专业委员会长江干线航道水位预测预报技术研究
【作者： 刘丰阳 余青容 宋成果 郑 力 | 来源： 长江航运研究 | 发布日期： 2013年06月20 | 阅读次数： 152 】 【选择字号： 小 大 】
● 1 引 言
长江横贯东西，通江达海，是连通我国东、中、西部地区的水运主动脉，对促进流域经济协调发展发挥了重要作用，素有“黄金水道”之称。为促进长江现代化水运体系的建设、全面提升服务长江航运的能力，长江航道局在“十二五”发展规划中，明确提出“以多功能电子航道图为基础，全面建成长江干线数字航道，初步建成智能航道，基本实现长江航道现代化。”为了科学指导船舶合理配载，长江电子航道图新增了一项重要服务内容——长江干线7天水位滚动预测预报信息服务。为提升水位预测预报的精度，保障长江电子航道图（2.0版）正常运行，长江航道规划设计研究院组织开展了长江干线航道水位预测预报技术研究工作。
2 研究现状
2.1 水文预报方法
水文预报是根据已知的信息(测验或分析的信息)对未来一定时期内水文要素的状态做出定量或定性的预测。自上世纪50年代以来，中国的水文预报工作从无到有、由点到面迅速发展，在学习、吸收原苏联和美国的洪水预报方法的基础上，逐步对不同区域的降雨径流关系进行研究。随着计算机技术在水文预报领域中的应用推广和水文模拟技术水平的提高，中国在水文预报方法、预报系统建设和新技术应用等方面都有了很大的提高，目前，常用的预报方法可以划分为物理成因分析方法、水文统计方法、人工神经网络方法和流域水文模型四大类。具体如下：
1.物理成因分析方法。河川径流主要来源于大气降水，与大气环流有密切关系。一个流域或地区发生旱涝是与环流联系在一起的。分析研究大气环流与水文要素之间的关系一直是水文气象工作者深入探讨的课题。该方法主要是利用大气等宏观因子进行中长期水文预报，虽然方法可信度较高，但实施难度较大。
2.水文统计方法。通过水文资料的统计分析进行概率预测，从水文要素与预报因子之间寻找其统计规律进行预报。根据预报因子类别的不同，可分为两类：第一类是单要素预报，即分析水文要素本身时序变化规律进行预报，如历史演变法、周期叠加、平稳时间系列、趋势分析及随机函数的分解等；第二类是多因子综合预报，即分析要素与前期因子之间的统计相关关系，然后用数理统计法加以综合，进行预报，如多元回归分析、逐步回归分析及多维序列等，这种方法的主要问题有如何合理选择因子个数，解决拟合效果与预报效果不一致的矛盾；由于预报值是取各个因子数据的均值，难以预报出极大或极小值的水文现象。
①相应水位法。该方法是建立下游(本站)下一时段水位与上游前一时段水位的相关关系。为了提高预报精度，在有些河段，还需要其它要素的影响，如本站前一时段水位、上游总合成流量、区间平均降水量的影响。
②合成流量法。建立上游合成流量与下游流量或洪峰水位的相关关系。并通过预报下游流量再根据水位流量关系曲线推求水位。
③多要素合轴相关法。利用流域降雨总量、降雨历时、降雨强度和起涨水位等因素作为参数建立降雨、上游水位和下游水位的相关关系，根据相关关系推求水位。
④水位(流量)涨差法。利用河道上下游水位或流量的涨落差建立相关关系推求水位。
⑤降雨径流法。利用前期土壤含水量、涨洪段流量涨势等因素作为参数直接建立降雨与洪峰流量的相关关系。
3.人工神经网络方法。人工神经网络是基于连接学说构造的智能仿生模型，是由大量神经元组成的非线性动力学系统，具有并行分布处理、自组织、自适应、自学习和容错性等特点。人工神经网络具有很强的处理大规模复杂非线性动力学系统的能力，该方法的研究起源于20世纪40年代，90年代以来，许多学者将人工神经网络技术应用到水文预报中。国外学者作了大量的研究和应用，美国土木工程师协会工程委员会和许多学者对此进行了总结和评论；近年来国内已经成功地将该方法应用于河道水流预报及流域产流产沙等方面。确定性水文预测的神经网络方法虽然白化能力具有最小熵优势，但存在一定的学习和泛化误差，即无法覆盖水文预测中的不确定性信息。此外，影响人工神经网络拓扑结构的因素众多，且参数优选理论发展不甚完善也制约了人工神经网络模型优势的发挥，使之在应用推广方面遇到了一定的困难。
