长江科学院院报

长江科学院院报 >

2025 , Vol. 42 >Issue 11: 193 - 198

DOI: https://doi.org/10.11988/ckyyb.20250335

长江通江湖泊演变与调控专栏

水文变异对鄱阳湖代表性站点水位相关性的影响

  • 许斌 , 1, 2 ,
  • 杨涵 1, 2 ,
  • 何山 1, 2
展开
  • 1 长江科学院 水资源综合利用研究所, 武汉 430010
  • 2 长江科学院 流域水资源与生态环境科学湖北省重点实验室, 武汉 430010

许 斌(1985-),男,河南焦作人,正高级工程师,博士,主要从事变化环境下的水文水资源研究。E-mail:

Copy editor: 王慰

收稿日期: 2025-04-10

  修回日期: 2025-07-18

  网络出版日期: 2025-11-08

基金资助

国家重点研发计划课题(2023YFC3209003)

收起

Impact of Hydrological Alteration on Water Level Correlation at Representative Stations of Poyang Lake

  • XU Bin , 1, 2 ,
  • YANG Han 1, 2 ,
  • HE Shan 1, 2
Expand
  • 1 Water Resources Department, Changjiang River Scientific Research Institute, Wuhan 430010, China
  • 2 Hubei Provincial Key Laboratory of Water Resources and Eco-environmental Sciences, Changjiang River Scientific Research Institute, Wuhan 430010, China

Received date: 2025-04-10

  Revised date: 2025-07-18

  Online published: 2025-11-08

Fold

摘要

相关性分析是水文分析中采用较为广泛的基础性方法,针对该方法使用过程中对时间序列一致性考虑不足的问题,以鄱阳湖代表性站点星子站、湖口站水位序列为研究对象,采用对比分析的方法,对水文变异对相关性分析的预测精度、演变规律等造成的影响进行了定量研究。结果显示,考虑水文变异后,鄱阳湖星子站、湖口站1—4月份的水位序列相关性拟合效率系数整体高于不考虑水文变异的情况,同时也能提升星子站水位的预测精度,且变异形式差别越大,精度提升效果越明显。

关键词： 水文变异; 水文预测; 非一致性; 线性相关性分析; 鄱阳湖

本文引用格式

许斌 , 杨涵 , 何山 . 水文变异对鄱阳湖代表性站点水位相关性的影响[J]. 长江科学院院报, 2025 , 42(11) : 193 -198 . DOI: 10.11988/ckyyb.20250335

Abstract

[Objective] The aim of this study is to analyze the impact of hydrological alteration on water level. [Methods] The Hydrological Alteration Diagnosis System was first used to identify the types of hydrological alteration. Then, based on the identified alteration types, change points in the water level series were detected.The water level series was divided into two periods using the earliest and latest change points as boundaries: the period before the earliest change point, representing natural conditions unaffected by changing environments, and the period after the latest change point, representing current conditions affected by changing environments. The water level series under natural and current conditions, which met the consistency requirements, could be used to analyze water level changes and predict trends. Using measured water level data as the evaluation standard, the analysis results incorporating hydrological alteration were compared with those ignoring hydrological alteration to quantitatively evaluate the deviations and shortcomings of conventional analytical methods. [Results] Using the monthly water level series from key stations (Xingzi and Hukou) in Poyang Lake as the research object, it was found that when hydrological alteration was considered, the fitting efficiency coefficients of the water level series from January to April at both stations were generally higher than those without considering hydrological alteration. Furthermore, the prediction accuracy of the water level at Xingzi station was improved. Greater differences in the types of hydrological alteration led to more significant improvements in prediction accuracy. [Conclusion] Compared to the length of the time series, hydrological alteration has a greater effect on improving the accuracy of water level prediction. This finding is not consistent with the results of some previous studies, indicating that further in-depth research is necessary. Therefore, hydrological alteration should be considered during model training to improve prediction accuracy.

