基于XAJ-DCH模型的五強(qiáng)溪庫區(qū)洪水預(yù)報(bào)研究

肖楊　臧帥宏　李巧玲

摘要：由于沅水水系五強(qiáng)溪水庫流域面積大，流量控制站少，且洪水進(jìn)入庫區(qū)后，洪水波的傳播方式變化較大，因此五強(qiáng)溪水庫近壩區(qū)的洪水預(yù)報(bào)難度大。為提高五強(qiáng)溪庫區(qū)洪水預(yù)報(bào)精度，采用XAJ-DCH模型（Xin′anjiang Digital Channel Model）對(duì)近壩區(qū)2016～2020年間13場(chǎng)洪水進(jìn)行模擬，模型河道匯流分別采用了非線性水庫法和馬斯京根法，根據(jù)兩種匯流方法的特點(diǎn)制定了兩種不同的洪水預(yù)報(bào)方案。模擬結(jié)果表明：XAJ-DCH模型中兩種河道演算方法均表現(xiàn)良好且簡(jiǎn)單實(shí)用，13場(chǎng)洪水的確定性系數(shù)基本位于0.7以上。非線性水庫方法相比于馬斯京根法考慮了河段斷面情況以及水力特性，能夠體現(xiàn)洪水運(yùn)動(dòng)的時(shí)空變化，且只需要率定河道糙率，其他參數(shù)如河道坡降、河寬以及河段長(zhǎng)均可根據(jù)數(shù)字高程模型進(jìn)行估計(jì)；馬斯京根法需要率定4個(gè)河道參數(shù)，但馬斯京根法模擬結(jié)果相比于非線性水庫方法稍好。研究成果可為科學(xué)有效開展庫區(qū)洪水預(yù)報(bào)、提高預(yù)報(bào)精度提供參考。

關(guān) 鍵 詞：洪水預(yù)報(bào)； XAJ-DCH模型； 非線性水庫法； 馬斯京根法； 五強(qiáng)溪水庫

中圖法分類號(hào)： P338

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.04.004

0 引 言

五強(qiáng)溪水庫屬于沅水水系，水庫近壩區(qū)的洪水預(yù)報(bào)精度直接影響五強(qiáng)溪水庫調(diào)度決策及沅水尾閭地區(qū)、洞庭湖的防汛安全。庫區(qū)一旦發(fā)生短時(shí)暴雨，會(huì)使壩前水位迅速升高，留給水庫調(diào)度作業(yè)的時(shí)間短；流域內(nèi)浦市到五強(qiáng)溪水庫壩址控制區(qū)間內(nèi)部沒有流量控制站，參數(shù)率定困難；另外洪水進(jìn)入水庫庫區(qū)后，庫區(qū)內(nèi)的水面加寬，水深增大，水庫的邊界條件和動(dòng)力因素也發(fā)生變化，導(dǎo)致水庫內(nèi)洪水波的傳播方式、傳播速度和時(shí)間也產(chǎn)生很大變化，這些問題增加了五強(qiáng)溪水庫近壩區(qū)洪水預(yù)報(bào)的難度［1］。因此科學(xué)有效地開展庫區(qū)洪水預(yù)報(bào)，提高預(yù)報(bào)精度，是目前亟需解決的關(guān)鍵問題。這不僅可以降低流域洪澇災(zāi)害帶來的損失，而且可以充分發(fā)揮水庫發(fā)電潛力，提高綜合效益［2-4］。

