦建强.华北地区流域月降水径流模型比较研究[J].水科学进展,1998,9(3):282—288.[8]胡兴林,崔涛,王小玲,等.黄河上游唐乃亥站月、旬平均流量预报模型研究[J].水文,2000,20(3):24—26.[9]康尔泗,程国栋,蓝永超,等.概念性水文模型在出山径流预报中的应用[J].地球科学进展,2002,17(1):18—26.[10]王国庆,张建中,马吉让.融雪径流模型及其在黄河唐乃亥站的应用[J].西北水资源与水工程,1997,8(2): 60—64.[11]M ohseni O,S tefan H G.A m onthly stream flow m odel[J].Wa2ter Res ources Research,1998,34(5):1287—1298.[12]G aren D C.Im proved techniques in regression2based stream2flow v olume forecasting[J].J Water Res Plan Manage,1992, 118(6):654—670.[13]李杰友,熊学农,罗清标.新丰江水库月径流预报模型[J].河海大学学报,1998,26(5):104—106.[14]Mahabir C,Hicks F E,Fayek A R.Application of fuzzy logic toforecast seas onal runoff[J].Hydrol Process,2003,17:3749—3762.[15]汤懋苍,张建,杨良.江河丰枯与我国地震的相关分析[J].中国科学(B辑),1992(8):889—896.[16]蔡英,王冬梅.唐乃亥流量年变程分型与地温场的相关分析[J].高原气象,1996,15(4):472—477.[17]Piechota T C,Dracup J A.Long2range stream flow forecastingusing E l2Nino s outhern oscillation indicators[J].Journal ofHydrologic Engineering,1999,4(2):144—151.[18]王根绪,沈永平,刘时银.黄河源区降水与径流过程对E NS O事件的响应特征[J].冰川冻土,2001,23(1):16—21.[19]卢华友,邵东国,郭元裕.丹江口水库径流长期预报研究[J].武汉水利电力大学学报,1996,29(6):6—10.[20]Hipel K W,Mcleod A I.T ime series m odelling of water re2s ources and environmental systems[M].Amsterdam:E lsvier, 1994.[21]Thom pstone R M,Hipel K W,Mcleod A I.F orecasting quarter2m onthly river flow[J].Water Res ources Bulletin,1985,21(5):731—741.[22]Bender M,S im onovic S.T ime2series m odeling for long2rangestream2flow forecasting[J].J Water Res Plan Manag,1994, 120(6):857—870.[23]M ontanari A,R oss o R,T aqqu M S.A seas onal fractionalARFI M A m odel applied to the Nile River m onthly at As wan [J].Water Res ources Research,2000,36:1249—1259. [24]O oms M,Franses P H.A seas onal periodic long mem ory m odelfor m onthly river flows[J].Environmental M odeling&S oft2 ware,2001,16:559—569.[25]王文.黄河流量过程时间序列分析与建模[D].北京:中国科学院研究生院,2003.[26]Awadallahl A G,R ousselle J.Im proving forecasts of Nile floodusing SST inputs in TFN m odel[J].Journal of Hydrologic En2 gineering,2000,5(4):371—379.