一种基于全局自动优化算法的洪水实时校正方法技术

本发明专利技术提供一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块，先运用水文耦合模块对模型产汇流参数和流域初始状态参数进行实时校正，计算得到初步校正预报结果，后运用误差耦合模块对初步校正预报误差进行误差校正计算，得到最终的洪水校正预报结果。本发明专利技术将水文模型和误差校正模型分别与全局自动优化算法进行耦合处理，形成相互嵌套的水文耦合模块和误差耦合模块，并依据实时降雨径流信息进行洪水实时校正预报。本发明专利技术提出一种新的思路，对水文模型参数进行实时校正计算，从“根源”上提高洪水预报精度，克服现有单对预报误差进行校正方法的缺陷，保证实时校正预报效果的可靠性和稳定性。

A real-time flood correction method based on global automatic optimization algorithm

The present invention provides a method for real-time correction of an automatic optimization algorithm based on global flood, including hydrological coupling module and error coupling module, using coupling module for real-time correction of hydrological runoff model parameters and basin initial state parameters, the calculated results of forecasting error correction after preliminary, using coupling module error on the initial correction of prediction error correction calculation, get the final correction flood forecasting results. In the invention, the hydrological model and error correction model respectively and global optimization algorithm for automatic coupling processing, the formation of hydrological coupling module and error coupling module are nested, and according to the real-time rainfall runoff forecast information of flood real-time correction. The invention provides a new way of thinking, the hydrological model parameters in real time correction calculation, from the \root\ on improving the precision of flood forecasting, to overcome the existing defect correction method of single prediction error, ensuring the reliability and stability of real-time correction of forecasting results.

【技术实现步骤摘要】
一种基于全局自动优化算法的洪水实时校正方法
本专利技术涉及水文预报领域，具体涉及一种基于全局自动优化算法的洪水实时校正方法。
技术介绍
水文预报通过对未来水文情势(如洪峰流量)做出科学预测，特别是对灾害性水文现象做出准确预报，从而实现防洪减灾以及水资源的合理开发利用。提高水文预报的精度是水文预报工作的重要内容，对防洪减灾、保护人民生命财产安全、充分发挥水利工程效益改善生态环境等起着至关重要的作用。现有的水库洪水预报方法较多，主要分为经验方法和水文模型；对预报结果进行实时校正的方法一般都是利用预报结果与实测结果之间的残差进行校正计算，常用的方法有自回归校正模型、卡尔曼滤波、神经网络、小波分析和最小二乘法等。这些方法一般只能校正系统误差，能够在一定程度上提高预报精度，但是效果有限。因为预报精度还受到预报方法的影响，比如利用水文模型进行洪水预报，预报精度主要取决于两个因素：(1)模型参数对流域下垫面产汇流特性反映程度；(2)流域初始状态变量设置值与流域实际情况的吻合程度。一方面，从预报方法层面进行校正预报是从“根源”减小误差，提高预报精度；另一方面，从预报残差层面进行校正预报是从“结果”减小误差，提高预报精度。现有的实时校正方法大多数是建立在模型预报流量系列和实测流量系列的基础上，利用统计学的相关方法进行校正预报。这种误差校正方法存在一定的不足，首先，没有从误差来源层面入手，物理意义不够明确，校正效果并不明显；其次，相关统计方法本身具有局限性，校正预报结果没有进过自筛选，校正效果不够稳定。
技术实现思路
本专利技术的目的在于克服现有技术存在的以上问题，提供一种基于全局自动优化算法的洪水实时校正方法，本专利技术提出一种新的思路，对水文模型参数进行实时校正计算，从“根源”上提高洪水预报精度，克服现有单对预报误差进行校正方法的缺陷，保证实时校正预报效果的可靠性和稳定性。为实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块；所述的水文耦合模块用于依据实时的降雨径流信息对水文模型参数和流域初始状态变量进行实时校正计算，所述的水文耦合模块的实时校正区间为洪水开始时间到当前时刻；所述的误差耦合模块用于利用预报径流值与实测值之间的残差，对模型预报误差进行实时校正计算，所述的误差耦合模块的实时校正区间通过模块参数进行优选；所述的水文耦合模块与所述的误差耦合模块之间串联耦合，先运用所述的水文耦合模块进行实时校正预报，后运用所述的误差耦合模块对预报误差进行误差校正计算，得到最终的洪水预报。进一步的，所述的水文耦合模块包括流域水文模型与全局自动优化算法；所述的水文耦合模块为所述的流域水文模型与所述的全局自动优化算法的耦合。进一步的，所述的误差耦合模块包括误差校正模型与全局自动优化算法；所述的误差耦合模块为所述的误差校正模型与所述的全局自动优化算法的耦合。进一步的，所述的流域水文模型包括新安江模型、前期影响雨量指数模型(API模型)、萨克拉门托模型(SAC模型)和水箱模型(TANK模型)。进一步的，所述的误差校正模型包括自回归校正模型、卡尔曼滤波模型、神经网络模型、小波分析模型和最小二乘法模型。进一步的，所述的全局自动优化算法包括复合形交叉进化算法、模拟退火方法、遗传算法、蚁群算法以及粒子群算法、神经网络算法。进一步的，所述的水文耦合模块包括以下步骤：水文模型分析，分析水文模型的结构，确定参加优化的模型参数和流域初始状态变量参数，并根据流域下垫面特性确定优化参数的可行域；全局自动优化算法启动，根据优化参数可行域生成样本点群Xi(i＝1，2，3…，N)，带入水文模型计算得到目标函数系列Fi(i＝1，2，3…，N)，并按照由小到大的排序形成新组合(Xi，Fi)(i＝1，2，3…，N)；水文样本进化，对重新排序的样本组合(Xi，Fi)进行复合进化计算，然后按照进行收敛性判断，若收敛，则可获得水文模型全局最优参数bestx1；若不收敛，则水文参数样本点群进化，进行模型计算，得到一组新的目标函数系列，再次进行水文样本进化。进一步的，所述的误差耦合模块包括以下步骤：误差校正模型分析，分析误差校正模型结构，确定参加优化的参数，并根据预报残差系列确定优化参数的可行域；全局自动优化算法启动，根据优化参数可行域生成样本点群Xi(i＝1，2，3…，N)，带入误差校正模型计算得到目标函数系列Fi(i＝1，2，3…，N)，并按照由小到大的排序形成新组合(Xi，Fi)(i＝1，2，3…，N)；误差样本进化，对重新排序的样本组合(Xi，Fi)进行复合进化计算，然后进行收敛性判断，若收敛，则获得误差校正模型全局最优参数bestx2；若不收敛，则误差参数样本点群进化，进行模型计算，得到一组新的目标函数系列，再次进行误差样本进化。本专利技术的有益效果是：本专利技术提供一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块，水文耦合模块用于依据实时的降雨径流信息对水文模型参数和流域初始状态变量进行实时校正计算，水文耦合模块的实时校正区间为洪水开始时间到当前时刻；误差耦合模块用于利用预报径流值与实测值之间的残差，对模型预报误差进行实时校正计算，误差耦合模块的实时校正区间通过模块参数进行优选；水文耦合模块与误差耦合模块之间串联耦合，先运用水文耦合模块进行实时校正预报，后运用误差耦合模块对预报误差进行误差校正计算，得到最终的洪水预报。本专利技术将流域水文模型和误差校正模型分别与全局自动优化算法进行耦合处理，形成相互嵌套的水文耦合模块和误差耦合模块，然后依据实时降雨径流信息进行洪水实时校正预报。本专利技术提出一种新的思路，对水文模型参数进行实时校正计算，从“根源”上提高洪水预报精度，克服现有单对预报误差进行校正方法的缺陷，保证实时校正预报效果的可靠性和稳定性。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术的一种基于全局自动优化算法的洪水实时校正方法整体实现流程图；图2是本专利技术的新安江模型流程图；图3是本专利技术的水文耦合模块计算流程图；图4是本专利技术的误差耦合模块计算流程图；图5是本专利技术的洪水实时校正预报结果图。具体实施方式下面将参考附图并结合实施例，来详细说明本专利技术。参照图1-5所示，一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块；所述的水文耦合模块用于依据实时的降雨径流信息对水文模型参数和流域初始状态变量进行实时校正计算，所述的水文耦合模块的实时校正区间为洪水开始时间到当前时刻；所述的误差耦合模块用于利用预报径流值与实测值之间的残差，对模型预报误差进行实时校正计算，所述的误差耦合模块的实时校正区间通过模块参数进行优选；所述的水文耦合模块与所述的误差耦合模块之间串联耦合，先运用所述的水文耦合模块进行实时校正预报，后运用所述的误差耦合模块对预报误差进行误本文档来自技高网...