洪水預(yù)報(bào)是按照洪水的形成及其運(yùn)動(dòng)規(guī)律，利用前期、實(shí)時(shí)的水文氣象資料，對(duì)未來某段時(shí)間內(nèi)洪水的發(fā)展演變做出預(yù)報(bào)的應(yīng)用科學(xué)技術(shù)［5］。隨著水文基礎(chǔ)試驗(yàn)、水文模擬、多學(xué)科交叉滲透等多種手段的深入研究，水文規(guī)律被不斷地探索和揭示，洪水預(yù)報(bào)技術(shù)取得巨大進(jìn)步，水文相關(guān)學(xué)科得到了突飛猛進(jìn)的發(fā)展［6-8］。目前水庫入庫洪水預(yù)報(bào)主要有兩種方法，一種是通過機(jī)器學(xué)習(xí)，許多學(xué)者應(yīng)用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行入庫洪水預(yù)報(bào)［9-11］，隨著機(jī)器學(xué)習(xí)的不斷發(fā)展，一些關(guān)于深度學(xué)習(xí)新的算法也不斷應(yīng)用到入庫洪水預(yù)報(bào)中［12-13］。機(jī)器學(xué)習(xí)雖然可以獲得理想的模擬精度，但是缺乏相應(yīng)的物理機(jī)制。另一種是通過水文模型進(jìn)行預(yù)報(bào)，流域水文預(yù)報(bào)模型作為洪水預(yù)報(bào)工作的主要技術(shù)手段，在全世界得到了廣泛的推廣應(yīng)用，有效地降低了洪水危害，獲得了良好的經(jīng)濟(jì)效益和社會(huì)效益。新安江模型［14-17］、SWAT模型［18］、薩克拉門托模型［19］、TOPKAPI模型［20］等是當(dāng)前全球范圍內(nèi)結(jié)構(gòu)較為成熟的流域水文模型，其中基于物理基礎(chǔ)的分布式模型模擬一般較為復(fù)雜，計(jì)算效率低，而概念性水文模型一般結(jié)構(gòu)簡(jiǎn)單，五強(qiáng)溪水庫近壩區(qū)面積較大，使用概念性水文模型可節(jié)約大量的時(shí)間成本。新安江模型是典型的概念性水文模型，在中國(guó)濕潤(rùn)及半濕潤(rùn)地區(qū)應(yīng)用最為廣泛且模擬效果良好，但新安江河道匯流采用馬斯京根方法［21］，該方法需要長(zhǎng)序列實(shí)測(cè)洪水資料率定參數(shù)，而五強(qiáng)溪地區(qū)流域面積大，且流量控制站少，導(dǎo)致該方法的應(yīng)用具有挑戰(zhàn)性。另外，馬斯京根法匯流參數(shù)假定為常數(shù)，無法體現(xiàn)洪水運(yùn)動(dòng)的時(shí)空變化，從而影響該地區(qū)預(yù)報(bào)精度。同時(shí)，隨著河流上閘壩等水工建筑物的增加改變了河道水流特性，單一地采用水文學(xué)的洪水預(yù)報(bào)方法已經(jīng)不能滿足要求，因此越來越多研究開始將水動(dòng)力學(xué)模型引入水文模型中以模擬復(fù)雜條件下的河道水流狀態(tài)。例如，許繼軍等［22］以三峽水庫入庫洪水預(yù)報(bào)為例，依據(jù)入庫洪水特性，在整個(gè)長(zhǎng)江上游和三峽區(qū)間分別構(gòu)建了大小兩種尺度網(wǎng)格單元的分布式水文模型并與一維和二維非恒定流的庫區(qū)水動(dòng)力學(xué)模型相結(jié)合初步實(shí)現(xiàn)了這兩種尺度水文模型的空間嵌套。李致家等［23］在建立南四湖流域洪水預(yù)報(bào)模型時(shí)，采用分布式

的新安江模型來模擬各支流水文站以上流域的流量過程，而后采用馬斯京根法演算到支流出口與主河道相交處，

接著采用一維的非恒定流水動(dòng)力學(xué)模型進(jìn)行主河道的

洪水演進(jìn)模擬，進(jìn)入湖區(qū)后則采用二維的非恒定流水動(dòng)力學(xué)模型來模擬。這種水文模型與水動(dòng)力模型耦合的方法雖然模擬結(jié)果良好，但較為復(fù)雜。

本次研究采用的Xin′anjiang Digital Channel （XAJ-DCH）模型［24-25］在新安江模型基礎(chǔ)之上，增加了多種水文學(xué)及簡(jiǎn)化的水力學(xué)河道匯流方法。模型中的非線性水庫法實(shí)際是運(yùn)動(dòng)波的解析解［26-27］，屬于簡(jiǎn)化的水力學(xué)方法，相比于動(dòng)力波方法更為簡(jiǎn)單，進(jìn)一步考慮了河道的幾何特征及水力特性的時(shí)空變化，減少了需要率定的河道參數(shù)，可用于沒有流量站控制的五強(qiáng)溪水庫近壩區(qū)流域。根據(jù)五強(qiáng)溪水庫近壩區(qū)流域地理概況以及水文特性對(duì)五強(qiáng)溪流域進(jìn)行子流域劃分，選取了模型中的非線性水庫方法和馬斯京根方法模擬不同來水條件下洪水波的運(yùn)動(dòng)，建立庫區(qū)洪水預(yù)報(bào)模型，通過兩種匯流方法的對(duì)比，探討水文學(xué)方法和簡(jiǎn)化的水力學(xué)方法在入庫洪水預(yù)報(bào)中的模擬效果。