[27]K uo I T,Sun Y H.An intervention m odel for average10daystream flow forecast and synthesis[J].Journal of Hydrology, 1993,151(1):35—56.[28]冯国章,王比银,王学斌.自激励门限自回归模型在枯水径流预报中的应用[J].西北农业大学学报,1995,23(4):78—83.[29]S olomatine D P,Dulal K N.M odel trees as an alternative toneural netw orks in rain fall2runoff m odeling[J].Hydrol Sci J, 2003,48(3):399—411.[30]Birikundavyi S,Labib R,T rung H T,et al.Per formance of neu2ral netw orks in daily stream flow forecasting[J].J Hydrol Eng, 2002,7(5):392—398.[31]Z ealand C M,Burn D H,S im onovic S P.Short term stream flowforecasting using artificial neural netw orks[J].J Hydrol,1999, 214:32—48.[32]Markus M.Application of neural netw orks in stream flow fore2casting[D].C olorado:C olorado S tate University,1997. [33]Jain S K,Das A,SrivastavaD K.Application of ANN for reser2v oir in flow prediction and operation[J].J Water Res Plann Manage,1999,125(5):263—271.[34]K isi O.River flow m odeling using artificial neural netw orks[J].J Hydrol Eng,2004,9(1):60—63.[35]陈仁升,康尔泗,张济世.应用G RNN神经网络模型计算西北干旱区内陆河流域出山径流[J].水科学进展, 2002,13(1):87—92.[36]Zhang B,G ovindaraju R S.Prediction of watershed runoff usingBayesian concepts and m odular neural netw orks[J].Water Re2 s our Res,2000,36(3):753—762.[37]Hu T S,Lam K C,Ng S T.River flow time series predictionwith a range2dependent neural netw ork[J].Hydrol Sci J, 2001,46(5):729—745.[38]Cigizoglu H K.Incorporation of ARM A m odels into flow fore2casting by artificial neural netw orks[J].Environmetrics,2003, 14(4):417—427.[39]Clark M P,Hay L e of medium2range numerical weatherprediction m odel output to produce forecasts of stream flow[J].J Hydrometeor,2004,5(1):15—32.[40]陈守煜.中长期水文预报综合分析理论模式与方法[J].水利学报,1997(8):15—21.[41]白子岩.模糊模式识别法在中长期预报中的应用[J].水利水电技术,1999,30(2):50—51.[42]Zhu M2L,Fujita M,Hashim oto N,et al.Long lead time forecastof runoff using fuzzy reas oning method[J].J Japanese S oc Hy2 drol Water Res our,1994,7(2):83—89.