4.流域水文模型。中国地域广阔，气候多样，包括湿润、干旱、半湿润和半干旱各种气候条件。几十年来，中国在引进、消化、吸收外国水文模型的基础上，研制了一系列适合中国实际情况的流域水文模型。河海大学赵人俊教授团队1973年研究提出的新安江模型是中国水文模型研究的代表成果。该模型在中国得到广泛应用和不断完善，并于1980年开始向国外介绍。当前，在水文作业预报中我国所采用的水文预报模型主要有中国自行研制的新安江模型、双超产流模型、河北雨洪模型、姜湾径流模型、双衰减曲线模型等；从国外引进的模型主要有水箱、Sacramento、NAM模型和SMAR等模型，以及改进的国外模型M1，如连续API模型、SCLS模型等。今后水文模拟技术的进一步发展，应将重点放在干旱、半干旱地区和资料缺乏地区，加强研究这些地区的雨洪特性与径流形成规律。
2.2 水位预报方法
目前水位预报中最常见的是汛期洪水预报。在实际防洪减灾工作中，洪水预报是调度决策的重要依据，关系人民生命财产的安全和经济社会的稳定发展，而发布的洪水预报将在很短的时间内得到验证，因此，洪水期水位预报是一项理论性强、应用要求高的工作。目前，河道中常用的水位预报方法主要有经验方法、水动力模型法、数理统计法等。经验方法主要是根据站点水位历史实测数据以及当地气象条件因素进行预测，此方法在气象及上游水位不发生重大变化的条件下可信度较高；水动力模型法是利用河道地形、边界水位和径流条件、初始水位和径流条件建立该河段数学模型，该方法模型建立时间较长，收集资料（降雨、大气、流域情况等）较多，难以短时间实施；数理统计方法是通过水位资料的统计分析进行概率预测，从水位要素与预报因子之间寻找其统计规律进行预报。与河道中水位预报不同的是，感潮河段洪水过程受上游径流和下游潮汐双重作用，使感潮河段的水文情势较为复杂，当上游发生大洪水，下游遭遇大潮顶托时易导致感潮河段水位剧升，防洪形势严峻。感潮河段水位系列在时序上具有相依性、突变性和随机性等复杂非线性特征，预报水位非常困难，感潮河段水位预报除上述介绍方法外，还要借助潮位站多年实测潮位资料及潮汐表进行预报。
3 长江干线航道水位预报方法
长江是我国第一大河，其水文预报的研究和应用较多，目前长江的水位预报主要是系统采取气象模型（提供定量降雨预报）与水文、水力模型相结合的方法，同时结合经验分析，为长江主要站点提供实时洪水预报。航道部门水位预报与水利部门不同，为保障船舶安全通航，航道部门对枯水期要求精度较高，中洪水期要求精度相对较低。针对航道部门气象资料、流域内的的水量站、支流水文站资料缺乏的特点，长江干线航道水位预测主要依据测站的实测水位流量资料、气象资料等先进行流量过程的预测，然后通过相关关系进行水位的预测。根据长江干线沿程河道特性、水文特点以及航道特点，本文对长江上游、中游、下游的水位预报方法分别展开研究。
3.1 长江上游
由于受三峡水库坝前调度的影响，长江上游三峡大坝至宜宾段水位变化影响因素也不尽相同，要准确预测宜宾至三峡大坝的水位，必须先预测坝前水位及流量。主要方法为：首先对年径流量进行预报，了解是丰水年还是枯水年，一般情况下，丰水年洪水会比较大，在预报年径流量的基础上，根据统计规律对月径流量进行分配；其次，利用移动平均法对各支流控制站进行预测，并采用合流法，考虑流量传播特性，对主要站进行流量预测；第三，通过概化模型对三峡坝前水位进行预测；最后，按水位流量关系对主要站进行水位预测，利用水位相关关系对长江上游沿程主要水位进行预测。
3.2 长江中游
长江中游洪水预报系统如图1所示。主要步骤包括：
1.气象预报：使用气象模型提供定量降雨预报(QPF)。目前，使用两种预报方法来进行短期降雨准定量预报。一是通过分析各种气象信息，包括常规的地面天气信息、卫星信息、卫星图像、雷达遥感信息等，估算降雨范围与趋势；二是使用MM5模型来预报流域范围降雨，该模型是一个中期预报气象模型，由美国国家天气局和加州大学联合开发。