1 流域概況

五強(qiáng)溪屬于沅水水系，五強(qiáng)溪水庫是流域下游控制性水庫，流域雨量充沛，水量豐富，壩址多年平均流量為2 000 m3/s。區(qū)間流域面積為8 033 km2，區(qū)間入流包括干、支流兩側(cè)山坡產(chǎn)匯流及直接降水進(jìn)入庫區(qū)水量，流程短，匯流快，突發(fā)性強(qiáng)。五強(qiáng)溪流域站點(diǎn)資料如圖1所示，包括4個(gè)水文站，分別為草龍?zhí)丁⒏咂鲱^、河溪、浦市站，1個(gè)水位站沅陵站，17個(gè)雨量站分別為沅古坪、七甲坪、大合坪、清朗、四都坪、筒車坪、清水坪、棋坪、丹青、河溪、瀘溪、田灣、坳坪、張家坪、官莊、馬底驛以及雙灘站。五強(qiáng)溪水庫入庫流量是根據(jù)庫水位和總出庫流量反推得到的。1 000 m×1 000 m的DEM數(shù)據(jù)來自于美國(guó)航空航天局（NASA）和國(guó)防部國(guó)家測(cè)繪局（NIMA）聯(lián)合測(cè)量的Shuttle Radar Topography Mission（SRTM）的DEM數(shù)據(jù)。本次研究選取2016～2020年之間13場(chǎng)具有代表性的洪水進(jìn)行模擬，其中前9場(chǎng)用于率定，后4場(chǎng)用于驗(yàn)證。

2 XAJ-DCH模型簡(jiǎn)介

2.1 模型結(jié)構(gòu)

XAJ-DCH模型是在新安江模型的基礎(chǔ)上對(duì)河道匯流進(jìn)行改進(jìn)。模型分為4個(gè)模塊，產(chǎn)流模塊、蒸散發(fā)模塊、三水源劃分模塊以及匯流模塊。模型前3個(gè)模塊仍然與新安江模型保持一致，基于子流域計(jì)算，而河道匯流除了原馬斯京根方法，還增加了基于網(wǎng)格的擴(kuò)散波［1］、Muskingum-Cunge-Todini［2］以及非線性水庫方法，該模型可以進(jìn)一步考慮河道真實(shí)斷面情況和洪水波的水力特性。Muskingum-Cunge-Todini和擴(kuò)散波方法計(jì)算效率較低且易出現(xiàn)不穩(wěn)定現(xiàn)象，不適用于庫區(qū)洪水演算，所以本次研究選取了非線性水庫（Nonlinear Reservoir，NR）方法以及馬斯京根法（Muskingum methods，M）進(jìn)行河道演算，模型結(jié)構(gòu)及參數(shù)如圖2所示。

2.2 非線性水庫方法

非線性水庫方法采用運(yùn)動(dòng)學(xué)方法來近似河道水流的圣維南方程組，用水量平衡方程來近似連續(xù)方程，采用曼寧公式來近似動(dòng)量方程，當(dāng)河段斷面為矩形時(shí)，非線性水庫方程的具體表達(dá)式為

式中：O1、O2為計(jì)算時(shí)段始末的河段出流量，m3/s；I1、I2為計(jì)算時(shí)段始末的河段入流量，m3/s；C0、C1、C2為流量演算系數(shù)；K為蓄量常數(shù)，相當(dāng)于穩(wěn)定流時(shí)的河段傳播時(shí)間；x為流量比重系數(shù)，與洪水波的坦化變形程度有關(guān)；Δt為計(jì)算時(shí)段長(zhǎng)，s。