[43]Mahabir C,Hicks F E,Fayek A R.Application of fuzzy logic toforecast seas onal runoff[J].Hydrol Process,2003,17:3749—3762.[44]夏军.中长期径流预报的一种灰关联模式识别与预测方法[J].水科学进展,1993,4(3):190—197.[45]袁秀娟,夏军.径流中长期预报的灰色系统方法研究[J].武汉水利电力大学学报,1994,27(4):367—375. [46]饶素秋,霍世青.灰色系统模型在黄河径流量分析预测中的应用[J].人民黄河,1997(7):39—42.[47]蓝永超,康尔泗,徐中民.龙羊峡水库年入库径流的Markov预测模型[J].中国沙漠,2000,20(1):95—97. [48]冯建英.河西内陆河春季流量变化特征的分析和预测[J].甘肃气象,1998,16(4):38—41.[49]李杰友,熊学农,刘秀玉.基于E OF迭代的月径流长期预报[J].河海大学学报(自然科学版),2001,29(2): 43—46.[50]Uv o C B,G raham N E.Seas onal runoff forecast for northernS outh America:a statistical m odel[J].Water Res our Res, 1998,34(12):3515—3524.[51]丁晶,邓育仁,傅军.洪水变化的混沌特性和相空间预测[A].刘昌明.第六次全国水文学术会议论文集[C].北京:科学出版社,1997.151—157.[52]S ivakumar B,Berndtss on R,Perss on M.M onthly runoff predic2tion using phase space reconstruction[J].Hydrol Sci J,2001, 46(3):377—387.(收稿日期:2003Ο10Ο29 编辑:熊水斌) (上接第55页)参考文献:[1]叶浩亮,闵经书.水轮机选型C AD程序设计[J].电脑开发与应用,2001(12):11—13.[2]宋文武,彭贵川.水轮机选型设计软件包的开发研究[J].大电机技术,1999(6):61—65.[3]陈杉,王宁,郭剑峰.用objectARX开发AutoC AD2000应用程序[M].北京:人民邮电出版社,2000.[4]李世国.AutoC AD高级开发技术ARX编程及应用[M].北京:机械工业出版社,1999.[5]刘大恺.水轮机[M].北京:中国水利水电出版社,1996.(收稿日期:2004Ο01Ο12 编辑:熊水斌)。
参考文献分析
参考文献分析参考文献分析 (1)1.柴春岭.基于可变模糊集理论的水文水资源系统模拟、评价与决策方法及应用[D]. 大连理工大学, 2008. (2)2.王淑英. 水文系统模糊不确定性分析方法的研究与应用[D]. 大连理工大学, 2004.33.苏凤阁. 大尺度水文模型及其与陆面模式的耦合研究 [D]. 河海大学, 2001. (4)4.郑毅. 北运河流域洪水预报与调度系统研究及应用[D] . 清华大学, 2009. (4)5.杨萍. 青海湖小冰期以来的气候变化及其水文效应[D]. 兰州大学, 2009. (5)6.李昊睿. 陆面数据同化方法的研究[D]. 兰州大学, 2007. (7)7.马旭林. 基于集合卡尔曼变换（ETKF）理论的适应性观测研究与应用. 南京信息工程大学, 2008. (7)8.谢红琴. MM5－卫星数据变分同化方法及气象预报应用研究. 中国海洋大学, 2003. (9)9.孙安香. 数值气象预报变分同化的伴随模式并行计算 . 中国人民解放军国防科学技术大学, 2002. (10)10.张卫民. 气象资料变分同化的研究与并行计算实现. 国防科学技术大学, 2005.1111．王东伟. 遥感数据与作物生长模型同化方法及其应用研究. 北京师范大学, 2008. (12)12. 马寨璞. 海洋流场数据同化方法与应用的研究 . 浙江大学, 2002. (14)13. 王跃山. 数据同化—它的缘起、含义和主要方法 (15)14.王文. 水文数据同化方法及遥感数据在水文数据同化中的应用进展 (15)15. Particle Filter-based assimilation algorithms for improved estimation of root-zone soil moisture under dynamic vegetation conditions (15)1.柴春岭.基于可变模糊集理论的水文水资源系统模拟、评价与决策方法及应用[D]. 大连理工大学, 2008.【关键词】可变模糊集; 模糊优选神经网络; 水文水资源; 模拟; 评价; 决策【摘要】水文学是水资源学的基础,服务于水资源学。
