冲积河流过程水沙输移模型不确定性分析及数据同化方法研究

The accuracy of the water-sediment transport model is mainly affected by the uncertainties resulted from the model input data and the determination of model parameters. In order to improve the accuracy of the model, the proposal introduces a data assimilation method of the two-dimensional water-sediment transport model by the use of the Ensemble Kalman Filter (EnKF) . The proposal firstly analyzes the model uncertainty caused by input errors and the parameter errors quantitatively. And then a data assimilation model for water-sediment mathematical model is presented to reduce the model uncertainties, and the rules of affecting on the data assimilation model by the various factors including, the ensemble size, the type of the observation data, the observating frequency and its observation location, et.al., are analyzed. Based on the data assimilation model, combined with the state augmentation technique and iterative technique respectively, two methods of estimations for the parameters and state variable of the water-sediment mathematical model are proposed and differences between them are found out through the data from sketch model experiment. We tentatively apply the methods in simulating fluvial river processes and predicating flood. The output of the research results are not only helpful to solve the difficulties of model parameter calibration and reduce the uncertainties caused by input errors, but also favorable to understand the water-sediment transport mechanism in depth.

冲积河流水沙模型输入数据误差和模型参数不确定性是制约模型精度提高的主要瓶颈。本项目针对目前水沙模型模拟计算精度低、参数率定困难等不足，结合水沙模型特点，引入集合卡尔曼滤波技术探索建立水沙运动观测和机理模型高度融合的冲积河流水沙模型数据同化理论和方法，从而系统地降低模型的不确定性和提高水沙过程模拟精度。本项目拟以二维水沙模型为研究对象，定量分析输入条件和模型参数对水沙模型不确定性的影响；建立基于改进集合卡尔曼滤波的水沙输移数据同化模型；分析集合规模、观测数据类型、观测位置和频次等各种因素对数据同化效果的影响规律；研究基于数据同化的水沙模型参数和状态变量联合估计方法；最后，将该方法理论应用于实际溃坝洪水过程和天然河道水沙过程的参数时空变化规律分析及水流泥沙过程的模拟。项目研究成果不仅有助于解决参数率定困难和降低模拟结果不确定性问题，而且有利于深刻地认识水沙运动规律以及水流与泥沙相互作用机理。

流域水文水沙模型的高精度模拟对洪水预报调度、水资源精细化管理至关重要。本项目针对水文水水沙模型与观测数据的松散耦合带来的精度模拟的难题，以统计水文模型、集总式水文模型、水沙模型为研究对象，引入改进集合卡尔曼滤波技术，研究流域水文水沙模型数据同化方法，取得了以下主要成果：（1）提出了一种支持向量机方法与集合卡尔曼滤波耦合的径流智能预测模型，利用粗糙集理论对支持向量机的输入数据集进行约简预处理，将简化输入空间的表达信息作为耦合模型的输入驱动数据，进行模型的校正和预测。（2）建立了基于粒子群优化和集合卡尔曼滤波的水文模型数据同化方法，在新安江模型的参数率定中引入粒子群优化算法，并结合集合卡尔曼滤波数据同化算法，建立基于新安江模型的降雨径流模型。（3）建立了非统一高精度曲面网格的二维水流模型，引入高精度曲面建模和自适应网格理论生成基于四叉树结构的自适应网格，采用高精度时空离散格式实现通量求解和源项处理，提出了干湿边界处理方法和复杂边界处理方法。（4）建立了复杂边界下水动力学模型不确定性分析方法，以基于结构网格的二维水动力模型为研究对象，分别采用LHS-GLUE和SCEM-UA方法分析了水动力模型参数、输入以及参数和输入的综合不确定性。（5）建立了流域水动力水质模型数据同化方法，采用集合卡尔曼滤波技术实现观测数据与水动力水质联合模拟的集成模式，建立了基于集合卡尔曼滤波的观测数据与河网模型自适应融合的数据同化模型。（6）建立了非统一高精度曲面网格的二维水沙模型，将高精度曲面建模和细节层次模型相结合，构建了自适应调整的动态河床网格体系，提出了集水位、流速和泥沙浓度变化梯度综合评判准则，实现了水沙输移过程的多尺度动态模拟。（7）建立了基于改进结合卡尔曼滤波的水沙输移数据同化方法，以水沙运动特性为基础，提出了集合卡尔曼滤波局域化的思路，将其与水沙输移模型相结合，实时融合观测数据，实现了水沙过程的高精度模拟预测。（8）已发表学术论文24篇，其中5篇SCI，7篇EI；获计算机软件著作权2项；申报7项国家发明专利，其中授权2项；获省部级奖1项；签订专著合同2部。