3 實(shí)例研究

3.1 子流域劃分

由于五強(qiáng)溪水庫近壩區(qū)共有4個(gè)水文站，分別為草龍?zhí)?、高砌頭、河溪、浦市站，選取高砌頭、河溪、浦市站作為上游來水節(jié)點(diǎn)，草龍?zhí)墩旧嫌斡袃蓚€(gè)雨量站，可將草龍?zhí)墩咀鳛橐粋€(gè)子流域出口，在使用五強(qiáng)溪水庫入庫流量進(jìn)行整個(gè)流域參數(shù)率定之后，可將模型模擬的該子流域出口流量與該站點(diǎn)的實(shí)測(cè)流量進(jìn)行對(duì)比分析，對(duì)率定之后的參數(shù)進(jìn)行微調(diào)。五強(qiáng)溪庫區(qū)流域面積大，場(chǎng)次降雨時(shí)空分布很不均勻，為提高洪水預(yù)報(bào)精度，將五強(qiáng)溪水庫近壩區(qū)流域按照自然子流域劃分，劃分之后每個(gè)自然子流域中包含一條河道，并根據(jù)雨量站點(diǎn)和暴雨中心對(duì)自然子流域進(jìn)行合并，其中暴雨集中的地區(qū)分塊多，最終將流域劃分為10個(gè)子流域，如圖1所示。

3.2 河寬計(jì)算

在使用非線性水庫方法時(shí)，假設(shè)計(jì)算河道是矩形河道，同時(shí)考慮旁側(cè)入流的影響。由于河道中每個(gè)斷面的河寬沒有足夠的實(shí)測(cè)數(shù)據(jù)，所以根據(jù)TOPKAPI模型中河寬計(jì)算公式［2］對(duì)河寬進(jìn)行估算，公式如下：

式中：Bi為第i個(gè)河道網(wǎng)格的河寬，m；Bmax為河道最大寬度，m；Bmin為臨界面積的最小寬度，m；Ath為臨界面積，即形成河道所需的最小上游集水面積，m2；Atot為總面積，m2；Ai為第i個(gè)網(wǎng)格單元上游集水面積，m2。

由公式（11）可知，五強(qiáng)溪流域河寬與河道網(wǎng)格的上游集水面積密切相關(guān)，越靠近下游，河寬越大，所以五強(qiáng)溪流域最大河寬Bmax為流域出口處河寬，根據(jù)實(shí)際勘察設(shè)置為400 m；臨界面積的最小河寬，即形成河道的最小河寬設(shè)置為30 m。每個(gè)網(wǎng)格集水面積與匯流累積值（ACC）成正比，則臨界面積Ath=ACCiACCtotAtot。

在進(jìn)行河道演算時(shí)，根據(jù)D8法來確定河道網(wǎng)格流向，并假設(shè)上下游兩個(gè)柵格的中心點(diǎn)代表河道斷面，則兩個(gè)河道斷面之間的直線距離就代表該河段的距離。

河道網(wǎng)格點(diǎn)i的河底比降可根據(jù)下游網(wǎng)格點(diǎn)j進(jìn)行差分近似計(jì)算，計(jì)算公式如下：

式中：Si為河底比降；E為河道底部高程，m；Δx為兩個(gè)網(wǎng)格點(diǎn)之間的距離，m。

3.3 模型率定

由于該流域控制面積較大，且近壩區(qū)洪水波在傳播過程中也存在較大的時(shí)空變化，在使用馬斯京根方法時(shí)，如果整個(gè)流域采用相同的馬斯京根參數(shù)，則會(huì)引起一定的匯流計(jì)算誤差，為了減少該誤差，在使用馬斯京根法對(duì)高砌頭、河溪、浦市站的上游來水進(jìn)行河道演算時(shí)，與流域區(qū)間河道演算采用不同的馬斯京根匯流參數(shù)，共需率定4個(gè)馬斯京根權(quán)重系數(shù)［28］。使用非線性水庫方法進(jìn)行河道演算時(shí)，每個(gè)河段長(zhǎng)設(shè)置為1 000 m，河道演算時(shí)間步長(zhǎng)與產(chǎn)流計(jì)算步長(zhǎng)一致，設(shè)置為1 h，該方法只需要率定河道糙率。參數(shù)率定采用SCE-UA算法［29］進(jìn)行率定，并基于參數(shù)的取值范圍對(duì)參數(shù)進(jìn)行微調(diào)。本次研究主要是為了比較兩種匯流方法的差異，所以在率定過程中除了河道匯流參數(shù)，其他參數(shù)均保持一致。參數(shù)率定結(jié)果如表1所列，其中NR表示非線性水庫法，M表示馬斯京根法。