Key words： hydrological alteration; hydrological prediction; inconsistency; linear correlation analysis; Poyang Lake

开放科学(资源服务)标识码(OSID):

0 引言

鄱阳湖作为我国最大的淡水湖,是长江流域少数仍与长江保持天然连通的大型湖泊[1],其上游来水主要来自赣江、抚河、信江、饶河、修水五大流域,于湖口汇入长江。鄱阳湖不仅仅是候鸟的天堂,更是我国重要的粮食基地[2]。随着环境变化的影响,鄱阳湖的水位频繁出现较为极端的情况,其中2022年最为突出,受长江流域汛期反枯、高温干旱、流域来水不足等影响,鄱阳湖星子站出现了有观测记录以来的最低水位6.68 m,对湖区周边的取用水、区域粮食生产安全、生态环境保护造成了严重冲击[3]。
为应对鄱阳湖频繁出现的枯水期提前、枯期水位下降速度过快等对湖区水安全、水生态等造成的影响,需要对鄱阳湖水位序列进行分析和预测。鉴于星子站水位对鄱阳湖区水位的代表性作用,以及湖口站水位对于江湖关系影响下鄱阳湖水位的代表性作用,目前对星子站、湖口站水位进行分析得出鄱阳湖水位演变规律的研究较为多见。闵骞等[4]通过分析星子、湖口两站1956—2009年的月均水位关系,得出2003年以后,湖口站水位对应的星子站水位显著降低。邓志民等[5]采用Mann-Kendall检验得出星子站水位下降趋势明显,并利用逐步回归分析得出湖口站水位是星子站水位的显著性影响因子之一。赵军凯等[6]聚焦于人类活动对鄱阳湖水位的影响,探讨了鄱阳湖水位受长江干流以及湖区范围内采砂活动的影响程度。曾少龙[7]通过构建EFDC模型,对鄱阳湖水位与面积关系进行了研究,结论显示星子站水位与鄱阳湖水面面积的相关性最高,而许斌[8]采用变异相关性的方法,得出湖口站水位受长江干流的影响较大。
可以看出,鄱阳湖星子站、湖口站水位及其相关性研究,对鄱阳湖水位及江湖关系演变分析以及关键站点水位预测等,都具有十分重要的作用。鄱阳湖极端水文情势频发,表明鄱阳湖的水位序列已经出现了非一致性[9],即水位序列的统计分布参数、形式等,在整个时间序列范围内发生了显著变化[10]。由于序列的分布参数等出现了变化,采用非一致性水位序列分析鄱阳湖水位变化规律时,可能会导致一定的偏差,从而影响分析结论。然而现有的鄱阳湖水位研究分析中,对非一致性的考虑仍有欠缺。
针对鄱阳湖星子站、湖口站水位及其相关性研究中,水位序列非一致性可能对鄱阳湖水位演变规律造成的影响,本文采用对比分析的手段开展研究,从定量的角度,对鄱阳湖逐月水位演变情况进行分析,并对水位预测的精度差异进行评估,从而揭示在鄱阳湖水位的分析研究中,是否考虑水文变异对分析结论和水位预测带来的影响程度。

1 研究方法

通过引入水文变异分析,首先对湖口站、星子站水位序列进行变异识别,根据水位序列出现的变异形式,提取出变异时间,以两站水位序列最早、最晚变异时间为准,将两站水位时间序列划分为最早变异点之前和最晚变异点之后,分别代表过去均未受到变化环境影响的天然条件,以及均受到变化环境影响的现状条件下所形成的水位序列。天然条件和现状条件下的水位序列满足一致性要求,可以用来分析湖口站、星子站水位的变化情况和趋势预测。以水位实测结果作为评判标准,将引入水文变异的分析结果与不考虑水文变异的结果进行对比,从而定量得出常规分析结果的偏差和不足。研究方法流程如图1所示,湖口站、星子站位置如图2所示。
图1 研究方法流程

