[发明专利]一种基于确定性系数的洪水分类识别预报方法

权利要求书

1.一种基于确定性系数的洪水分类识别预报方法，其特征在于，包括以下步骤：

步骤一：建立洪水预报模型，采用耦合卡尔曼滤波的DBM洪水预报模型；

步骤二：首先，把每场洪水事件代入DBM洪水预报模型中进行训练，对每一场洪水事件进行洪水模型参数识别，得到每一场洪水事件的最优模型参数，并根据每一场洪水事件的最优模型参数，建立每一场洪水对应的模型，假设有L场训练洪水事件，则建立L个模型；其次，采用任意一场洪水事件建立的模型去预报其余(L-1)场洪水事件，如果两场洪水事件相互预报所得预报值的确定性系数均大于某一阈值RR_thr，则认定两场洪水属于同一类型的洪水，如果小于则认定两场洪水不属于同一类型的洪水；最后，重复以上步骤L次，直至L场模型均预报完其余场洪水事件，得到洪水事件的最终分类结果；

步骤三：在步骤二得到的洪水分类的基础上，采用步骤一建立的DBM洪水预报模型分别对每一类洪水进行训练，识别各类洪水事件的模型参数，得到每一类洪水对应的模型；

步骤四：

(1)分别利用步骤三得到的多个模型，对当前洪水事件进行实时预报，得到前期预报结果，并计算每个模型的确定性系数；

(2)根据每个模型的确定性系数，并将遗忘机制引入到前期预报结果评价中，具体如下：

首先，将整个前期分为对当前模拟结果影响相对较高的高影响阶段和对当前模拟结果影响相对较低的低影响阶段；其次，分别利用公式(4)、(5)计算两阶段的确定性系数；然后，根据两阶段权重ω₁与ω₂，利用公式(6)评估子模型h的模拟效果；

R_CM-h＝ω₁·R_low+ω₂·R_high (6)

其中，h＝1，2，…，H，H表示分类组数，即子模型个数；R_low与R_high为前期低影响阶段和高影响阶段的确定性系数；ω₁与ω₂为两阶段的权重，满足ω₁+ω₂＝1；s表示高影响前期序列个数；r表示低影响前期序列个数；Q_h(t|t-δ)表示第(t-δ)时刻、第h子分类模型的预见期为δ天的预报流量值，m³/s；表示Q0(i)在时刻(i-s-1)和(i-s-r)之间所有实际流量值的均值，m³/s；Q0(t)表示对应的第t天的实际流量值，m³/s；因为k、s值是整数，本发明依此把k、s可能值带入模拟识别训练模型中，筛选出模拟效果最优的k、s值，作为最终的前期影响阶段个数；

(3)选择R_CM-h(h＝1,2,…,H)最大的模型作为当前时刻预报的模型，该模型的预报值即被当作最终预报值；随着时间的推移，重复步骤(1)和(2)即可实时获得洪水预报值。