一种基于多元线性回归模型的基流模拟方法技术

本发明专利技术公开了一种基于多元线性回归模型的基流模拟方法，其特征在于，包括如下步骤：S1)获取流域各水文站点的历史径流数据、降雨日尺度数据及水文站点的集雨面积；S2)在S1)的获取的数据上，基于径流数据和集雨面积数据，采用多个基流分割方法得到不同的基流流量总量数据；S3)通过S2)得到的数据利用各基流分割方法模拟得出多个基流指数BFI，并求得基流指数平均值S4)基于S3获取的数据,利用多元线性回归模型得到模拟数据，通过该模拟数据构建基流过程，形成模拟基流过程曲线。本发明专利技术的有益效果：有效地消除了基流模拟值与真实值间的误差，能够显著提高基流的模拟精度；奠定未来基流预测的基础，提高模拟预测的可靠性。提高模拟预测的可靠性。提高模拟预测的可靠性。

【技术实现步骤摘要】
一种基于多元线性回归模型的基流模拟方法


[0001]本专利技术涉及基流过程模拟
，具体涉及一种基于多元线性回归模型的基流模拟方法。

技术介绍

[0002]基流是是径流的重要组成部分之一，无降雨期间的径流主要由基流供给，对河流的生态系统和人类用水至关重要。基流作为枯水期径流最主要的补给来源，它与流域基本生态维持、水质、生活供水等有着密切关联。同时，基流过程亦是流域水循环中的重要环节，其参与地表径流、不饱和含水层和地下水之间的水量交换过程。基流主要受土壤的水力参数控制(即河流和含水层状况)、降水和土壤、土地利用特征、土地利用强度和地表坡度等相关因素影响。了解基流对径流的贡献对流域产汇流特性研究和水资源合理分配至关重要。在基本水文数据满足的情况下，运用多种基流计算方法，掌握和分析流域基流过程，才能利于流域维持水源稳定和生态环境保护。因此，如何通过理论分析和数值模拟保证基流过程分割结果的准确性是当下水文领域的热点亦是难点问题。
[0003]目前，对于不同地貌特征和气候条件的流域，学者提出了不同的基流分割方法。传统上，基流分割方法主要有数值模拟法、图解法、分析法、同位素法和水文模型法这五大类，各基流分割方法有着各自的特点，但是普遍存在高估或者低估的现象，并不能够准确地模拟基流过程路径。