2．水文模拟：使用实时雨量与定量降雨预报值预测径流量。使用的模型主要有API模型，单位线演算和新安江模型(XAJ)。
3.洪水演算：使用模型预测径流和实测径流作为边界条件，应用多个水力学模型和统计模型洪水演算程序计算不同站点的水位和流量。使用的模型有马斯京根法、MIKE11、相关关系法以及由长江委水文局为复杂的洞庭湖区开发的“大湖演算法”。在长江上游地区，河道较窄，马斯京根方法较为合适；在下游以及洞庭湖区，统计方法如相关关系法和大湖演算法表现相对好些（如表1）。
4.后验分析：人工对模型结果进行分析的过程。结合不同模型给出的预报结果，考虑到人类活动或天气动力带来的不确定性，给出最终预报成果，予以发布。
3.3 长江下游
长江下游大通以下河段为感潮河段，其水位预报具有特殊性，其中江阴以下潮流河段主要是基于潮汐表进行，大通至江阴段则是根据经验法、水动力模型法、水文统计法相结合。
4 长江干线航道水位预报实例
完整的水位预报，一般从气象预报、产汇流预报开始，再进行河道流量和水位的预报，但这要求具有较多的气象资料以及流域内大量的水位站、支流水文站资料，目前这对航道部门水位预测而言尚不现实。因此，针对航道部门对枯水期要求精度高、中洪水期要求精度可以相对较低的需求，长江干线航道水位预测主要依据测站的实测水位流量资料，以统计分析方法为主。本文选取长江中游城陵矶站为实例，城陵矶站位于洞庭湖出口与长江汇合口上游3.5km，是洞庭湖出口河段水文控制站，城陵矶出口河段是洞庭湖水流入长江的唯一出口，洞庭湖的入湖水沙经湖泊调蓄、沉积之后，经城陵矶站出湖汇入长江。根据长江电子航道图（2.0版）自2012年7月份试运行以来的水情信息，利用多元线性回归分析方法，对影响城陵矶流量和水位的主要因子进行了相关分析，开展了城陵矶流量和水位的预报工作，因枯水期城陵矶流量变化不大，故本文只给出丰水期城陵矶站的流量、水位预测方法。
4.1 流量预测
考虑到汛期流量过程受涨落率的影响较大，在此主要以前2天流量、前2天流量涨落率（用流量差值代替）作为主要因子建立多元回归模型。公式如下：
Q(t)=179.75+0.1DQ(t-1)+1.75DQ(t-2)+1.483Q(t-2)-0.5Q(t-1)
其中：Q(t)为当天预测流量，Q(t-2)、Q(t-1)为前2天、前1天流量，DQ(t-1)、DQ(t-2)分别为前3天与前2天、前2天与前1天的流量差值，代表涨落情况。
选取2012年8-9月份实测资料对上述公式进行验证，结果如图2所示可知城陵矶站汛期流量计算与实测值吻合较好，一般误差在8%以内，最大误差在20%以内。
4.2 水位预测
由于城陵矶站水位变化受江湖相互顶托影响，水位流量关系较为散乱。采用2012年汛期资料，并以宜昌流量Q为参数界限建立城陵矶站水位流量关系，如图3所示。
4.3 预测误差分析
表2给出了自2012年7月份长江电子航道图（2.0版）试运行以来城陵矶站7-9月份分时段的误差平均值统计。由表可知：
预测第一天的误差一般控制在0.3m以内，随预测时段增加，预测精度变低，3天误差在0.7m以内，未来4-7天的预测误差较大，在0.5-1.5m左右。分析原因，主要与当地气象条件及三峡大坝泄洪等条件有关。由于本文主要依据长江航道特点和实际资料情况，侧重于经验统计方法，并未涉及气象和水文模型的产汇流预报，与已有长江洪水水位预测方法相比，预测成果能够满足电子航道图系统的需要。
5 结 论
本文根据长江电子航道图（2.0版）的要求，以及现有长江航道局水文预测基础设施现状，结合长江干线上、中、下游各自水位特点，基于统计分析方法，开展了长江干线航道水位预测预报技术研究。长江电子航道图（2.0版）试运行以来的实测资料检验效果表明，该预测技术合理可行，沿程水位的预测精度可满足电子航道图系统建设要求，保证了航行船舶、港航企业关于长江干线水位预测信息的实际需求。