Fig.1 Flowchart of research method

图2 湖口站和星子站地理位置

Fig.2 Geographical location of Hukou and Xingzi stations

1.1 水文变异识别方法

水文变异主要是指水文序列的分布形式或(和)分布参数在整个序列时间范围内发生了显著变化[11],常见的变异形式主要有跳跃变异和趋势变异2种。
在水文变异识别方法上,常见的诊断跳跃成分变异的方法有秩和检验法、有序聚类法等,诊断趋势成分变异的方法有Spearman秩次相关检验法、Kendall秩次相关检验法等。通过对比发现,单一水文变异识别方法会存在检验结果不合理、多种检验方法的检验结果不一致等问题。为了克服单一检验方法在水文变异识别方面的缺点和不足,谢平等[12]提出了水文变异诊断系统,对水文变异进行识别,并不断对其进行完善[13-14]。
水文变异诊断系统主要通过统计试验的方法,获取不同变异识别方法的赋分权重,再对不同方法的分析结果进行综合赋分,能够从整体上识别与检验时间序列的变异形式及其变异程度。水文变异诊断系统通过统计试验获取的不同方法权重赋值较为客观,变异识别结果可信度高。因此,本文采用水文变异诊断系统进行水文序列的变异识别。

1.2 非一致性时间序列时段划分

时间序列分段是本方法的关键性内容,其中跳跃变异的时间节点单一,而趋势变异并无明显的时间节点。水文变异诊断系统对趋势变异识别的优势表现在,除了能够识别趋势性成分之外,还能识别趋势变异可能存在的跳跃变异节点。因此,当时间序列存在趋势变异时,近似地把趋势变异看作多级跳跃变异进行处理[15],即以识别出的跳跃变异节点为依据,将趋势变异转换为2级及以上的跳跃变异进行处理。
对于不存在水文变异的时间序列,可以按照常规的方法进行分析;若存在1个变异节点,则以该变异节点划分时间序列,分别代表接近天然的过去条件(变异前)和受影响的现状条件(变异后);若存在2个及以上的变异节点,则最早变异节点之前和最晚变异节点之后的时间序列分别代表接近天然的过去条件(变异前)和受影响的现状条件(变异后)。

1.3 预测精度差异定量分析

以实测时间序列为基准,对比是否考虑水文变异的分析方法所得出的预测结果,对水文变异存在的影响进行定量分析,并结合其他已有的研究成果,分析不同方法获得的鄱阳湖水位演变规律可能存在的差别及其影响。

2 鄱阳湖水位序列相关性分析

2.1 预测精度差异定量分析

此次收集到鄱阳湖星子站、湖口站水位序列的起止年份分别为1951—2020年、1955—2021年,取两站的共同年份,即两站水位序列的起止年份选为1955—2020年。为了最大程度地体现两站的水文变异情况,实测水位序列的验证年份取4 a,即对1955—2016年的时间序列进行对比研究,以2017—2020年水位的实测值作为验证年份。

2.2 水位序列变异识别及时段划分

在第一信度水平α=0.05、第二信度水平β=0.01的条件下,利用水文变异诊断系统对湖口站、星子站的水位序列进行变异诊断,结果如表1所示。
表1 月均水位序列变异诊断结果

Table 1 Diagnosis results of alteration in monthly average water level series

月份 湖口站 星子站 月份 湖口站 星子站
1 1988年↑ 1968年↑ 7 — —
2 1988年↑ 2003年↓ 8 — —
3 1979年↑ 1979年↑ 9 2005年↓ 2005年↓
4 — 2003年↓ 10 2005年↓ 2005年↓
5 1977年↓ 1977年↓ 11 2002年↓ 2002年↓
6 — — 12 — —

注:“—”表示跳跃或趋势不显著,“↓”表示跳跃下降,“↑”表示跳跃上升。

从表1可以得出,星子站、湖口站6—8、12月份的水位序列不存在趋势及跳跃成分;3、5、9—11月份的水位序列跳跃变异的时间节点与形式一致,1、2月份的时间节点与跳跃形式有所差异,且2月份的变异形式差别最大。按照最早、最晚变异节点划分星子站、湖口站的时间序列如表2所示。
表2 月均水位序列时段划分