【技术保护点】
一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块，其特征在于：所述的水文耦合模块用于依据实时的降雨径流信息对水文模型参数和流域初始状态变量进行实时校正计算，所述的水文耦合模块的实时校正区间为洪水开始时间到当前时刻；所述的误差耦合模块用于利用预报径流值与实测值之间的残差，对模型预报误差进行实时校正计算，所述的误差耦合模块的实时校正区间通过模块参数进行优选；所述的水文耦合模块与所述的误差耦合模块之间串联耦合，先运用所述的水文耦合模块进行实时校正预报，后运用所述的误差耦合模块对预报误差进行误差校正计算，得到最终的洪水预报结果。

【技术特征摘要】
1.一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块，其特征在于：所述的水文耦合模块用于依据实时的降雨径流信息对水文模型参数和流域初始状态变量进行实时校正计算，所述的水文耦合模块的实时校正区间为洪水开始时间到当前时刻；所述的误差耦合模块用于利用预报径流值与实测值之间的残差，对模型预报误差进行实时校正计算，所述的误差耦合模块的实时校正区间通过模块参数进行优选；所述的水文耦合模块与所述的误差耦合模块之间串联耦合，先运用所述的水文耦合模块进行实时校正预报，后运用所述的误差耦合模块对预报误差进行误差校正计算，得到最终的洪水预报结果。2.根据权利要求1所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的水文耦合模块包括流域水文模型与全局自动优化算法；所述的水文耦合模块为所述的流域水文模型与所述的全局自动优化算法的耦合。3.根据权利要求1所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的误差耦合模块包括误差校正模型与全局自动优化算法；所述的误差耦合模块为所述的误差校正模型与所述的全局自动优化算法的耦合。4.根据权利要求2所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的流域水文模型包括新安江模型、前期影响雨量指数模型(API模型)、萨克拉门托模型(SAC模型)和水箱模型(TANK模型)。5.根据权利要求3所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的误差校正模型包括自回归校正模型、卡尔曼滤波模型、神经网络模型、小波分析模型和最小二乘法模型。6.根据权利要求4或5其中之一所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的全局自动优化算...

【专利技术属性】
技术研发人员：严文武，顾巍巍，张芳，张卫国，孙如飞，宋娟，钟伟，王新龙，薛晓鹏，
申请(专利权)人：宁波市水利水电规划设计研究院，
类型：发明
国别省市：浙江,33