基于EnKF算法的大型河网水量数据同化研究

• 作者: 顾炉华 赖锡军
• 来源期刊: 水力发电学报
• 关键词: 流域河网 水动力模型 集合卡尔曼滤波 数据同化
• 年，卷（期）: 2021,（3）
• 页码范围: 64-75
• 页数: 12页
• 分类号: TV131.2
• 语种: 中文
• DOI: 10.11660/slfdxb.20210306

摘要

大型河网非恒定模拟计算仍是当前难点,现实环境的不确定性使传统模拟方法精度难以有效提高.数据同化方法融合数据和观测,是提高实际问题模拟和预测精度的重要手段.本文以太湖流域河网为对象,引入集合卡尔曼滤波方法,构建了太湖流域河网水量数据同化模型,探究了水位观测数据同化对河网水量预测精度的影响,并将模型运用于太湖流域河网洪水预报.结果 显示:太湖流域各水利分区水量相对独立,为降低模拟误差,需在各个片区引入观测数据.通过同化各水利分区内2～3个站点每隔1-2天的观测数据,可使模拟误差降低约40％.太湖领域的预报水位与实测水位基本一致,宜兴、丹阳、常州等站的最高洪水位预报误差不超过0.02 m.