（作者单位：长江航道规划设计研究院）
● 1 引 言
长江横贯东西，通江达海，是连通我国东、中、西部地区的水运主动脉，对促进流域经济协调发展发挥了重要作用，素有“黄金水道”之称。为促进长江现代化水运体系的建设、全面提升服务长江航运的能力，长江航道局在“十二五”发展规划中，明确提出“以多功能电子航道图为基础，全面建成长江干线数字航道，初步建成智能航道，基本实现长江航道现代化。”为了科学指导船舶合理配载，长江电子航道图新增了一项重要服务内容——长江干线7天水位滚动预测预报信息服务。为提升水位预测预报的精度，保障长江电子航道图（2.0版）正常运行，长江航道规划设计研究院组织开展了长江干线航道水位预测预报技术研究工作。
2 研究现状
2.1 水文预报方法
水文预报是根据已知的信息(测验或分析的信息)对未来一定时期内水文要素的状态做出定量或定性的预测。自上世纪50年代以来，中国的水文预报工作从无到有、由点到面迅速发展，在学习、吸收原苏联和美国的洪水预报方法的基础上，逐步对不同区域的降雨径流关系进行研究。随着计算机技术在水文预报领域中的应用推广和水文模拟技术水平的提高，中国在水文预报方法、预报系统建设和新技术应用等方面都有了很大的提高，目前，常用的预报方法可以划分为物理成因分析方法、水文统计方法、人工神经网络方法和流域水文模型四大类。具体如下：
1.物理成因分析方法。河川径流主要来源于大气降水，与大气环流有密切关系。一个流域或地区发生旱涝是与环流联系在一起的。分析研究大气环流与水文要素之间的关系一直是水文气象工作者深入探讨的课题。该方法主要是利用大气等宏观因子进行中长期水文预报，虽然方法可信度较高，但实施难度较大。
2.水文统计方法。通过水文资料的统计分析进行概率预测，从水文要素与预报因子之间寻找其统计规律进行预报。根据预报因子类别的不同，可分为两类：第一类是单要素预报，即分析水文要素本身时序变化规律进行预报，如历史演变法、周期叠加、平稳时间系列、趋势分析及随机函数的分解等；第二类是多因子综合预报，即分析要素与前期因子之间的统计相关关系，然后用数理统计法加以综合，进行预报，如多元回归分析、逐步回归分析及多维序列等，这种方法的主要问题有如何合理选择因子个数，解决拟合效果与预报效果不一致的矛盾；由于预报值是取各个因子数据的均值，难以预报出极大或极小值的水文现象。
①相应水位法。该方法是建立下游(本站)下一时段水位与上游前一时段水位的相关关系。为了提高预报精度，在有些河段，还需要其它要素的影响，如本站前一时段水位、上游总合成流量、区间平均降水量的影响。
②合成流量法。建立上游合成流量与下游流量或洪峰水位的相关关系。并通过预报下游流量再根据水位流量关系曲线推求水位。
③多要素合轴相关法。利用流域降雨总量、降雨历时、降雨强度和起涨水位等因素作为参数建立降雨、上游水位和下游水位的相关关系，根据相关关系推求水位。
④水位(流量)涨差法。利用河道上下游水位或流量的涨落差建立相关关系推求水位。
⑤降雨径流法。利用前期土壤含水量、涨洪段流量涨势等因素作为参数直接建立降雨与洪峰流量的相关关系。
3.人工神经网络方法。人工神经网络是基于连接学说构造的智能仿生模型，是由大量神经元组成的非线性动力学系统，具有并行分布处理、自组织、自适应、自学习和容错性等特点。人工神经网络具有很强的处理大规模复杂非线性动力学系统的能力，该方法的研究起源于20世纪40年代，90年代以来，许多学者将人工神经网络技术应用到水文预报中。国外学者作了大量的研究和应用，美国土木工程师协会工程委员会和许多学者对此进行了总结和评论；近年来国内已经成功地将该方法应用于河道水流预报及流域产流产沙等方面。确定性水文预测的神经网络方法虽然白化能力具有最小熵优势，但存在一定的学习和泛化误差，即无法覆盖水文预测中的不确定性信息。此外，影响人工神经网络拓扑结构的因素众多，且参数优选理论发展不甚完善也制约了人工神经网络模型优势的发挥，使之在应用推广方面遇到了一定的困难。
