水文预报期末试题及答案.pdfVIP

水文预报期末试题及答案

一、选择题

1.水文预报是指预测水文过程的发展和变化情况，其中不包括以下

哪种预测类型？

A.水位预测

B.降雨预测

C.污染物浓度预测

D.流量预测

答案：C

2.下列哪个因素对水文过程的预测影响最小？

A.降雨

B.蒸发

C.温度

D.土壤类型

答案：C

3.水文预报模型是一种定量分析水文过程的工具，下列哪种模型属

于基于物理机制的模型？

A.统计模型

B.神经网络模型

C.概念模型

D.物理模型

答案：D

4.水文预报误差来源多种多样，下列哪个因素对水文预报误差的影

响最小？

A.模型参数选择

B.初始条件选择

C.数据采集精度

D.预报时段选择

答案：D

5.下列哪种预报方法适用于短时雨洪预报？

A.传统统计方法

B.概念模型

C.Kalman滤波方法

D.神经网络方法

答案：C

二、简答题

1.请简要说明水文预报的基本原理。

答：水文预报的基本原理是通过建立数学模型分析水文系统的各

种过程，包括降雨、蒸发、径流等，根据历史观测数据和当前状态，

预测未来一段时间内的水文情况。预报的基本原理包括建立模型、选

择输入数据和参数、进行模型推断、评估结果准确度等。

2.请列举常用的水文预报模型类型，并简要说明其特点。

答：常用的水文预报模型类型包括统计模型、概念模型、物理模

型和神经网络模型。

统计模型：通过统计历史观测数据的规律性，建立数学统计模型-

进行预测，适用于时间序列数据较为平稳的情况；

概念模型：基于水文循环、河道汇流、蓄滞洪等基本水文原理，-

采用参数化方法描述水文过程，适用于数据较少、参数较易获得的情

况；

物理模型：以水文系统的实-际物理机制为基础，通过物理方程求

解的方式进行预测，适用于具有复杂流域特征和高精度要求的情况；

神经网络模型：-利用人工神经网络的模式识别和自适应能力，对

复杂非线性水文系统进行预测，适用于数据关联性强、参数难以准确

获得的情况。

三、计算题

1.某河流流域的径流过程可以用线性滞时模型表示，模型公式为：

Q(t)=0.6Q(t-1)+0.4P(t)，其中Q为单位时间的径流量，P为单位时间

的降雨量。已知初始条件Q(0)=10mm/h，编写程序计算在连续3个小

时的降雨为10、8、12mm/h时，该河流的径流量。

答案：根据给定模型，可以利用循环计算的方式得到3个小时内

的径流量。计算结果如下：

第1小时：Q(1)=0.6*Q(0)+0.4*P(1)=0.6*10+0.4*10=6+

4=10mm/h

第2小时：Q(2)=0.6*Q(1)+0.4*P(2)=0.6*10+0.4*8=6+

3.2=9.2mm/h

第3小时：Q(3)=0.6*Q(2)+0.4*P(3)=0.6*9.2+0.4*12=

5.52+4.8=10.32mm/h

2.某区域的历史降雨数据如下（单位：mm）：

12、15、10、8、6、5、7、9、11、13、16、18

请计算该区域过去6个月的滑动平均降雨量，并绘制相应的曲线

图。

答案：滑动平均降雨量是指在给定时间窗口内的平均降雨量。根

据给定数据，可以计算出过去6个月的滑动平均降雨量如下：

12、13.5、11.333、9.75、8.333、7.5、6.833、7.666、8.833、

10.33