[发明专利]一种基于数值集合预报极值修正的中长期径流预报方法

说明书

本发明公开了一种基于数值集合预报极值修正的中长期径流预报方法，涉及水文数据处理领域。所述方法：确定预报区域和预报时段；采用数值集合预报方法对预报时段的预报区域进行预报，得到平均径流预报数据结论α，记为Q_Model_Forecast；采用海温遥相关方法对预报时段的预报区域进行预报，得到平均径流预报数据结论β，记为Q_SST_Forecast；计算Q_SST_Forecast的距平值Ano，当|Ano|≥50％，用Q_SST_Forecast代替Q_Model_Forecast作为最终预报结论；当|Ano|＜50％，用Q_Model_Forecast作为最终预报结论。本发明能够实现预见期为1年的月尺度径流预报，在趋势预测和极值预测中，本发明所述方法较目前常用的数值集合预报方法或统计预报方法具有较高的精度。

技术领域

本发明涉及水文数据处理领域，尤其涉及一种基于数值集合预报极值修正的中长期径流预报方法。

背景技术

精确的中长期径流预报能够在较长的预见期内提供流域未来水资源状况，以便有效指导水库等工程的调度实践，对流域水资源综合配置和利用具有重要的经济效益和社会效益。现有关于中长期径流预报从大的类别上被分为四类：物理成因分析法、数理统计法、智能方法和数值预报方法。

物理成因分析法主要是分析大气环流、太阳活动、行星位置、地球自转等现象对预报对象的影响机理，从而根据预报因子实现径流预报的方法。

数理统计法则是根据大量历史资料，寻找预报因子与预报对象的相关关系，并且根据这种相关关系实现中长期预报的方法，预报因子为单因子或多因子。

智能方法则是根据模糊数学、灰色系统、人工神经网络、小波分析、混沌分析等智能分析方法，构建预报因子与预报对象的非线性模型，从而实现中长期预报的方法。

现有数值预报方法是当前发展较为迅速的一种预报方法，也是未来发展的一种趋势，其利用数学方程对气象水文运动规律进行建模，实现相关现象的解释和模拟，并据此来对未来径流多寡进行预测。目前，现有数值预报技术的先进程度已经成为衡量一个国家在本领域技术实力的重要标志。然而，因为气象水文系统具有较强的不确定性和馄钝性，故，基于还原论设计的数学方程很难完全刻画相关气象水文运动，因此，基于气象水文系统的现有数值预报方法得到的中长期径流预报结果可靠性低，为解决该问题数值集合预报应运而生。数值集合预报采用初值扰动的方法构建集合预报样本，并对集合预报样本做加权平均获取最终预报结论。由于模型预报误差近似服从正态分布，这种大量样本的加权平均，能够有效克服各预报样本的随机误差和部分系统误差，对于径流的趋势预测预报技巧较高。虽然现有传统针对中长期径流数值集合预报方法能够有效反映趋势信息，对多年平均上下的径流预报精度较高，但由于该方法有“削峰填谷”作用，即容易将极端高值拉低、将极端低值拉高，造成这种方法难以有效预报极端事件。

发明内容

本发明的目的在于提供一种基于数值集合预报极值修正的中长期径流预报方法，从而解决现有数值集合预报方法获取的难以有效预报极端事件的问题。

为了实现上述目的，本发明所述基于数值集合预报极值修正的中长期径流预报方法，所述方法包括：

S1，确定预报区域和预报时段；

S2，采用数值集合预报方法对预报时段的预报区域进行预报，得到平均径流预报数据结论α，记为Q_Model_Forecast；

S3，采用海温遥相关方法对预报时段的预报区域进行预报，得到平均径流预报数据结论β，记为Q_SST_Forecast；

根据公式(1)计算Q_SST_Forecast的距平值：

Ano为距平值，为预报时段的同期多年平均值；

S4，预报区域在预报时段的预报结论