一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法技术

本发明专利技术公开了一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，包括收集并整理研究流域的资料；构建水文模型；构建次洪预报模型；为组内各场次洪水分别设计目标函数；以目标函数最小为目标，利用目标函数优化算法对组内多场次洪水的目标函数同时进行优化，确定最优参数；确定实测流量过程和预报流量过程的边际分布和经验分布；推求转换空间上实测流量的先验密度函数和似然函数以及后验分布；推求原始空间场次洪水实测流量的后验分布函数；基于量变参数的水文不确定性处理器预报次洪径流过程。优点是：在流域全年场次洪水产汇流特性差异较大、调参者不具备丰富的调参经验的情况下，仍然能得到精度较高的实时洪水预报结果。的实时洪水预报结果。的实时洪水预报结果。

【技术实现步骤摘要】
一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法


[0001]本专利技术涉及水文预报
，尤其涉及一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法。

技术介绍

[0002]当前为了提高实时洪水预报的精度，分析水文预报的不确定性并根据水文预报的误差不断的修正水文模型预报结果是必不可少的步骤之一。现在广泛采用的修正水文模型预报结果的方法是采用自回归修正模型或贝叶斯修正模型，自回归修正模型通过建立水文变量自身的相关关系，通过实时观测的数据不断的修正模型参数，对水文变量进行实时预报。这种方法计算简便，操作性强，然而当水文变量前后时段的相关性不强的时候，这种方法模拟的精度较低。贝叶斯修正模型通过贝叶斯公式建立基于已知实测数据和水文模型预报数据的实测数据分布函数，从而得到实测数据的概率估计区间。该方法充分利用水文模型的预报数据以及已知的实测数据，具有较好的应用效果。
[0003]然而，该模型在应用时对实测流量、预报流量的先验分布以及似然函数依赖性较强，对于不同洪峰量级的洪水，次洪预报模型的参数不同，实测流量以及预报流量分布函数差异也较大，贝叶斯修正模型的精度往往较低。因此，需要一种基于量变参数水文不确定性处理器的预报方法实现场次洪水实时预报。