Table 2 Period division of monthly average water level series

月份 天然 现状 月份 天然 现状
1 1955—
1967年		 1988—
2016年		 5 1955—
1976年		 1977—
2016年
2 1955—
1987年		 2003—
2016年		 9 1955—
2004年		 2005—
2016年
3 1955—
1978年		 1979—
2016年		 10 1955—
2004年		 2005—
2016年
4 1955—
2002年		 2003—
2016年		 11 1955—
2001年		 2002—
2016年

2.3 水位序列预测精度分析

对星子站、湖口站现状条件下水位序列(表2中现状时段序列),以及不考虑水文变异的实测水位序列(1955—2016年序列),构建线性回归模型,如表3、图3所示。
表3 不同条件下逐月水位序列的线性回归结果

Table 3 Linear regression results of monthly water level series under different conditions

月份 变异后现状条件 不考虑水文变异
线性回归模型 R2 线性回归模型 R2
1 y=1.067 9x+0.168 9 0.895 9 y=0.989 7x+0.980 6 0.876 1
2 y=1.098 4x-0.387 2 0.980 8 y=0.939 4x+1.769 2 0.807 6
3 y=0.837 2x+2.767 3 0.861 1 y=0.815 3x+3.104 8 0.844 0
4 y=0.978 6x+0.794 1 0.981 9 y=0.875 9x+2.379 2 0.888 2
5 y=0.961 3x+0.924 0 0.991 1 y=0.957 3x+0.982 2 0.991 1
9 y=0.979 6x+0.417 6 0.999 6 y=0.972 5x+0.534 3 0.998 2
10 y=0.983 9x+0.341 0 0.999 3 y=0.994 1x+0.245 3 0.984 7
11 y=1.020 9x+0.002 1 0.994 5 y=0.990 4x+0.343 5 0.992 9
图3 不同条件下逐月水位序列的线性回归拟合效果

Fig.3 Linear regression fitting results of monthly water level series under different conditions

可以看出,1—4月份,是否考虑水文变异对星子站、湖口站水位序列相关性拟合影响较大,进入丰水期鄱阳湖水面面积增大以后,两站的水文变异规律呈现出趋同的态势,对水位序列相关性的影响有限,甚至可以延伸至水位出现消落的10月份及11月份。同时还可以看出,考虑水文变异后线性回归的拟合效率系数R2,要整体大于不考虑水文变异的情况。
以星子站2017—2020年水位的实测值作为验证年份,采用相应的线性回归模型,以湖口站实测水位对星子站2017—2020年1—4月份水位进行预测,其结果精度如表4所示。
表4 水文变异对湖口站水位预测结果的影响

Table 4 Impact of hydrological alteration on water level prediction results at Hukou station

