基于QPE和QPF的遗传神经网络洪水预报试验

摘要：

以湖北省清江上游水布垭控制流域为例，利用分组Z-I关系并结合地面雨量站资料对雷达估算降水进行校准，计算出流域实况平均面雨量；再利用遗传算法和神经网络相结合的方法建立订正AREM预报降水的模型；最后，将订正前后的AREM预报降水输入新安江水文模型进行洪水预报试验。结果表明：订正后AREM预报降水能明显提高过程的累计降水量预报精度，平均相对误差减小幅度在60%以上，对逐小时过程降水预报精度也有一定提高，但与实况相比仍有一定差距；订正前后AREM预报降水的洪水预报试验的确定性系数的场次平均从-32.6%提高到64.38%，洪峰相对误差从39%减小到25.04%，确定性系数的提高效果优于洪峰相对误差，整体上洪水预报精度有所提高。

关键词：洪水预报、定量降水估测、定量降水预报、遗传-神经网络

分类号：P338+.8(水文科学（水界物理学）)

资助基金：国家自然科学基金项目41205086，51379149；公益性行业气象科研专项GYHY201206028，GYHY201306056；武汉暴雨研究所基本业务专项1014

在线出版日期：2014-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：360-368