水文分区及其区域洪水频率分析的研究.pdfVIP

摘要 本文以江西、福建两省约28万km2为研究区域，收集了90个水文站的年最 大洪峰流量资料和9个反映各流域的水文、气象和下垫面情况的特性指标，进行 水文分区及区域洪水频率分析方法研究。 水文分区不仅是认识水文规律、解决水文资料移用问题和为水资源合理开发 提供依据的重要手段，也是解决水文站网规划、布设与调整、水文资料移用、以 及区域洪水频率分析等问题的基础。本文把模式识别理论引入水文分区问题中， 提出了加权模糊c均值聚类算法和自组织特征映射神经网络水文分区法，并与地 理分区法和K均值聚类算法的水文分区成果比较。地理分区法在划分区域边界时 存在一定的主观性；K均值聚类算法和加权模糊c均值聚类算法都采用距离作为 模式相似性的度量，但加权模糊c均值聚类算法既考虑了客观事物的模糊性，又 考虑了各影响因子对洪水频率分布的贡献率，增加了算法的合理性；自组织特征 映射神经网络水文分区法能自动识别水文相似区的个数，分区成果较为客观。 考虑各水文相似区之间的边界不分明性，提出了模糊数学区域洪水频率分析 模型，把各站点属于不同水文相似区的模糊隶属度作为权重拟合各站的频率分布 曲线。针对研究区域复杂而典型的水文、气象、下垫面情况和洪水特性，首次尝 试将多层感知器神经网络应用到区域洪水频率计算中，建立了多层感知器神经网 络区域洪水频率分析模型，通过输入与输出之间的非线性映射关系来模拟流域特 性与洪水特征参数之间的关系。实证研究表明，在研究区域应用这两种模型进行 区域洪水频率研究是可行的。 通过在水文分区及区域洪水频率分析研究中应用模式识别理论、人工神经网 络、模糊数学和线性矩法等新理论和新方法，促进了相关学科的交叉渗透和新技 术、新方法在我国区域水文研究中的推广应用，极大地丰富了水文分区及区域洪 水频率分析方法。 关键词：水文分区；区域洪水频率：模式识别：模糊数学；人工神经网络；线性 矩法 includes and Provincewithinthe The area Province study mainly Jiangxi Fujian around km2．Theannualmaximumflooddataand9catchments confinesof 280，000 characteristicshavebeencollectedfrom90stationsfor and hydrologicregionalization flood regionalfrequencyanalysis． not can tounderstand regions hydrologicallaw, Delineatinghomogeneousonly help informationfrom stationstothedesiredsitesand totransfertheflow nearbygauging to forwaterresources．Itisalsothefoundationtosolvethe developreasonably about stationsnetwork problemshydrological and flood hasbeen analysis．111erecognitiontheory regi【onal frequency paRem introdueedinto C—meansmethodand hydrologicalregionalization．T