3.4 模型結(jié)果分析

根據(jù)GB/T 22482-2008《水文情報(bào)預(yù)報(bào)規(guī)范》［30］，選擇洪量相對(duì)誤差、洪峰相對(duì)誤差、確定性系數(shù)以及峰現(xiàn)時(shí)間誤差4個(gè)指標(biāo)作為評(píng)價(jià)標(biāo)準(zhǔn)，其中洪量相對(duì)誤差及洪峰相對(duì)誤差不超過20%為合格，確定性系數(shù)大于等于0.7為合格，峰現(xiàn)時(shí)間誤差小于等于3 h為合格。為了便于分析，本文將洪水分成了3類，分別是由浦市站來水主導(dǎo)的2016050703，2016070311，2017062713，2019051905，2019070701號(hào)洪水，高砌頭站來水主導(dǎo)的2016062017，2016062720，2018092518號(hào)洪水，以及區(qū)間降雨和上游來水共同影響的2017081122，2020071823，2017052208，2020070801，2020091501號(hào)洪水。表2為使用非線性水庫法（NR）和馬斯京根法（M）模擬的五強(qiáng)溪庫區(qū)所有場(chǎng)次洪水的洪量相對(duì)誤差、洪峰相對(duì)誤差、峰現(xiàn)時(shí)間誤差、確定性系數(shù)及對(duì)應(yīng)的合格率統(tǒng)計(jì)。圖3為采用非線性水庫方法模擬的6場(chǎng)代表性洪水的洪水流量過程線。

由表2可以看出，采用非線性水庫方法和馬斯京根方法模擬的13場(chǎng)洪水的洪量相對(duì)誤差分別位于1%～31%，-8%～25%之間，兩種方法均只有一場(chǎng)洪水不合格；但使用非線性水庫方法時(shí)，洪量比實(shí)際洪量總體偏大，這可能是因?yàn)椴捎梅蔷€性水庫法時(shí)，需要考慮河道初始水位，洪水初始時(shí)刻河道中水位不為零，這導(dǎo)致出口處的水量除了降雨以及上游來水，還有一部分來自于河道中存儲(chǔ)的水量，從而導(dǎo)致非線性水庫法洪量相對(duì)誤差偏大，但該誤差在可接受范圍以內(nèi)。洪峰相對(duì)誤差分別位于-7.0%～9.0%，-18%～14%之間，合格率為100%。從13場(chǎng)洪水的洪峰現(xiàn)時(shí)間誤差來看，峰現(xiàn)時(shí)間誤差大部分位于3 h以內(nèi)，但兩種方法的峰現(xiàn)時(shí)間較實(shí)際峰現(xiàn)時(shí)間普遍延后，兩種方法模擬的13場(chǎng)洪水中分別有8場(chǎng)和9場(chǎng)洪水的峰現(xiàn)時(shí)間比實(shí)際峰現(xiàn)時(shí)間延后。出現(xiàn)這種現(xiàn)象的原因可能是水庫中的洪水動(dòng)態(tài)一般分為三段，上游為河流區(qū)，緊靠壩址一段為水庫蓄水區(qū)，中間一段為過渡區(qū)；在河流區(qū)內(nèi)洪水波以運(yùn)動(dòng)波為主，在蓄水區(qū)洪水波以動(dòng)力波特性傳播，而在過渡區(qū)內(nèi)上半段為運(yùn)動(dòng)波，但因水深加大流速較河流區(qū)減小，而后半段是則為動(dòng)力波特性；馬斯京根法可看作是擴(kuò)散波方法，非線性水庫為運(yùn)動(dòng)波的差分解，而運(yùn)動(dòng)波和擴(kuò)散波的波速明顯小于動(dòng)力波波速，導(dǎo)致峰現(xiàn)時(shí)間延后。13場(chǎng)洪水的確定性系數(shù)基本位于0.70以上，兩種方法均只有2017081122這一場(chǎng)確定性系數(shù)不合格，而不合格的主要原因是洪量相對(duì)誤差較大。由以上分析可知，XAJ-DCH模型中這兩種匯流方法在五強(qiáng)溪近壩區(qū)的模擬結(jié)果總體上是令人滿意的。

