摘要:將天氣預(yù)報產(chǎn)品引入水文模型是提高長期徑流預(yù)測精度的有效途徑,但引入方法仍存在難度。為此,以漢江上游梯級水庫系統(tǒng)為例,引入智能算法及相似典型放縮,構(gòu)建基于分預(yù)見期校正的CFS與SWAT耦合徑流預(yù)測模型,首先甄選智能算法校正CFS降雨,然后基于相似典型放縮對其進行時空展布,最終將其輸入分區(qū)率定的梯級水庫SWAT模型,從而實現(xiàn)月徑流預(yù)測。結(jié)果表明,隨機森林和人工神經(jīng)網(wǎng)絡(luò)更適合于CFS預(yù)測校正且不受預(yù)見期影響,基于相似典型時空分布的耦合模型預(yù)測效果較好,能為梯級水庫系統(tǒng)提供更為可靠的徑流預(yù)測。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
水電能源科學(xué)雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅持科學(xué)性、學(xué)術(shù)性、先進性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:水文水資源、水環(huán)境、水處理、工程勘察及測量、水工材料、水工結(jié)構(gòu)、水力機械、水利水電工程施工、水利管理、電氣工程、能源等等。于1983年經(jīng)新聞總署批準的正規(guī)刊物。