随机模糊分析方法研究及其在水文水资源系统中的应用
随机模糊分析方法研究及其在水文水资源系统中的应用由于高强度人类活动和全球气候环境变化的影响,加之人口急剧膨胀,水资源短缺矛盾凸显。
流域是一个复杂的系统,该系统又包含多个子系统,各子系统内部又包含众多组分。
总系统、各级子系统及其组分之间存在复杂的互动响应关系,同时,各系统的交互响应作用都具有各自的时空演变特征与规律,由此表现出异质性；这些都使得流域系统呈现出异常纷繁复杂的不确定性、多目标性、多层次性、非线性和动态性等特征。
流域水文循环和水资源管理模型是流域系统的重要研究内容,目前正面临着严峻挑战,亟需对流域系统的复杂性和不确定性进行深入研究。
因此,本论文以不确定条件下的流域水文模拟和水资源分配为主要研究对象,选取我国典型流域长江香溪河流域、海河漳卫南流域、新疆开都河流域开展不确定水文模拟和水资源分配研究。
研究涵盖了水文气象、不确定性分析、水资源优化配置等多学科多领域技术。
论文主要的研究工作及创新性成果如下：(1)以长江流域三峡库区香溪河流域为研究区,探究DEM分辨率与基于地形特征的流域降雨径流模型之间的关系,选用TOPMODEL模型来模拟研究区的整个水文循环过程。
在研究流域的上、中、下游分别选取了四个典型的小尺度试验流域进行独立研究,每个试验流域配套建设了水文、气象观测站以便获得更加精准的水文气象数据。
选取了从30米到200米一系列不同DEM分辨率,率定每种DEM分辨率下水文模型独立参数,考察了TOPMODEL模型Nash、SSE和SAE三个用于反映模型效率的参数,并利用模糊分析的方法综合评价DEM分辨率与TOPMODEL模型模拟效率之间的关系。
研究结果有助于决策者构建高效的水资源利用、管理方案,提高当地的水资源利用效率。
(2)选取新疆开都河流域为研究区域,基于半分布式水文模型TOPMODEL,开发一个随机模糊耦合分析的方法(HSFA)用于不确定降雨径流模拟、深入探究水文过程中的不确定性,分析参数的不确定性识别对水文模拟结果的影响。
(完整版)水文学教案
绪论一、水文学的研究对象及主要内容(一）研究对象1、水文学—-研究地球上水的性质、分布、循环、运动变化规律及其与地理环境、人类社会之间相互关系的科学。
2、水体——以一定形式存在于自然界中水的总称。
水的形态包括大汽水、河流水、湖泊水、海洋水、湖泊水、沼泽水、冰川水、地下水、土壤水、生物水等。
（二）水文学研究的主要内容及本课程的内容结构1、主要内容（1）水分循环及水量平衡（水文学的核心内容)（2)水的数量、质量及分布（3）各种水体的性质（物理性质、化学性质)（4）各种水体的类型结构及运动规律（5）水在地理环境中的作用(与生态系统、地理环境、人类活动之间的关系）（6)水资源开发利用及人类活动的水文效应2、本课程的内容结构二、水文学的发展简介水文学经历了从萌芽到成熟、从经验到理论、从定性到定量的历史发展过程。
（一)水文现象定性描述阶段1、时期：远古——14世纪未2、标志（1)世界上最早的水文观测：中国和埃及（大禹冶水、随山刊木）（2)水经注吕氏春秋定性描述各大河流的源流、水情、水文循环的初步概念（3）特点水文观测定性描述经验积累（二)水文科学的形成阶段1、时期:15世纪初——19世纪未2、特点：（1）概念描述进入定量描述（2）水文理论的形成3、标志(1）1674年p.佩罗提出了水量平衡概念（2）1775年谢才提出了谢才公式（明渠畅流等流速公式）（3）1802年道尔顿提出蒸发公式（4）1856年达西定律形成（三)应用水文学阶段1、时期：20世纪-20世纪五十年代2、特点(1）水文观测理论体系进一步完善（2)应用水文学发展3、标志（1）工程水文学成为应用水文学的主要分支(2）产汇流理论计算公式（3）森林水文学、城市水文学的形成（四）现代水文学阶段1、时期：20世纪50年代以来2、特点：（1）水文技术科学的发展(2）分支科学不断诞生（3)研究方法趋向综合(4)水资源开发利用、管理、评价成为重点3、标志（1)雷达测雨（2）中子散射法测土壤含水量（3）放射性示踪测流（4)同位素测沙（5）卫星遥感及GIS的利用（6）水文模拟、随机分析、系统分析方法（7）水文研究自动化（8）水资源的评价、管理、优化利用三、水文学体系(一）按水体的分类（对象）（传统分类法）（二)系统水文学体系1、水文学的学科体系2、普通水文学:水文学基本理论、方法3、水文测验学4、区域水文学（1）流域水文学 (2）河口水文学（3）山地水文学（4)平原水文学 (5）坡地水文学（6)干旱区水文学(7）岩溶区水文学5、应用水文学（1）工程水文学（2）城市水文学 (3）森林水文学（4）农业水文学（5）土壤水文学6、新技术方法（1）随机水文学（2）模糊水文学（3）系统水文学（4)遥感水文学（5)同位素水文学四、水文学地理研究方向及其与其它学科的联系（一）水文学的地理研究方向1、水文学的三个研究方向（1）地理学方向（2）地球物理学方向（3)工程学方向2、水文学地理方向（地理水文学）（1）水文学与地理学共同隶属、分别分支（2）侧重水体运动变化的自然规律，总体演化趋势，与其它地理要素相互关系的综合研究；水体差异的区域性研究（3）特点:宏观性、区域性、综合性（二)水文学在地理学中的地位1、地理学的学科体系2、水文学是地理学自然地理的学科分支学科自然地理包括气候学、地貌学、水文学、土壤地理学、生物地理学等。
水文学原理
的物理机制与相互联系，以及时空分布规律。
第二节 水文学的发展
从研究内容、分析手段、科学范畴等方面的变化，国内的水文 学家将水文学的发展分为三个阶段： 水资源水文学。 地理水文学、工程水文学、
地理水文学阶段：大致在18世纪之前，其刚从地理学中派生
出来，属于自然科学的范畴，是水文学开始形成的阶段，在这一阶 段中，通过宏观分析和以水量平衡为目的水文实验，对全球和区域 水文分区等。
水体——自然界中水的存在形式.（如海洋、河流、湖泊、
沼泽、冰川、地下水及大汽水）
水体
大气
地下 山河
自然界 中的水
海洋 湖泊
冰川
沼泽
第一节 水文学的内容和任务
自然界中水的存在形式是多种多样的，所以根据研究水体的不 同可将水文学作如下的分类： 河川水文学 水文学按水 体不同分类 海洋水文学 水文气象学 湖泊水文学 地表水文学 陆地水文学 土壤水文学 河口水文学 地下水文学 冰川水文学
主要内容
第一章
第三章 第五章 第七章 第九章
绪论
降水 蒸发与散发 流域产流 流域汇流
第二章
第四章 第六章 第八章
河流与流域
土壤水与下渗 径流 河道水流
第一章 绪论
第一章
绪论
“水文”是“水文学”的简称，指自然界水的时空分布、 变化规律的一门边缘学科。“文”作自然界的现象讲，如 “天文”。
主要研究各种水的发生、现象、运动、变化，循环和分
水文学原理
水文学 Hydrology
水文学是水利水电工程专业，水文与水资源工程专业、土
பைடு நூலகம்
木工程专业、给水排水工程专业、道路与桥梁工程专业的必修
专业课。 专业课上所用到的许多原理和方法都是建立在这门课基础 之上的。内容相当多，主要有水文循环、水量平衡的基本概念； 降水、蒸发、下渗、土壤水、径流（河川径流：河流流域特征 及河流水情）；流域的产、汇流理论。
水资源风险分析理论及评估方法
水资源风险分析理论及评估方法1 研究背景21世纪以来，随着人口的快速增长和社会经济的迅速发展，世界上许多国家与地区都面临着水资源短缺和水污染严重等问题；同时由于气候变化与人类活动的影响，旱涝灾害频发，这些都对水资源的安全保障及水资源的可持续利用提出了新的挑战［1］。
2012年3月发布的第4 期《世界水资源发展报告》强调指出：历史经验不足以平衡用水量与未来不断变化的需求之间的关系，要在充满风险和不确定性的环境中管理水资源。
因此，开展水资源风险分析研究是合理制定水资源规划、控制和降低风险与损失的重要基础和前提，可为我国水资源风险防范和优化利用提供决策依据和科学咨询。
目前，水资源风险分析研究内容包括水资源风险分析理论和水资源风险评估方法。
水资源风险分析理论在危险性、脆弱性和水资源风险理论模型等方面存在如下问题：无法避免主观性的影响、忽视了脆弱性的时变特性、需要大量样本等。
水资源风险评估研究存在的主要问题包括：模型难以选择、模型参数难以进行准确性估计以及评估结果难以进行可靠性验证等。
本文主要从水资源风险定义、水资源风险形成要素和水资源风险理论模型三个方面对水资源风险分析理论进行综述，分析现有研究存在的问题；从水资源风险概率预测、水资源脆弱性评估和水资源风险损失评估三个方面对水资源风险评估方法进行综述，分析国内外研究存在的问题并指出模型改进的方向和发展趋势，最后指出影响水资源风险评估建模的重点与难点问题。
2 水资源风险分析理论2.1 水资源风险定义不确定性是风险事件的本质特征，如Aven ［2］认为风险是不利事件后果的严重程度及不确定性。
由于水资源系统广泛存在随机性、模糊性及灰色性等［3］，现有研究中用随机性、模糊性或灰色性来研究或估计水资源风险中的不确定性，包括随机风险、模糊风险和灰色风险。