根據(jù)模擬結(jié)果可以看出，對(duì)由浦市站來水形成的洪水，兩種方法的模擬精度均較高，其中非線性水庫法模擬的這幾場(chǎng)洪水納氏效率系數(shù)（NSE）范圍為0.78～0.94，馬斯京根法模擬的這幾場(chǎng)洪水NSE范圍為0.91～0.97；但相比于非線性水庫，馬斯京根法模擬效果更好。圖3（c）和（d）均是受浦市站來水主導(dǎo)的洪水。由圖可以看出非線性水庫方法對(duì)于初始狀態(tài)模擬效果不好，是導(dǎo)致非線性水庫法不如馬斯京根法的主要原因，即由于模型沒有進(jìn)行預(yù)熱，使用非線性水庫時(shí)初始狀態(tài)很大程度受初始水深的影響。由高砌頭站影響的洪水，非線性水庫和馬斯京根兩種方法模擬的確定性系數(shù)均達(dá)到了0.70以上，兩種方法模擬的洪峰均低于實(shí)測(cè)值，其可能原因是高砌頭站附近存在水利工程，由于水利工程的調(diào)蓄作用，導(dǎo)致洪峰模擬不精確。由圖3（a）可以看出，該洪水洪峰主要是受高砌頭站的來水影響，但運(yùn)動(dòng)波方法模擬的洪峰值要高于馬斯京根法，所以對(duì)于該類洪水，運(yùn)動(dòng)波方法要優(yōu)于馬斯京根法。由近壩區(qū)降雨以及上游來水共同影響的洪水，非線性水庫模擬的洪水確定性系數(shù)基本上都高于0.75，馬斯京根法模擬的洪水確定性系數(shù)基本上高于0.86，只有2017081122這一場(chǎng)洪水模擬效果不好，兩種方法模擬的洪量和洪峰相對(duì)誤差均較大。由圖3（b）可以看出，2017052208號(hào)洪水第一次洪峰主要是由庫區(qū)降雨造成，第二次洪峰是受浦市站來水的影響。馬斯京根法對(duì)兩次洪峰的模擬都比實(shí)際值略高，非線性水庫方法對(duì)兩次洪峰的模擬都比實(shí)際值略低，但總體來說，兩種方法模擬結(jié)果均良好。由圖3（e）可以看出，2020070801號(hào)洪水主要受近壩區(qū)降雨和上游站來水主導(dǎo)，與高砌頭站來水影響的模擬相似，兩種方法對(duì)于該場(chǎng)洪水的模擬均偏低。由圖3（f）可以看出，2020091501號(hào)洪水洪峰主要是由浦市、高砌頭站來水以及近壩區(qū)降雨共同影響，兩種方法模擬結(jié)果均較好?？傮w來說，在不同來水情況下，非線性水庫方法與馬斯京根法能夠較為準(zhǔn)確地模擬出洪水過程。根據(jù)確定性系數(shù)，馬斯京根法的模擬結(jié)果要稍優(yōu)于非線性水庫法。

4 結(jié) 論

（1） XAJ-DCH模型中非線性水庫和馬斯京根法兩種河道演算方法在五強(qiáng)溪庫區(qū)模擬結(jié)果均良好，且兩種方法均結(jié)構(gòu)簡(jiǎn)單，計(jì)算效率高，這表明本文建立的五強(qiáng)溪庫區(qū)洪水預(yù)報(bào)方案是可行的。在使用馬斯京根法進(jìn)行河道演算時(shí)，考慮到洪水波在近壩區(qū)傳播過程中會(huì)發(fā)生變化，本次研究針對(duì)三類不同上游來水和區(qū)間匯流采用了不同的馬斯京根參數(shù)，雖然模擬結(jié)果較好，但也增加了參數(shù)率定的難度；非線性水庫法考慮了槽蓄關(guān)系的非線性，考慮了河道斷面情況和洪水波的水力特性，且參數(shù)率定較為簡(jiǎn)單，模擬結(jié)果良好，但模擬結(jié)果相比于馬斯京根法稍顯遜色。

（2） 非線性水庫法和馬斯京根法均對(duì)浦市站來水和近壩區(qū)降雨影響的洪水模擬效果要優(yōu)于對(duì)高砌頭站來水影響的洪水，其主要原因是兩種方法模擬的高砌頭站來水洪峰比實(shí)際洪峰要低，其可能原因是本次研究沒有考慮近壩區(qū)其他水利工程的影響。

