.png){kind=icon}
返回
Global Parameter Sensitivity in Forecast-Informed Reservoir Operations Using Model Predictive Control
.png){kind=icon}
OA
AI
DOI：10.1029/2025WR041515.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水文预报已在特定流域的洪水风险削减和供水运行方面展现出显著效益。然而，这些效益如何依赖于水库基础设施和预报的关键参数尚不明确。本研究提出了一种基于模型预测控制（MPC）的全局敏感性和阈值分析框架，用于评估预报信息指导下的运行能力，以在确保安全管理大洪水的同时改善供水蓄水量。该方法通过使用日集合水文预报，对加利福尼亚州的六座主要水库进行了验证。我们首先使用集合预报将MPC性能与基准策略（无预报）和完美预报策略进行了对比。随后，我们采用决策树（DT）分类器进行全局敏感性分析，评估最大泄洪量、泄洪速率以及可用预报提前期对记录事件所需洪水库容的影响，涵盖所有站点。这一大型参数样本反映了众多潜在水库配置和缩放事件。研究发现，集合预报泄洪序列捕获了完美预报泄洪序列的大部分价值，但该价值对参数高度敏感。分类器准确预测了洪水库容减少的程度，并将最大泄洪量识别为集合预报和完美预报泄洪序列中最重要的特征。最后，我们从所有水库的DT分类器中提取了通用参数阈值，识别了实现不同洪水库容减少水平所需的条件。总体而言，该框架代表了一种高效的筛选工具，用于识别预报信息指导策略可能带来最大效益的系统属性。
Keyword:
hydrologic forecasts
reservoir operations
sensitivity analysis
model predictive control
flood
water supply
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5
论文数:
842
被引数:
6.9W
机构
查看更多机构
引用论文
暂无论文信息