4.流域水文模型。中国地域广阔，气候多样，包括湿润、干旱、半湿润和半干旱各种气候条件。几十年来，中国在引进、消化、吸收外国水文模型的基础上，研制了一系列适合中国实际情况的流域水文模型。河海大学赵人俊教授团队1973年研究提出的新安江模型是中国水文模型研究的代表成果。该模型在中国得到广泛应用和不断完善，并于1980年开始向国外介绍。当前，在水文作业预报中我国所采用的水文预报模型主要有中国自行研制的新安江模型、双超产流模型、河北雨洪模型、姜湾径流模型、双衰减曲线模型等；从国外引进的模型主要有水箱、Sacramento、NAM模型和SMAR等模型，以及改进的国外模型M1，如连续API模型、SCLS模型等。今后水文模拟技术的进一步发展，应将重点放在干旱、半干旱地区和资料缺乏地区，加强研究这些地区的雨洪特性与径流形成规律。
2.2 水位预报方法
目前水位预报中最常见的是汛期洪水预报。在实际防洪减灾工作中，洪水预报是调度决策的重要依据，关系人民生命财产的安全和经济社会的稳定发展，而发布的洪水预报将在很短的时间内得到验证，因此，洪水期水位预报是一项理论性强、应用要求高的工作。目前，河道中常用的水位预报方法主要有经验方法、水动力模型法、数理统计法等。经验方法主要是根据站点水位历史实测数据以及当地气象条件因素进行预测，此方法在气象及上游水位不发生重大变化的条件下可信度较高；水动力模型法是利用河道地形、边界水位和径流条件、初始水位和径流条件建立该河段数学模型，该方法模型建立时间较长，收集资料（降雨、大气、流域情况等）较多，难以短时间实施；数理统计方法是通过水位资料的统计分析进行概率预测，从水位要素与预报因子之间寻找其统计规律进行预报。与河道中水位预报不同的是，感潮河段洪水过程受上游径流和下游潮汐双重作用，使感潮河段的水文情势较为复杂，当上游发生大洪水，下游遭遇大潮顶托时易导致感潮河段水位剧升，防洪形势严峻。感潮河段水位系列在时序上具有相依性、突变性和随机性等复杂非线性特征，预报水位非常困难，感潮河段水位预报除上述介绍方法外，还要借助潮位站多年实测潮位资料及潮汐表进行预报。
3 长江干线航道水位预报方法
长江是我国第一大河，其水文预报的研究和应用较多，目前长江的水位预报主要是系统采取气象模型（提供定量降雨预报）与水文、水力模型相结合的方法，同时结合经验分析，为长江主要站点提供实时洪水预报。航道部门水位预报与水利部门不同，为保障船舶安全通航，航道部门对枯水期要求精度较高，中洪水期要求精度相对较低。针对航道部门气象资料、流域内的的水量站、支流水文站资料缺乏的特点，长江干线航道水位预测主要依据测站的实测水位流量资料、气象资料等先进行流量过程的预测，然后通过相关关系进行水位的预测。根据长江干线沿程河道特性、水文特点以及航道特点，本文对长江上游、中游、下游的水位预报方法分别展开研究。
3.1 长江上游
由于受三峡水库坝前调度的影响，长江上游三峡大坝至宜宾段水位变化影响因素也不尽相同，要准确预测宜宾至三峡大坝的水位，必须先预测坝前水位及流量。主要方法为：首先对年径流量进行预报，了解是丰水年还是枯水年，一般情况下，丰水年洪水会比较大，在预报年径流量的基础上，根据统计规律对月径流量进行分配；其次，利用移动平均法对各支流控制站进行预测，并采用合流法，考虑流量传播特性，对主要站进行流量预测；第三，通过概化模型对三峡坝前水位进行预测；最后，按水位流量关系对主要站进行水位预测，利用水位相关关系对长江上游沿程主要水位进行预测。
3.2 长江中游
长江中游洪水预报系统如图1所示。主要步骤包括：
1.气象预报：使用气象模型提供定量降雨预报(QPF)。目前，使用两种预报方法来进行短期降雨准定量预报。一是通过分析各种气象信息，包括常规的地面天气信息、卫星信息、卫星图像、雷达遥感信息等，估算降雨范围与趋势；二是使用MM5模型来预报流域范围降雨，该模型是一个中期预报气象模型，由美国国家天气局和加州大学联合开发。
