[发明专利]一种资料短缺情形下的二次耦合月径流预报方法

权利要求书

1.一种资料短缺情形下的二次耦合月径流预报方法，其特征在于，包括以下步骤：

1）、采用GRNN模型和物理水文模型，选取至少一个物理水文模型，对所述物理水文模型和GRNN模型所需的基础地形数据、气象数据和水文数据进行预处理，得到模拟历时所述GRNN模型和物理水文模型的月径流观测值，所述模拟历时分为训练期和测试期两个时段；

2）、对所述物理水文模型进行配置，根据各所述物理水文模型参数的规范与要求对参数进行设定，得到模拟历时各物理水文模型的月径流预测值；

3）、利用时间序列延长模型对训练期各物理水文模型的月径流预测值和月径流观测值进行补充和延长，同时利用时间序列延长模型对训练期所述GRNN模型的月径流观测值进行补充和延长，得到延长后的训练期的月径流数据；

4）、利用模型耦合技术将GRNN模型和各所述物理水文模型分别进行模型耦合，得到一次耦合GRNN模型，然后将步骤3）得到的延长后的训练期的月径流数据与所述一次耦合GRNN模型进行数据耦合，确定数据耦合后模型的的网络结构和参数，得到二次耦合GRNN模型；

5）、运用测试期所述GRNN模型的月径流观测值和物理水文模型的月径流预测值对所述二次耦合GRNN模型进行预报计算，并评定当前二次耦合GRNN模型是否是最优的；

6）、利用步骤5）得到的最优的二次耦合GRNN模型对流域进行月径流预测。

2.如权利要求1所述的资料短缺情形下的二次耦合月径流预报方法，其特征在于，步骤1）中，按照流域特征与流域现有的基础地形、气象和水文数据情况，选取Q（Q≧1）个与流域适应性较好的物理水文模型。

3.如权利要求1或2所述的资料短缺情形下的二次耦合月径流预报方法，其特征在于，所述物理水文模型为概念式模型或分布式模型。

4.如权利要求1所述的资料短缺情形下的二次耦合月径流预报方法，其特征在于，所述时间序列延长模型为季节性ARMA模型。

5.如权利要求1所述的资料短缺情形下的二次耦合月径流预报方法，其特征在于，步骤3）中，延长后的月径流数据为原模拟历时月径流数据的20～100倍。

6.如权利要求4所述的资料短缺情形下的二次耦合月径流预报方法，其特征在于，原时间序列中的观测值为{X_t}，季节性时间序列为{Y_t}，则季节性ARMA(p,d,q)(P,D,Q)_S模型的表达式为：

其中，Y_t＝(1-B)^d(1-B^S)^DX_t，S为季节性偏差组件；B为后向位移算子，表达式为B^aX_t＝X_t-a；Φ(B^S)＝1-Φ₁B^S-Φ₂B^2S...-Φ_PB^PS，θ(B)＝1-θ₁B-θ₂B²...-θ_qB^q，Θ(B^S)＝1-Θ₁B^S-Θ₂B^2S...-Θ_QB^QS是B关于p，q，P和Q的多项式；{e_t}为误差序列，t∈(1,T)，T为时间序列总长度；p和P分别代表非季节性和季节性的自回归参数，q和Q分别代表非季节性和季节性的平均移动参数。