月份 年份 星子站
水位实
测值/m		 星子站水位
预测值/m		 误差值/m 考虑变
异后精
度提升/
m
不考虑
变异		 考虑
变异		 不考虑
变异		 考虑
变异
1 2017 9.58 10.26 10.18 0.68 0.60 0.08
2018 8.77 9.46 9.32 0.69 0.55 0.14
2019 10.62 11.19 11.18 0.57 0.56 0.01
2020 8.58 9.36 9.22 0.78 0.64 0.14
2 2017 8.46 9.55 8.71 1.09 0.25 0.84
2018 9.05 10.13 9.39 1.08 0.34 0.74
2019 10.39 11.20 10.64 0.81 0.25 0.56
2020 10.15 11.13 10.56 0.98 0.41 0.57
3 2017 11.08 11.92 11.82 0.84 0.74 0.10
2018 10.10 11.13 11.01 1.03 0.91 0.12
2019 13.87 14.06 14.01 0.19 0.14 0.05
2020 11.49 12.29 12.20 0.80 0.71 0.09
4 2017 14.21 14.63 14.48 0.42 0.27 0.15
2018 10.78 11.57 11.07 0.79 0.29 0.50
2019 12.75 13.25 12.93 0.50 0.18 0.32
2020 13.32 13.84 13.60 0.52 0.28 0.24
从表4可知,首先,相较于不考虑水文变异的情况,考虑水文变异对星子水位的预测值精度总体均有所提升。其次,对于星子站、湖口站水位序列水文变异时间、变异类型差别不大的情况,预测精度提升程度较低,但对于两站水文变异差别较大的情况而言,精度提升程度较高,其中2017年2月份预测精度提高了0.84 m。再次,对于星子站、湖口站水位序列的线性回归模型而言,不考虑水文变异情况下,构建模型的时间序列虽然较长,但是由于受到水文变异的影响,水位预测精度反而有所降低。
师小雨等[16]开展了水文变异对深度学习模型训练性能的影响研究,并得出中长期径流预测性能主要受时间序列长度影响的结论,其次受水文变化趋势及变异的影响。该结论与本文中得出的结论有所差异,可能是受到预测模型、变异点识别、研究点位选择等方面的影响,有待进一步开展更深入的研究。

2.4 水位相关性演变规律分析

依据月均水位序列时段划分(表2)结果,构建天然状态和现状条件下星子站、湖口站水位变化较大的1—4月份的线性回归模型,对鄱阳湖2个关键站点的水位相关性演变规律进行分析,结果如图4所示。
图4 不同条件下星子站水位相关性演变规律分析

Fig.4 Evolutionary regularity analysis of water level correlation under diferent conditions

从图4可以看出,1月份变异前后的线性回归模型交汇于星子站水位8.9 m、湖口站水位8.2 m处,即当星子站水位低于8.9 m时,现状条件下星子站对应的湖口站水位较天然条件下有所上升,高于8.9 m时则呈现出下降态势,整体呈现出紊态、过渡的情势。2月份现状条件下星子站对应的湖口站水位较天然条件下出现了整体的抬升,规律较为明显。3月份在2月份基础上,星子站对应的湖口站水位较天然条件下抬升的幅度有所降低,有一定的规律性。4月份则与1月份较为近似,但规律性要>1月份,整体也呈现出过渡、融合的态势。
综合上述分析可以得出,相较于天然状态下,现状条件下星子站对应的湖口站水位整体呈现出现上升的趋势,该趋势在每年的2月份表现得最为明显,其次是3月份;1月份、4月份则处于过渡的态势,其中1月份处于12月份向2月份的过渡期,由于枯水期水位较低,加之2月份变异程度较大,导致1月份的过渡阶段,两站水位的离散程度较高,规律性并不十分明显。4月份则处于3月份向5月份的过渡期,但鄱阳湖水位整体已处于抬升的态势,湖相逐步显现,水位相关性较好,因此4月份两站水位的离散程度较低,规律性相对1月较为明显。

3 讨论与结论

3.1 讨论

对于存在水文变异的情况而言,相较于时间序列长度,本文得出考虑水文变异对于水位预测精度的提升效果更好,该结论与已有学者的研究成果不太相同,有待进一步开展更深入的研究。人工智能技术代表了未来的发展方向,但对于人工智能存在的泛化性能弱、预见期短等问题[17],在模型训练阶段也可以考虑从水文变异的角度,开展精度提升的一些研究。