（3） 兩種方法模擬的13場(chǎng)洪水中分別有8場(chǎng)和9場(chǎng)洪水的峰現(xiàn)時(shí)間比實(shí)際峰現(xiàn)時(shí)間延后，出現(xiàn)這種現(xiàn)象的原因可能是庫區(qū)內(nèi)的水面加寬，水深增大，水庫的邊界條件和動(dòng)力因素也發(fā)生變化，導(dǎo)致水庫內(nèi)洪水波的傳播方式、傳播速度和時(shí)間也產(chǎn)生很大變化，在五強(qiáng)溪庫區(qū)流域僅僅使用非線性水庫方法或者馬斯京根方法與實(shí)際洪水波運(yùn)動(dòng)特性并不完全相符，在未來工作中，可進(jìn)一步探索采用簡(jiǎn)化的慣性波或者動(dòng)力波來描述水庫洪水波運(yùn)動(dòng)，提高預(yù)報(bào)精度。

參考文獻(xiàn)：

［1］肖楊.多站點(diǎn)聯(lián)合校正的實(shí)時(shí)洪水預(yù)報(bào)應(yīng)用：以湖南省沅水五強(qiáng)溪水庫為例［J］.人民長(zhǎng)江，2020，51（增1）：6-9.

［2］AMNATSAN S，YOSHIKAWA S，KANAE S.Improved forecasting of extreme monthly reservoir inflow using an analogue-based forecasting method：a case study of the sirikit dam in Thailand［J］.Water，2018，10（11）：1614.

［3］WANG Y，GUO S，CHEN H，et al.Comparative study of monthly inflow prediction methods for the Three Gorges Reservoir［J］.Stochastic Environmental Research and Risk Assessment，2014，28（3）：555-570.

［4］AHMAD I，WASEEM M，ZHANG J.Developing monthly hydrometeorological timeseries forecasts to reservoir operation in a transboundary river catchment［J］.Theoretical and Applied Climatology，2022，147（3）：1663-1674.

［5］李致家.水文模型的應(yīng)用與研究［M］.南京：河海大學(xué)出版社，2008.

［6］ANDERSON M G，BURT T P.Hydrological forecasting［M］.New York：John Wiley & Sons，1985.

［7］BELL V A，KAY A L，JONES R G，et al.Use of soil data in a grid-based hydrological model to estimate spatial variation in changing flood risk across the UK［J］.Journal of Hydrology，2009，377（3-4）：335-350.

［8］DAVID R M.Handbook of hydrology［M］.New York：McGraw-Hill，1993：960- 986.

［9］COULIBALY P，ANCTIL F，BOBE B.Daily reservoir inflow forecasting using artificial neural networks with stopped training approach［J］.Journal of Hydrology，2000，230（3-4）：244-257.

［10］COULIBALY P，ANCTIL F，BOBEE B.Multivariate reservoir inflow forecasting using temporal neural networks［J］.Journal of Hydrologic Engineering，2001，6（5）：367-376.

［11］FARIDAH O，MAHDI N.Reservoir inflow forecasting using artificial neural network［J］.International Journal of Physical Sciences，2011，6（3）：434-440.

［12］BAI Y，CHEN Z，XIE J，et al.Daily reservoir inflow forecasting using multiscale deep feature learning with hybrid models［J］.Journal of Hydrology，2016，532：193-206.

［13］LI C，BAI Y，ZENG B.Deep feature learning architectures for daily reservoir inflow forecasting［J］.Water Resources Management，2016，30（14）：5145-5161.

［14］趙人俊.流域水文模擬：新安江模型與陜北模型［M］.北京：水利電力出版社，1984.

［15］ZHAO R.The Xin′anjiang model applied in China［J］.Journal of Hydrology，1992，4：371-381.

［16］臧帥宏，李致家，黃迎春，等.基于自相似河網(wǎng)結(jié)構(gòu)的河網(wǎng)消退系數(shù)Cs計(jì)算方法研究［J］.湖泊科學(xué)，2019，31（3）：788-800.

［17］李致家，姚成，章玉霞，等.柵格型新安江模型的研究［J］.水力發(fā)電學(xué)報(bào)，2009，28（2）：25-34.

［18］ARNOLD J G，MORIASI D N，GASSMAN P W，et al.SWAT：model use，calibration，and validation［J］.Transactions of the ASABE，2012，55（4）：1491-1508.

［19］BURNASH R，F(xiàn)ERRAL L，MCGUIRE A.A generalized streamflow simulation system-conceptual modelling for digital computers［R］.Sacramento：Joint Federal and State River Forecast Center，1973.

［20］CIARAPICA L，TODINI E.TOPKAPI：a model for the representation of the rainfall-runoff process at different scales［J］.Hydrological Processes，2002，16（2）：207-229.