2．水文模拟：使用实时雨量与定量降雨预报值预测径流量。使用的模型主要有API模型，单位线演算和新安江模型(XAJ)。
3.洪水演算：使用模型预测径流和实测径流作为边界条件，应用多个水力学模型和统计模型洪水演算程序计算不同站点的水位和流量。使用的模型有马斯京根法、MIKE11、相关关系法以及由长江委水文局为复杂的洞庭湖区开发的“大湖演算法”。在长江上游地区，河道较窄，马斯京根方法较为合适；在下游以及洞庭湖区，统计方法如相关关系法和大湖演算法表现相对好些（如表1）。
4.后验分析：人工对模型结果进行分析的过程。结合不同模型给出的预报结果，考虑到人类活动或天气动力带来的不确定性，给出最终预报成果，予以发布。
3.3 长江下游
长江下游大通以下河段为感潮河段，其水位预报具有特殊性，其中江阴以下潮流河段主要是基于潮汐表进行，大通至江阴段则是根据经验法、水动力模型法、水文统计法相结合。
4 长江干线航道水位预报实例
完整的水位预报，一般从气象预报、产汇流预报开始，再进行河道流量和水位的预报，但这要求具有较多的气象资料以及流域内大量的水位站、支流水文站资料，目前这对航道部门水位预测而言尚不现实。因此，针对航道部门对枯水期要求精度高、中洪水期要求精度可以相对较低的需求，长江干线航道水位预测主要依据测站的实测水位流量资料，以统计分析方法为主。本文选取长江中游城陵矶站为实例，城陵矶站位于洞庭湖出口与长江汇合口上游3.5km，是洞庭湖出口河段水文控制站，城陵矶出口河段是洞庭湖水流入长江的唯一出口，洞庭湖的入湖水沙经湖泊调蓄、沉积之后，经城陵矶站出湖汇入长江。根据长江电子航道图（2.0版）自2012年7月份试运行以来的水情信息，利用多元线性回归分析方法，对影响城陵矶流量和水位的主要因子进行了相关分析，开展了城陵矶流量和水位的预报工作，因枯水期城陵矶流量变化不大，故本文只给出丰水期城陵矶站的流量、水位预测方法。
4.1 流量预测
考虑到汛期流量过程受涨落率的影响较大，在此主要以前2天流量、前2天流量涨落率（用流量差值代替）作为主要因子建立多元回归模型。公式如下：
Q(t)=179.75+0.1DQ(t-1)+1.75DQ(t-2)+1.483Q(t-2)-0.5Q(t-1)
其中：Q(t)为当天预测流量，Q(t-2)、Q(t-1)为前2天、前1天流量，DQ(t-1)、DQ(t-2)分别为前3天与前2天、前2天与前1天的流量差值，代表涨落情况。
选取2012年8-9月份实测资料对上述公式进行验证，结果如图2所示可知城陵矶站汛期流量计算与实测值吻合较好，一般误差在8%以内，最大误差在20%以内。
4.2 水位预测
由于城陵矶站水位变化受江湖相互顶托影响，水位流量关系较为散乱。采用2012年汛期资料，并以宜昌流量Q为参数界限建立城陵矶站水位流量关系，如图3所示。
4.3 预测误差分析
表2给出了自2012年7月份长江电子航道图（2.0版）试运行以来城陵矶站7-9月份分时段的误差平均值统计。由表可知：
预测第一天的误差一般控制在0.3m以内，随预测时段增加，预测精度变低，3天误差在0.7m以内，未来4-7天的预测误差较大，在0.5-1.5m左右。分析原因，主要与当地气象条件及三峡大坝泄洪等条件有关。由于本文主要依据长江航道特点和实际资料情况，侧重于经验统计方法，并未涉及气象和水文模型的产汇流预报，与已有长江洪水水位预测方法相比，预测成果能够满足电子航道图系统的需要。
5 结 论
本文根据长江电子航道图（2.0版）的要求，以及现有长江航道局水文预测基础设施现状，结合长江干线上、中、下游各自水位特点，基于统计分析方法，开展了长江干线航道水位预测预报技术研究。长江电子航道图（2.0版）试运行以来的实测资料检验效果表明，该预测技术合理可行，沿程水位的预测精度可满足电子航道图系统建设要求，保证了航行船舶、港航企业关于长江干线水位预测信息的实际需求。
（作者单位：长江航道规划设计研究院）
