一种确定性-不确定性嵌套耦合的径流过程预报方法技术

本发明专利技术公开了一种确定性

【技术实现步骤摘要】
一种确定性
‑
不确定性嵌套耦合的径流过程预报方法


[0001]本专利技术涉及水文预报
，尤其涉及一种确定性
‑
不确定性嵌套耦合的径流过程预报方法。

技术介绍

[0002]水文预报在防汛抗旱、水资源规划和开发利用等方面都发挥着重要作用。但随着预见期的增长，预报不确定性不断增加，径流过程预报技术面临困难和挑战。准确的径流过程预报有利于掌握未来水情，对区域水资源管理和调度具有重要意义。
[0003]目前，径流过程预报方法一般分为陆气耦合方法和统计方法两类。陆气耦合方法将大气模式和水文模型进行耦合，由数值天气预报提供未来预见期内降雨，将其作为水文模型的输入进行预报。但目前数值天气预报在月、季、年尺度上难以获得满意的精度，仍在研究阶段。统计方法通过建立预报因子与各相关变量之间的统计关系来进行预报，包括多元回归方法、模糊分析、灰色系统方法、支持向量机模型、人工神经网络预测等。统计方法简便且具有一定的物理机制，在实际中应用较为广泛。受气候气象因素、下垫面变化和人类活动等诸多因素的影响，水文过程呈现出复杂的非线性特征，开展径流过程预报工作仍然困难。
[0004]总体而言，目前径流过程预报方法主要存在以下三个问题：(1)由于预报所用时间序列可能被噪声污染，存在一定误差，且预报模型本身也存在系统误差，因此预报结果与实测值相比就会有一定误差，需要分析误差规律，对原预报结果进行校正。(2)各预报方法都有各自的适用条件，没有哪个模型能够在任何流域都一直取得很好的预报结果。因此仅采用某一预报模型会导致预报结果不稳定，需要研究多种模型综合分析。(3)目前的径流过程预报大多采用定值预报，并没有考虑到预报过程中的不确定性因素。因此需要对预报结果进行可靠度评估，如在一定置信度下给出预报结果。