技术实现思路

[0004]本专利技术的目的在于提供一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，从而解决现有技术中存在的前述问题。
[0005]为了实现上述目的，本专利技术采用的技术方案如下：
[0006]一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，包括如下步骤，
[0007]S1、收集并整理研究流域的资料；
[0008]S2、构建适用于研究流域径流预报的日尺度的水文模型；
[0009]S3、构建适用于研究流域场次洪水预报的次洪预报模型，并基于日尺度的水文模型为次洪预报模型提供初始状态变量；
[0010]S4、基于次洪预报模型构建组内各场次洪水的目标函数；
[0011]S5、以目标函数最小为目标，利用目标函数优化算法对组内多场次洪水的目标函数同时进行优化，并基于次洪预报模型确定组内综合场次洪水水文模型的最优参数；
[0012]S6、基于最优参数确定实测流量过程和预报流量过程的边际分布和经验分布；
[0013]S7、推求转换空间上实测流量的先验密度函数和似然函数以及后验分布；
[0014]S8、推求原始空间场次洪水实测流量的后验分布函数；
[0015]S9、基于量变参数的水文不确定性处理器预报次洪径流过程。
[0016]优选的，步骤S1具体包括如下内容，
[0017]S11、收集研究流域内各雨量站的逐日降雨量系列以及降雨量摘录表、研究流域内水文站的逐日蒸发量系列、研究流域出口断面的日平均流量系列以及洪水要素摘录表；
[0018]S12、将场次洪水的径流过程通过线性插值的方法插值成时段长度为1小时的逐时段流量系列；将场次洪水过程的降雨量系列通过线性插值的方法插值成时段长度为1小时的逐时段降雨量系列；通过泰森多边形法或算数平均法计算研究流域的面平均雨量系列和面平均蒸发量系列。
[0019]优选的，步骤S2具体为，构建适用于研究流域径流预报的日尺度的水文模型，利用该水文模型计算研究流域各日的状态变量，以为研究流域的次洪预报模型提供初始状态变量；所述状态变量包括土壤含水量、产流面积比、自由水蓄水量。
[0020]优选的，步骤S3具体包括如下内容，
[0021]S31、构建适用于研究流域产汇流特性的次洪预报模型，并设置约束条件；
[0022]S32、以洪峰量级为分组条件对研究流域的场次洪水进行分组综合，选定具有代表性的各组场次洪水并确定各个场次洪水的起止时间；
[0023]S33、利用S2中构建的日尺度的水文模型计算各场次洪水的初始状态变量。
[0024]优选的，步骤S4具体为，根据对单场洪水的优化效果，为各场次洪水分别选择目标函数；所述目标函数为残差平方和函数或峰值加权均方根误差函数或洪量误差百分比函数或综合考虑洪峰洪量影响的综合函数。
[0025]优选的，步骤S5具体包括如下内容，
[0026]S51、选择基于超多目标大规模优化的优化算法，以各个目标函数最小为优化目标，对组内各场次洪水的目标函数同时进行优化，确定组内综合场次洪水水文模型最优参数的帕累托解；
[0027]S52、综合分析组内场次洪水水文模型最优参数的帕累托解，选择使率定期预报合格率最高的参数作为组内综合场次洪水水文模型的最优参数；
[0028]基于各场次洪水的初始状态变量，次洪预报模型采用马斯京根法或滞时演算法进行河道洪水演算进而确定率定期预报合格率；其中马斯京根法的约束条件为，
[0029][0030]其中，k为当河道为恒定流时，洪水传播时间；x为流量比重系数；Δt为时段长度。
[0031]优选的，步骤S6具体包括如下内容，
[0032]S61、将步骤S5中获取的组内综合场次洪水水文模型的最优参数代入到次洪预报模型中，计算组内各场次洪水的逐时段径流过程，得到组内各场次洪水的预报流量系列S；
[0033]S62、按照数学期望公式分别计算该洪峰量级的场次洪水实测流量系列H和相应的预报流量系列S的经验分布；
[0034]S63、选定水文变量常用的边际分布系列，利用BIC准则选定与场次洪水实测流量系列以及相应的预报流量系列的经验分布拟合最好的边际分布分别作为该洪峰量级的场次洪水实测流量系列和相应的预报流量系列的理论边际分布函数，分别记为Γ
i
和Λ
i
；所述BIC准则的计算公式为，
[0035]BIC＝ln(n)k
‑
2ln(L)
[0036]其中，BIC为某种边际分布的BIC值；n为样本数量，即该洪峰量级的场次洪水的总时段数；k为边际分布函数参数的个数；L为似然函数。
[0037]优选的，步骤S7具体为，将相同洪峰量级的场次洪水实测流量系列H和相应的预报流量系列S通过正态分位数转换方法转换至空间上的场次洪水实测流量系列W和相应的预报流量系列X，进而推求转换空间上实测流量的先验密度函数和似然函数以及后验分布；所述正态分位数转化的公式为，
[0038]W
i
＝Q
‑1(Γ
i
(H
i
)),
ꢀꢀꢀꢀꢀꢀꢀꢀ
i＝1,2,
…
,12
[0039]X
i
＝Q
‑1(Γ
i
(S
i
)),
ꢀꢀꢀꢀꢀꢀꢀꢀ
i＝1,2,
…
,12
[0040]其中,Q为标准正态分布函数，i为第i个时段。
[0041]优选的，步骤S8具体为，通过雅克比公式将待预报的同一场次洪水的实测流量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，其特征在于：包括如下步骤，S1、收集并整理研究流域的资料；S2、构建适用于研究流域径流预报的日尺度的水文模型；S3、构建适用于研究流域场次洪水预报的次洪预报模型，并基于日尺度的水文模型为次洪预报模型提供初始状态变量；S4、基于次洪预报模型构建组内各场次洪水的目标函数；S5、以目标函数最小为目标，利用目标函数优化算法对组内多场次洪水的目标函数同时进行优化，并基于次洪预报模型确定组内综合场次洪水水文模型的最优参数；S6、基于最优参数确定实测流量过程和预报流量过程的边际分布和经验分布；S7、推求转换空间上实测流量的先验密度函数和似然函数以及后验分布；S8、推求原始空间场次洪水实测流量的后验分布函数；S9、基于量变参数的水文不确定性处理器预报次洪径流过程。2.根据权利要求1所述的基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，其特征在于：步骤S1具体包括如下内容，S11、收集研究流域内各雨量站的逐日降雨量系列以及降雨量摘录表、研究流域内水文站的逐日蒸发量系列、研究流域出口断面的日平均流量系列以及洪水要素摘录表；S12、将场次洪水的径流过程通过线性插值的方法插值成时段长度为1小时的逐时段流量系列；将场次洪水过程的降雨量系列通过线性插值的方法插值成时段长度为1小时的逐时段降雨量系列；通过泰森多边形法或算数平均法计算研究流域的面平均雨量系列和面平均蒸发量系列。3.根据权利要求1所述的基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，其特征在于：步骤S2具体为，构建适用于研究流域径流预报的日尺度的水文模型，利用该水文模型计算研究流域各日的状态变量，以为研究流域的次洪预报模型提供初始状态变量；所述状态变量包括土壤含水量、产流面积比、自由水蓄水量。4.根据权利要求1所述的基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，其特征在于：步骤S3具体包括如下内容，S31、构建适用于研究流域产汇流特性的次洪预报模型，并设置约束条件；S32、以洪峰量级为分组条件对研究流域的场次洪水进行分组综合，选定具有代表性的各组场次洪水并确定各个场次洪水的起止时间；S33、利用S2中构建的日尺度的水文模型计算各场次洪水的初始状态变量。5.根据权利要求1所述的基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，其特征在于：步骤S4具体为，根据对单场洪水的优化效果，为各场次洪水分别选择目标函数；所述目标函数为残差平方和函数或峰值加权均方根误差函数或洪量误差百分比函数或综合考虑洪峰洪量影响的综合函数。6.根据权利要求1所述的基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法，其特征在于：步骤S5具体包括如下内容，S51、选择基于超多目标大规模优化的优化算法，以各个目标函数最小为优化目标，对组内各场次洪水的目标函数同时进行优化，确定组内综合场次洪水水文模型最优参数的帕
累托解；S52、综合分析组内场次洪水水文模型最优参数的帕累托解，选择使率定期预报合格率最高的参数作为组内综合场次洪水水文模型的最优参数；基于各场次洪水的初始状态变量，次洪预报模型采用马斯京根法或滞时演算法进行河道洪水演算进而确定率定期预报合格...

【专利技术属性】
技术研发人员：马海波，常文娟，雷晓辉，康爱卿，刘冀，彭涛，徐宇航，
申请(专利权)人：三峡大学，
类型：发明
国别省市：