技术实现思路

[0004]为解决现有基流模拟的技术不足，本专利技术的目的在于提供一种基于多元线性回归模型的基流模拟方法，以解决各基流模拟结果存在的高估或者低估现象，降低基流模拟的不确定性，从而提高基流的模拟精度。<br/>[0005]为实现上述目标，一种基于多元线性回归模型的基流模拟方法，包括如下步骤：
[0006]一种基于多元线性回归模型的基流模拟方法，其特征在于，包括如下步骤：
[0007]S1)获取流域各水文站点的历史径流数据、降雨日尺度数据及水文站点的集雨面积；
[0008]S2)在S1)的获取的数据上，基于径流数据和集雨面积数据，采用多个基流分割方法得到不同的基流流量总量数据；
[0009]S3)通过S2)得到的数据利用各基流分割方法模拟得出多个基流指数BFI，并求得基流指数平均值S4)基于S3获取的数据,利用多元线性回归模型得到模拟数据，通过该模拟数据构建基流过程，形成模拟基流过程曲线。
[0010]此外，还包括以下步骤，
[0011]S5)根据S1)获取的实测降雨序列数据和历史径流数据，得到实际的基流过程曲线；S5)中实测降雨序列数据和历史径流数据的选取，若某一日期前连续15天无降雨记录，则该日期对应的径流约等于基流，以此原则选取径流数据，并得到基流验证数据。
[0012]S6)对比S4)和S5)分别得到的基流过程曲线，判断拟合精度和吻合度。S6)中判断拟合精度和吻合度方法如下：利用纳什效率系数Nash
‑
Sutcliffe Efficiency coefficient,简称NSE和百分比偏差Percent bias,简称Pbias对各基流模拟值进行评估，NSE的范围是从负无穷大到1，当它接近1时判定模拟的质量越高，Pbias越接近于0，则判定模拟的性能越好。
[0013]优先地，S3)中基流指数BFI和基流指数平均值的计算公式如下：
[0014][0015]式中，V
B
为时段内基流流量总量，V
S
为时段内径流流量总量，BFI1、BFI2、
…
、BFI
n
分别为n种方法模拟的基流指数值，n为基流分割方法的种类数，BFI的数值介于0～1之间。
[0016]优先地，S4)中多元线性回归模型Multiple Linear Regression Model,简称MLRM的构建方法如下：
[0017]BF
MLRM
＝a1BF1+a2BF2+
…
+a
n
BF
n
[0018][0019]式中，BF
MLRM
为MLRM方法模拟的基流序列，BF
n
为n种基流分割方法模拟的基流序列，a
n
为BF
n
的回归系数。
[0020]优先地，所述S2基流分割方法为HYSEP法、单参数数字滤波法或递归数字滤波法。
[0021]通过采用上述技术手段，本专利技术的有益效果为：1)本专利技术基于三种广泛应用的基流分割方法，利用多元线性回归模型，建立新的基流模拟方法和过程，降低基流模拟的不确定性，从而提高基流的模拟精度；2)本专利技术建立的基流模拟方法，能够不受流域的水文气象和下垫面条件差异，提高基流模拟方法的普适性；3)本专利技术定义的前期连续15天无降雨记录日期对应的径流等于基流，弥补基流模拟评估中缺乏实测基流值的不足。
附图说明
[0022]图1为本专利技术的一种具体流程示意图；
[0023]图2为水文站点1的基流模拟精度比对图；
[0024]图3为水文站点2的基流模拟精度比对图；
[0025]图4为水文站点1某一时段内的径流和基流过程线；
[0026]图5为水文站点2某一时段内的径流和基流过程线。
具体实施方式
[0027]下面通过实例，结合附图，对本专利技术的技术方案做进一步详细说明。为了突出本专利技术的优势，利用本专利技术利用HYSEP，HYdrograph SEParation法、单参数数字滤波法One Parameter Digital Filter,简称OPDF、递归数字滤波法Recursive Digital Filter,简称RDF等三种广泛应用的基流分割方法作为案例进行具体实施。
[0028]如图1所示，本专利技术的一种基于多元线性回归模型的基流模拟方法，包括如下步
骤：
[0029]S1)数据收集：收集某流域某两个水文站点1981
‑
1995年的实测日径流数据、日降雨数据和水文站点集雨面积数据。
[0030]S2)基流分割：采用HYSEP,HYdrograph SEParation法、单参数数字滤波法One Parameter Digital Filter,简称OPDF、递归数字滤波法Recursive Digital Filter,简称RDF等三种广泛应用的基流分割方法，得到不同的基流流量总量数据。
[0031]S3)模型构建：首先根据上述三种方法所得基流模拟值，计算得到各基流指数BFI分别为：水文站点1：0.393、0.41、0.418，和水文站点2：0.464、0.483、0.484；其次计算两个水文站点的基流指数平均值结果分别为：0.407和0.477。
[0032]最后建立元线性回归模型Multiple Linear Regression Model,简称MLRM，构建方法如下：
[0033]BF
MLRM
＝a1BF
HYSEP
+a2BF
OPDF
+a3BF3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多元线性回归模型的基流模拟方法，其特征在于，包括如下步骤：S1)获取流域各水文站点的历史径流数据、降雨日尺度数据及水文站点的集雨面积；S2)在S1)的获取的数据上，基于径流数据和集雨面积数据，采用多个基流分割方法得到不同的基流流量总量数据；S3)通过S2)得到的数据利用各基流分割方法模拟得出多个基流指数BFI，并求得基流指数平均值S4)基于S3获取的数据,利用多元线性回归模型得到模拟数据，通过该模拟数据构建基流过程，形成模拟基流过程曲线。2.根据权利要求1所述的基于多元线性回归模型的基流模拟方法，还包括以下步骤，S5)根据S1)获取的实测降雨序列数据和历史径流数据，得到实际的基流过程曲线；S6)对比S4)和S5)分别得到的基流过程曲线，判断拟合精度和吻合度。3.根据权利要求2所述的基于多元线性回归模型的基流模拟方法，其特征在于，S6)中判断拟合精度和吻合度方法如下：利用纳什效率系数Nash
‑
Sutcliffe Efficiency coefficient,简称NSE和百分比偏差Percent bias,简称Pbias对各基流模拟值进行评估，NSE的范围是从负无穷大到1，当它接近1时判定模拟的质量越高，Pbias越接近于0，则判定模拟的性能越好。4.根据权利要求2所述的基于多元线性回归模型的基流模拟方法，其特征在于，S5)中实测降雨序列数据和历史径流数据的选取，若某一日期前连续15天无降雨记录，则该日期对应的径流约等于基流，以此原则选取径流数据，并得到基流验证数据。5.根据权利要求1
‑
...

【专利技术属性】
技术研发人员：陈浩，聂会，蔡周杰，钟卓晴，虞嘉怡，刘艺翔，
申请(专利权)人：浙江水利水电学院，
类型：发明
国别省市：