［21］MCCARTHY G T.The unit hydrograph and flood routing［C］∥Proceedings of Conference of North Atlantic Division，US Army Corps of Engineers，1938.

［22］許繼軍，楊大文，丁金華，等.空間嵌套式流域水文模型的初步研究：以三峽水庫入庫洪水預(yù)報(bào)為例［J］.水利學(xué)報(bào)，2007（增1）：365-371.

［23］李致家，包紅軍，孔祥光，等.水文學(xué)與水力學(xué)相結(jié)合的南四湖洪水預(yù)報(bào)模型［J］.湖泊科學(xué)，2005，17（4）：299-304.

［24］李致家，臧帥宏，劉志雨，等.新安江模型中河道匯流方法的改進(jìn)［J］.河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（3）：5-10.

［25］ZANG S，LI Z，ZHANG K.，et al.Improving the flood prediction capability of the Xin′anjiang model by formulating a new physics-based routing framework and a key routing parameter estimation method［J］.Journal of Hydrology，2021，603：126867.

［26］LIU Z，TODINI E.Towards a comprehensive physically-based rainfall-runoff model［J］.Hydrology and Earth System Sciences，2002，6（5）：859-881.

［27］李致家，何蒙，閆鳳翔，等.河道洪水演算方法在淮河及滹沱河中游的應(yīng)用［J］.河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（2）：95-101.

［28］TODINI E.A mass conservative and water storage consistent variable parameter Muskingum-Cunge approach［J］.Hydrology and Earth System Sciences，2007，4（3）：1645-1659.

［29］DUAN Q，SOROOSHIAN S，GUPTA V.Effective and efficient global optimization for conceptual rainfall-runoff models［J］.Water Resources Research，1992，28（4）：1015-1031.

［30］中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì).水文情報(bào)預(yù)報(bào)規(guī)范：GB/T 2482-2008［S］.北京：中國(guó)標(biāo)準(zhǔn)出版社，2008.

（編輯：謝玲嫻）

Flood forecasting in Wuqiangxi Reservoir area based on XAJ-DCH model

XIAO Yang1，2，ZANG Shuaihong3，LI Qiaoling3

（1.Wuling Power Limited Corporation，Changsha 410004，China； 2.Hunan Hydropower Intelligent Engineering Technology Research Center，Changsha 410004，China； 3.College of Hydrology and Water Resources，Hohai University，Nanjing 210098，China）

Abstract：

It is difficult to forecast the flood in the near-dam area of Wuqiangxi Reservoir on Yuanshui River system due to the large watershed area，sparse flow stations，and the obvious variation of flood waves propagation after entering into the reservoir area.In order to improve the accuracy of flood forecasting in Wuqiangxi Reservoir area，a XAJ-DCH model was selected to simulate 13 flood events in the near-dam area of Wuqiangxi Reservoir during 2016～2020.Nonlinear Reservoir method and Muskingum method were selected for channel routing.The two different flood forecasting schemes were developed according to the characteristics of the two channel routing methods.The simulation results showed that the deterministic coefficients for the 13 flood events were generally above 07，indicating both methods in the XAJ-DCH model perform well and are practical.Compared with the Muskingum method，the Nonlinear Reservoir method can reflect the spatial and temporal variation of flood movement by considering the river section conditions as well as the hydraulic characteristics，and only river roughness needs to be calibrated while other parameters such as riverbed slope，river width and river section length can be estimated based on the Digital Elevation Model （DEM）.The Muskingum method needs to calibrate four channel routing parameters，but its simulation result is slightly better than that of Nonlinear Reservoir method.The research results can provide reference for scientific and effective flood forecasting in the reservoir area and improving the forecasting accuracy.

Key words： flood forecasting；XAJ-DCH model；Nonlinear Reservoir method；Muskingum method；Wuqiangxi Reservoir

收稿日期：2022-05-25

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（52079035）；國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2018YFC1508104）

作者簡(jiǎn)介：肖 楊，女，工程師，碩士，研究方向?yàn)樗念A(yù)報(bào)及水庫調(diào)度。E-mail：xiao_xiaoy@wldl.com.cn

通信作者：李巧玲，女，副教授，博士，研究方向?yàn)樗奈锢硪?guī)律模擬與水文預(yù)報(bào)研究。E-mail：liqiaolinghhu@hhu.edu.cn