3.2 结论

相关性分析是目前水文分析中应用较为广泛的基础性方法,针对该方法使用过程中对时间序列一致性考虑不足的问题,本文采用对比研究的方法,以鄱阳湖星子站、湖口站水位序列相关性分析为研究对象,定量分析了水文变异可能对预测精度、演变规律分析等造成的影响。主要研究结论如下:
(1)水文变异对鄱阳湖星子站、湖口站1—4月份的水位序列相关性会造成一定程度的影响,其中对2月份的影响最大;其他月份即使出现了水文变异,其影响程度也非常有限。
(2)考虑水文变异后的数据拟合效率系数整体高于不考虑水文变异的情况,通过对比星子站水位的实测值和预测值可以得出,考虑水文变异能够整体提升星子站水位的预测精度,且变异形式差别越大,精度提升效果越明显。
(3)相较于天然状态下,现状条件下星子站对应的湖口站水位整体呈现上升的趋势,该趋势在每年的2月份表现得最为明显,其次是3月份;1月份、4月份则是处于过渡的态势。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张亮. 鄱阳湖平原耕地复种变化及其对粮食产量的影响[D]. 南昌: 江西师范大学, 2018.

(ZHANG Liang. Change of Multiple Cropping Index and It’s Effect on Grain Production in Poyang Lake Plain[D]. Nanchang: Jiangxi Normal University, 2018. (in Chinese))

[2]
金姝兰, 侯立春, 徐磊. 长江中下游地区耕地复种指数变化与国家粮食安全[J]. 中国农学通报, 2011, 27(17):208-212.

(JIN Shu-lan, HOU Li-chun, XU Lei. The Relationship of Multiple Cropping Index of Arableland Change and National Food Security in the Middle and Lower Reaches of Yangtze River[J]. Chinese Agricultural Science Bulletin, 2011, 27(17):208-212. (in Chinese))

DOI

[3]
夏军, 陈进, 佘敦先. 2022年长江流域极端干旱事件及其影响与对策[J]. 水利学报, 2022, 53(10): 1143-1153.

(XIA Jun, CHEN Jin, SHE Dun-xian. Impacts and Countermeasures of Extreme Drought in the Yangtze River Basin in 2022[J]. Journal of Hydraulic Engineering, 2022, 53(10): 1143-1153. (in Chinese))

[4]
闵骞, 占腊生. 鄱阳湖不同部位水位关系变化分析[J]. 人民长江, 2013, 44(增刊1):5-10.

(MIN Qian, ZHAN La-sheng. Analysis on the Change of Water Level Relationship in Different Parts of Poyang Lake[J]. Yangtze River, 2013, 44(Supp. 1):5-10. (in Chinese))

[5]
邓志民, 张翔, 肖洋, 等. 鄱阳湖水位演变及其影响因子分析[J]. 武汉大学学报(工学版), 2015, 48(5):615-621.

(DENG Zhi-min, ZHANG Xiang, XIAO Yang, et al. Study of Evolution of Water Level in Poyang Lake and Impact Factors[J]. Engineering Journal of Wuhan University, 2015, 48(5): 615-621. (in Chinese))

[6]
赵军凯, 李立现, 李九发, 等. 人类活动对鄱阳湖水位变化的影响[J]. 水文, 2020, 40(4):53-60.

(ZHAO Jun-kai, LI Li-xian, LI Jiu-fa, et al. Response of Stage Variation of the Poyang Lake to Human Activities[J]. Journal of China Hydrology, 2020, 40(4): 53-60. (in Chinese))

[7]
曾少龙. 基于EFDC模型的鄱阳湖水位与湖面面积关系分析[D]. 南昌: 江西师范大学, 2018.

(ZENG Shao-long. Analysis of The Relationship Between Water Level and Lake Surface Area of Poayang Lake based on EFDC model[D]. Nanchang: Jiangxi Normal University, 2018. (in Chinese))

[8]
许斌. 变化环境下鄱阳湖非一致性生态水位研究[M]. 北京: 中国水利水电出版社, 2021.

(XU Bin. Research on Non-consistent Ecological Water Level of Poyang Lake under Changing Environment[M]. Beijing: China Water & Power Press, 2021. (in Chinese))

[9]
谢平, 许斌, 章树安, 等. 变化环境下区域水资源变异问题研究[M]. 北京: 科学出版社, 2012.