随机风险常用概率估计水资源系统风险中的随机不确定性［4］。
然而，概率风险要以大样本为基础，当已有样本和信息不足以用概率来估计风险中的不确定性时，模糊风险和灰色风险理论应运而生，如Huang［5］提出模糊风险的概念，用模糊关系估计风险发生的概率；Jia 等［6］将灰色风险理论用于水资源安全风险评价实践中；左其亭等［3］基于灰色系统理论建立灰色风险率、灰色风险度的计算表达式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
随机模糊分析方法研究及其在水文水资源系统中的应用
由于高强度人类活动和全球气候环境变化的影响,加之人口急剧膨胀,水资源短缺矛盾凸显。
流域是一个复杂的系统,该系统又包含多个子系统,各子系统内部又包含众多组分。
总系统、各级子系统及其组分之间存在复杂的互动响应关系,同时,各系统的交互响应作用都具有各自的时空演变特征与规律,由此表现出异质性；这些都使
得流域系统呈现出异常纷繁复杂的不确定性、多目标性、多层次性、非线性和动态性等特征。
流域水文循环和水资源管理模型是流域系统的重要研究内容,目前正面临着严峻挑战,亟需对流域系统的复杂性和不确定性进行深入研究。
因此,本论文以不确定条件下的流域水文模拟和水资源分配为主要研究对象,选取我国典型流域长江香溪河流域、海河漳卫南流域、新疆开都河流域开展不确定水文模拟和水资源分配研究。
研究涵盖了水文气象、不确定性分析、水资源优化配置等多学科多领域技术。
论文主要的研究工作及创新性成果如下：(1)以长江流域三峡库区香溪河流
域为研究区,探究DEM分辨率与基于地形特征的流域降雨径流模型之间的关系,选用TOPMODEL模型来模拟研究区的整个水文循环过程。
在研究流域的上、中、
下游分别选取了四个典型的小尺度试验流域进行独立研究,每个试验流域配套建设了水文、气象观测站以便获得更加精准的水文气象数据。
选取了从30米到200米一系列不同DEM分辨率,率定每种DEM分辨率下水文模型独立参数,考察了TOPMODEL模型Nash、SSE和SAE三个用于反映模型效率的
模型模拟效率之间参数,并利用模糊分析的方法综合评价DEM分辨率与TOPMODEL
的关系。
研究结果有助于决策者构建高效的水资源利用、管理方案,提高当地的
水资源利用效率。
(2)选取新疆开都河流域为研究区域,基于半分布式水文模型TOPMODEL,开发一个随机模糊耦合分析的方法(HSFA)用于不确定降雨径流模拟、深入探究水文过程中的不确定性,分析参数的不确定性识别对水文模拟结果的影响。
研究所开
发的HSFA方法用于流域整个水循环和水文模拟,识别和表征随机不确定性和模
糊不确定性两类水文模型中普遍存在的不确定信息。
除了分析上述因素对水文模型的模拟精度产生的影响以外,还探究二者对水文模型的联合影响。
研究结果表明,洪水期(6月到8月)参数M、ln(To)和ChVel 对径流模拟峰值影响较大,进而影响着径流模拟结果的不确定性。
径流实测值落在95%置信水平下的不确定性径流模拟带的比例随着隶属度
的增加而增加,残差大小随着隶属度的增加而减小,HSFA方法模拟结果比传统TOPMODEL模型残差小得多。
(3)开发了一个DFCFP模型用于不确定条件下水资源分配。
DFCFP模型可以有效的处理模型约束中的模糊参数,实现规划目标的协调发展,在有限的资源下实现系统边界效益最大化。
本研究开发的DFCFP模型用于指导中国海河支流漳卫南流域的水资源分配,该流域面临着人口增长和环境变化所
带来的严重水资源短缺问题。
研究结果显示,最低可信度情景和最高可信度情景下邯郸、安阳水资源分配
量有着明显差异；两种情景下DFCFP模型求解的系统边界效益明显比直接用总效
益除以总水量计算的边界效益要高,因此节约了大量的水资源,提高了水资源利用效率；DFCFP模型求解的用户最优水量比DFCP模型求解的用水量要小但系统
效益要大,由此进一步证明了DFCFP模型对水资源管理的有效性。
(4)针对不确定
条件下漳卫南灌区农业水资源管理的复杂性,基于预期的灌区水资源用户供水目标不能满足需求时的水资源如何进行分配的客观问题,结合LFP模型与TSP模型的优点,开发了一种分式两阶段随机规划模型(FTSP)用于漳卫南灌区农业水资源分配研究。
本研究选漳卫南灌区最大控制性工程岳城水库的两个大型供水灌区为研究
对象,探讨了灌区农业灌溉水资源的优化配置问题。
研究表明不同决策情景所对
应的经济效益和缺水风险不同,最优决策实现了经济效益和缺水风险之间的平衡；不同径流水平下,各用户的正常灌溉面积会发生相应变化,高径流水平时所有用户均能得到正常灌溉。