技术实现思路

[0005]为了解决现有技术的不足，本专利技术提供一种确定性
‑
不确定性嵌套耦合的径流过程预报方法，对原预报结果进行校正、多模型综合分析、可靠度评估等环节，提供更为合理、有效的径流过程预报结果。
[0006]为了解决上述技术问题，本专利技术的技术方案为：一种确定性
‑
不确定性嵌套耦合的径流过程预报方法，其特征在于，包括以下步骤：
[0007]步骤1：确定性预报：将实测水文资料{X(t)}(其中t＝1,2,
…
,T)分为率定期和验证期，率定期资料用于率定相关参数，验证期资料用于检验预报效果。采用n种模型预测水文要素(如降雨、径流等)，得到率定期和验证期内预报结果其中i＝1,2,
…
,n，t1＝1,2,
…
,T1，t2＝T1+1,2,
…
,T。
[0008]步骤2：校正：根据实测水文序列X(t)和预报结果分析该n种模型的率定期预报误差序列ε
i
(t1)和验证期预报误差序列ε
i
(t2)。
[0009]ε
i
(t1)＝Y
i1
(t1)
‑
X(t1)
[0010]ε
i
(t2)＝Y
i1
(t2)
‑
X(t2)
[0011]以率定期误差序列ε
i
(t1)作为输入，采用模型预报新的误差序列ε
i
'(t1)和ε
i
'(t2)，以此分析误差序列的规律。将重新预报的率定期和验证期误差序列ε
i
'(t1)和ε
i
'(t2)分别加到原预报结果和得到校正后n种模型预报结果
[0012]步骤3：多模型综合：校正后预报结果与实测水文序列相比仍然存在一定误差。通过加权处理，得到多模型综合预报结果Y(t)。
[0013][0014]其中，w
i
为各模型的权重，i＝1,2,
…
,n；为校正后n种模型预报结果。
[0015]步骤4：可靠度评估：以多模型综合预报结果Y(t)作为确定性模型提供的结果，采用水文不确定性处理器(Hydrologic Uncertainty Processor,HUP)对预报结果进行可靠度评估。采用正态分位数转换技术，将实测值(X(t))和预报值(Y(t))分别通过边际分布转换至正态空间中得到w(t)和x(t)，并在正态空间中构建线性的似然函数。结合样本的一阶马尔科夫假设，通过Bayes公式耦合预报变量的先验分布和似然函数，推求预报变量后验分布的解析形式，然后将其转换为原始空间实现可靠度评估，获得一定置信度下给出预报结果。
[0016]所述步骤1中，可根据实际情况选择适当的径流过程预报模型，包括但不限于流域水文模型(如新安江模型、SWAT等)、多元回归模型、支持向量机模型、随机森林模型等。
[0017]所述步骤2中，采用AR模型对预报误差进行校正。
[0018]所述步骤3中，根据n种模型的校正后预报误差计算各模型权重w
i
，假设校正后预报结果与实测水文序列的精度指标为e
i
。具体计算方法如下：
[0019][0020][0021]与现有技术相比，本专利技术的有益效果是：(1)针对原预报结果存在误差的问题，本专利技术通过分析预报结果误差的规律，校正预报结果，一定程度上降低了序列中噪音对预报结果的干扰；(2)本专利技术采用多模型综合的方法，将多种模型预报结果按照误差进行加权处理，得到较为合理稳定的预报结果；(3)本专利技术考虑了水文预报过程中的不确定性因素，对校正后预报结果进行可靠度评估，获得一定置信度下的预报结果。该预报结果能够提供丰富的不确定性信息，为水资源调度配置提供更为科学合理的决策依据，具有重要的实际意义。
附图说明
[0022]图1为本专利技术流程图；
[0023]图2为本专利技术实施例采用多元回归模型、随机森林模型和支持向量机模型的预报结果；
[0024]图3为本专利技术实施例三种模型校正后预报结果；
[0025]图4为本专利技术实施例多模型综合预报结果；
[0026]图5为本专利技术实施例68％置信度下的区间预报结果。
具体实施方式
[0027]下面结合附图和具体实施方式，进一步阐明本专利技术，应理解下述具体实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。
[0028]下面结合实例对本专利技术作更进一步的说明。
[0029]如图1所示，一种确定性
‑
不确定性嵌套耦合的径流过程预报方法，其特征在于，包括如下步骤：
[0030]步骤1：确定性预报：将实测水文资料{X(t)}(其中t＝1,2,
…
,T)分为率定期和验证期，率定期资料用于率定相关参数，验证期资料用于检验预报效果。采用n种模型预测水文要素(如降雨、径流等)，得到率定期和验证期内预报结果其中i＝1,2,
…
,n，t1＝1,2,
…
,T1，t2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定性
‑
不确定性嵌套耦合的径流过程预报方法，其特征在于，包括以下步骤：步骤1：确定性预报：根据收集的水文观测资料，对水位/流量过程进行预报；步骤2：误差校正：根据实测水文序列X(t)和预报结果分析该n种模型的率定期预报误差序列ε
i
(t1)和验证期预报误差序列ε
i
(t2)：ε
i
(t1)＝Y
i1
(t1)
‑
X(t1)ε
i
(t2)＝Y
i1
(t2)
‑
X(t2)以率定期误差序列ε
i
(t1)作为输入，采用模型预报新的误差序列ε
i
'(t1)和ε
i
'(t2)，以此分析误差序列的规律，将重新预报的率定期和验证期误差序列ε
i
'(t1)和ε
i
'(t2)分别加到原预报结果和得到校正后n种模型预报结果步骤3：多模型综合：校正后预报结果与实测水文序列相比仍然存在一定误差，通过加权处理，得到多模型综合预报结果Y(t)：其中，w
i
为各模型的权重，i＝1,2,
…
,n；为校正后n种模型预报结果；步骤4：可靠度评估：以多模型综合预报结果Y(t)作为确定性模型提供的结果，采用水文不确定性处理器(Hydrologic Uncertainty Processor,HUP)对预报结果进行可靠度评估。2.根据权利要求中所述的一种确定性
‑
不确定性嵌套耦合的径流过程预报方法，其特征在于，所述步骤1中，可根据实际情况选择适当的径流过程预报模型，包括但不限于流域水文模型、多元回归模型、随机森林模型、支持向量机模型。3.根据权利要求中所述的一种确定性
‑
不确定性嵌套耦合的径流过程预报方法，其特征在于，所述步骤1中，将实测水文资料{X(t)}(其中t＝1,2,
…
,T)分为率定期和验证期，率定期资料用于率定相关参数，验证期资料用于检验预报效...

【专利技术属性】
技术研发人员：宋柯，罗涛，侯坤，李均，
申请(专利权)人：国能大渡河革什扎水电开发有限公司，
类型：发明
国别省市：