[发明专利]一种串并联耦合的多模型水文预报方法

说明书

技术领域

本发明属于水文学中的水文预报领域，涉及一种串并联耦合的多模型水文预报方法。该方法能够为水利管理部门实现高精度的水文预报提供理论依据与技术支撑。

背景技术

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。

现行的提高水文预报精度的方法主要有实时校正和组合预报两种方法。实时校正方法利用了预报误差序列自身的相关性特征，预测未来时刻的误差值，从而实现对水文预报结果的实时校正(如专利CN201010106038.9—洪水预报系统中实时校正模型的优选方法)。组合预报方法是在当前应用广泛的各种水文预报模型的基础上，利用模型之间的互补性，融入了模型加权法的思想，选取对应用流域较为适用的几种水文模型建立组合预报方案，进行水文预报(如专利CN200910234628.7—一种不同机制水文模型组合的水文预报方法)。

发明内容

现行方法未将实时校正与组合预报两种方法紧密结合起来，建立更为系统和科学的水文预报校正模型。本发明提出了实时校正与组合预报耦合的水文预报方法，即一种串并联耦合的多模型水文预报方法，以便充分发挥实时校正与组合预报的优势，从而最大限度地提高水文预报的精度和水平。

本发明在现有实时校正与组合预报模型的基础上，创造性地结合了二者的优势，研发了一种串并联耦合的多模型水文预报方法，依据耦合方式的不同，共提出三种有效形式，即先串后并法、先并后串法，以及一体化耦合方法。本发明最大限度地减少了预报误差、提高了预报精度，从而实现了高精度的水文实时预报。

为解决上述技术问题，本发明采用如下技术方案：

步骤1：选择预报断面，获取该断面历史时期实测降雨和流量资料，将资料分为率定期和检验期两部分；采用率定期的数据，率定水文模型的参数，采用检验期的数据，检验水文模型的效果。建立多个水文预报模型，如新安江模型、水箱模型以及API(AntecedentPrecipitationIndex)模型等，分别预报该断面的径流量。

步骤2：建立串并联耦合的水文预报模型。

本发明研发了一种串并联耦合的多模型水文预报方法，按耦合方式的不同，共分为三种形式，即先串后并法、先并后串法以及一体化耦合模型。

(1)先串后并法

①首先，对单个水文预报模型的结果进行校正，完成串联预报的过程。

基于实测和步骤1中各水文模型的预报流量，得到各预报模型的预报误差序列。依据预报误差序列的自相关特性，建立误差自回归校正模型。具体如下：

令实测序列为Q_t＝(Q₁,Q₂,...,Q_n)，n为序列的长度，预测序列为预测序列与实测序列的差值为误差序列，记为e_t＝(e₁,e₂,...,e_n)。误差自回归模型的数学表达式为：

e_t＝θ₁e_t-1+θ₂e_t-2+…+θ_qe_t-q+ξ

式中，θ_i(i＝1,2,…,q)为自回归模型的参数。采用上式，建立q阶自回归模型AR(q)。为了使所选取的自回归模型对数据的拟合效果最好，通过AIC准则来确定模型的阶数。q阶自回归模型AR(q)的AIC(q)值为：