文献类型：期刊文章

作　　者：孙虹[1] 李鸿雁[2] 郭道华[1] 鲍珊珊[2]

SUN Hong;LI Hongyan;GUO Daohua;BAO Shanshan(Hydrology and Water Resources Bureau of Jilin Province (Water Environment Monitoring Center of Jilin Province ),Changchun 130033,Jilin,China;College of New Energy and Environment,Jilin University,Changchun 130021,Jilin,China)

机构地区：[1]吉林省水文水资源局(吉林省水环境监测中心),吉林长春130033 [2]吉林大学新能源与环境学院,吉林长春130021

出　　处：《水利水电技术》

基　　金：国家自然基金委中韩合作项目(51711540299);吉林省科技厅基础研究项目(20180101078JC)

年　　份：2019

卷　　号：50

期　　号：3

起止页码：45-51

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对第二松花江流域中长期径流预测精度较低问题,为了分析物理预报因子的作用过程以提高汛期洪水预报精度,选取太阳黑子相对数为物理影响因素,进而识别其影响时滞,以影响时滞期内的太阳黑子相对数作为径流预报因子,以汛期(6—9月份)月平均径流为预报项目,采用BP神经网络识别映射关系,采用历史资料作为训练样本,完成网络训练和检验。以第二松花江干流控制性水利工程丰满水库为例,对2017年汛期月平均径流进行预报。结果表明:丰满水库汛期月平均入库流量为1 400 m^3/s,来水频率为11%,定性预报第二松花江流域2017年为丰水年;2017年丰满水库实际来水141.00亿m^3,为多年均值的112%,为偏丰来水年份,来水定性预报正确。该方法的创新点在于:采用全局敏感性分析方法识别太阳活动的影响时滞,以确定预报因子;采用BP网络模拟预报因子与预报项目的复杂非线性相关关系,以构建预报网络。研究成果为2017年吉林省水文预报和防汛决策提供了重要支撑。

关 键 词：太阳黑子 敏感性分析  非线性映射识别  长期径流预报  洪水预报 干旱洪涝灾害  防汛抗旱

分 类 号：P338.2]