基于GIS的降雨径流预报方法分析

  • 格式:doc
  • 大小:37.00 KB
  • 文档页数:6

下载文档原格式

  / 8
  1. 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. 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. 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)。

基于GIS的降雨径流预报方法分析

【摘要】降水径流的准确预测直接关系到该流域人民生活的各个方面,因此为了更好的满足降雨径流预报的需求,需要寻找高效的预测手段来对降雨径流进行预测。本文从GIS的降雨径流预报方法出发,分析了影响水文过程的各方面因素并阐述了对获得数据信息的预处理方法。提出了以遗传算法为基础结合GIS技术的神经网络模型,这种模型的应用有效的提高了信息预测的精度和效率。并且本文中也介绍了GIS降雨径流预报方法,通过对降雨信息的处理,有效的提高了降雨径流预报模型在计算机数据输入时精度,结合 GIS空间分析方法,对降雨区域的降雨径流进行数值模拟,从而得到了降水区域的径流量与影响系数之间的关系。

【关键词】降雨径流;地理信息系统(GIS);预报方法

1.引言

GIS(Geographic Information System)即地理信息系统,是在地理空间的基础上,以信息科学和系统工程的理论知识为根本,利用计算机管理和分析地理数据,从而提供管理、决策等所需信息的技术系统。总而言之一句话,GIS是综合处理和分析地理空间数据的一种技术系统,是以测绘测量为基础,以数据库作为数据储存和使用的数据源,以计算机编程为平台的全球空间分析即时技术。地理信息系统作为获取、存储、分析和管理地理空间数据的重要工具、技术和学科,近年来得到了广泛关注和迅猛发展。

最近的30年内,地理信息技术取得了十分显著的发展,在国土管理、农林牧业、邮电通讯、公共设施管理、资源的调查、军事公安、环境的评估、城市规划、灾害的预测、交通运输、水利电力、统计、商业金融等几乎所有领域都得到了广泛的应用[1]。

2.降雨径流的概述

所谓降雨径流就是由降雨形成的径流,这些径流通过地表或者是地下水流入河道,并向流域出口断面汇集。降雨径流会受到多种因素的制约,比若说是地形、地貌、植被、降水和土地的使用以及人类活动等,从这些种种因素我们可以看到径流的形成过程是非常复杂的。长时间以来,降雨径流的研究一直备受水文界的

青睐。随着地理信息系统、遥感和计算机技术的不断发展,降雨径流模型的应用所涉及的领域也越来越广,像是水生态系统的保护、修复,水资源的重复利用,防洪防水等都以降雨径流模型作为基础的。流域降雨径流的模型对于研究气候的变化也是十分有帮助的。

2.1研究降雨径流的发展历程

最早的关于降雨径流的记载始于远古至14世纪,这些记载主要是记录了对降雨、径流现象的观测、描述。径流理论的最终形成追溯到15世纪至19世纪末,1674年佩罗提出河流的年径流量只是降水量的33%,揭开了研究降雨径流的序幕。1856年达西提出的达西定律和1871年圣维南导出的圣维南方程组为径流理论的研究奠定了基础。

20世纪中后期,计算机以及3S技术得到了飞速的发展,同时也带动了GIS、自动雨量计、流量计、雷达测雨等先进设备在水文观测中的应用,也使的对于降雨径流的研究进入快速发展阶段。当今阶段,研究降雨径流主要包括下面内容,对降雨径流过程、不同土地利用、土地覆被类型特别是森林植被的降雨径流响应以及流域降雨径流过程的模拟[2]。

2.2.降雨径流变化的影响因素

对于降雨径流的预测,人工神经网络是目前最流行也是最常用的神经网络模型之一,人工神经网络模型的自学习能力强,适应性好,计算的速度快。然而如何合理有效的构造神经网络模型,首先要做的就是选择合适的影响因子,影响降雨径流的因素有很多,其中最主要的有降雨历时、降雨总量、河道基流以及前一时刻出口断面流量等。

3.降雨径流的数据信息的预处理

通过对降雨径流所获得的数据信息整理、分析、计算,我们可以发现隐藏在这些数据背后的某些规律。要想这些数据能够反映作用对象的内在本质,需要对获得的这些数据进行预处理,这项工作主要有下面几个方面。

3.1.对基础数据的整理

由于平常的水文预报中预报的重点有所差异,因此我们在整理所获得的数据时,要舍弃那些偏离预报重点较严重的数据,保留下那些与预报重点相差不大的数据,以此方法来提高预报精度。

3.2.数据的归一化处理

我们在对网络输入的降雨径流的预报数据进行归一化处理时,需要对网络输入的数据向量进行放大或者是压缩,通过一定比例的转换,使得每一个数据的数值都处在0和1之间。

3.3.对于时间延迟数据的处理

径流的来水过程是随着时间变化的,因此该过程是一个具有时态性的动态过程,但是我们使用的人工神经网络是静态的网络,没有处理时间问题的能力。针对上述常见的问题从时间序列中直接提取出特征参量进行分析,构造特定的时间单元,从而形成一系列具有时间分析能力的的时延性神经网络。

4.基于GIS的降雨径流预报模型

我们在上文中提到流域降雨径流的形成,会受到多种因素的共同制约,比如说:降雨量、土壤含水量、蒸散发量、地形以及地貌等。而雷达和遥感信息就有以面信息代替传统意义上的点信息的优点。应用雷达和遥感技术所收集和分析的降水量、洪峰流量、降雨历时等具有一定的空间分布,然后我们利用GIS建立起降雨径流的形成要素与地理坐标之间的数值关系并通过图形将其显示。这样可以预报资料的获取速度和获取精度做到有效的提高,并且可以大大加强对资料的存储和处理的效率,从而提高降水径流的预报精度。

4.1.应用GIS获取流域综合信息

降雨径流预报的基础是获取流域降雨信息,只有获取了准确的降雨信息,才可以对降雨径流进行精确的预报,但是,单一的降雨信息是不能准确的预报降雨径流的,除此之外我们还要获得诸如地形等其他的相关信息。应用GIS技术可收集到如下的信息。

(1)降雨发生的区域,对降雨的区域的分析会对流域降雨径流的研究有着极其重要的意义。如果降雨区域覆盖流域或者是离流域越近,则该流域由降水产生的径流量越大;反之,则由此产生的径流量就越小。

(2)降雨开始时间,我们从区域降水开始的时间可以知道流域降雨径流开始变化的时间。

(3)降雨量,也就是说区域降水的多少。每个降雨区域的降水量的多少与流域的降雨径流量成正比。