(XIE Ping, XU Bin, ZHANG Shu-an, et al. Study on Variation of Regional Water Resources under Changing Environment[M]. Beijing: Science Press, 2012. (in Chinese))

[10]
许斌, 谢平, 陈广才. 变化环境下水资源评价方法不确定性研究[M]. 武汉: 长江出版社, 2016.

(XU Bin, XIE Ping, CHEN Guang-cai. Research on the Uncertainty of Water Resource Evaluation Methods in Changing Environments[M]. Wuhan: Yangtze River Press, 2016. (in Chinese))

[11]
谢平, 陈广才, 雷红富. 基于Hurst系数的水文变异分析方法[J]. 应用基础与工程科学学报, 2009, 17(1):32-39.

(XIE Ping, CHEN Guang-cai, LEI Hong-fu. Hydrological Alteration Analysis Method Based on Hurst Coefficient[J]. Journal of Basic Science and Engineering, 2009, 17(1):32-39. (in Chinese))

[12]
谢平, 陈广才, 雷红富, 等. 水文变异诊断系统[J]. 水力发电学报, 2010, 29(1): 85-91.

(XIE Ping, CHEN Guang-cai, LEI Hong-fu, et al. Hydrological Alteration Diagnosis System[J]. Journal of Hydroelectric Engineering, 2010, 29(1): 85-91. (in Chinese))

[13]
谢平, 吴子怡, 赵江艳, 等. 非一致性水文频率计算的基因途径Ⅰ: 水文基因遗传、变异和进化原理[J]. 应用生态学报, 2018, 29(4): 1023-1032.

DOI

(XIE Ping, WU Zi-yi, ZHAO Jiang-yan, et al. Gene Method for Inconsistent Hydrological Frequency Calculation. I: Inheritance, Variability and Evolution Principles of Hydrological Genes[J]. Chinese Journal of Applied Ecology, 2018, 29(4): 1023-1032. (in Chinese))

DOI

[14]
谢平, 赵江艳, 吴子怡, 等. 非一致性水文频率计算的基因途径Ⅱ: 水文基因诊断系统与非一致性常规矩基因方法[J]. 应用生态学报, 2018, 29(4): 1033-1041.

(XIE Ping, ZHAO Jiang-yan, WU Zi-yi, et al. Gene Method for Inconsistent Hydrological Frequency Calculation. Ⅱ: Diagnosis System of Hydrological Genes and Method of Hydrological Moment Genes with Inconsistent Characters[J]. Chinese Journal of Applied Ecology, 2018, 29(4): 1033-1041. (in Chinese))

[15]
许斌, 袁喆, 孙可可, 等. 水文变异条件下基于Copula函数的非一致性干旱频率分析方法:以鄱阳湖为例[J]. 长江科学院院报, 2021, 38(12):25-32.

DOI

(XU Bin, YUAN Zhe, SUN Ke-ke, et al. Drought Frequency Analysis of Inconsistent Sequences Based on Copula Function under Hydrological Alteration:Case Study on Poyang Lake[J]. Journal of Yangtze River Scientific Research Institute, 2021, 38(12):25-32. (in Chinese))

DOI

[16]
师小雨, 黄强. 水文变异对深度学习模型训练性能的影响研究[J]. 人民黄河, 2023, 45(8): 64-67.

(SHI Xiao-yu, HUANG Qiang. Research on the Influence of Hydrological Variation to the Training Performance of Deep Learning Model[J]. Yellow River, 2023, 45(8): 64-67. (in Chinese))

[17]
孙亮, 王瑞国, 袁瑞, 等. 人工智能技术在智慧水利中的应用与展望[J]. 中国水利, 2024(3): 44-51.

(SUN Liang, WANG Rui-guo, YUAN Rui, et al. Application and Prospects of Artificial Intelligence Technology in Smart Water Conservancy[J]. China Water Resources, 2024(3): 44-51. (in Chinese))

Options
文章导航

/

〈 〉

*严禁使用本系统存储、处理、传输涉密信息*
版权所有 © 《长江科学院院报》编辑部
技术支持：北京玛格泰克科技发展有限公司