[发明专利]一种基于确定性系数的洪水分类识别预报方法

说明书

一种基于确定性系数的洪水分类识别预报方法，属于水文洪水预报技术领域。该方法提出了分类识别较为简单且对其它资料要求较少的框架。该框架从洪水发生发展过程出发，结合确定性系数对洪水进行分类并构建相应的洪水预报子模型；在实时预报过程中，从确定性系数出发，引入遗忘机制对子模型进行识别从而实现预报。本发明的效果和益处是分类原理明确，分类的子模型能够体现各类型洪水的非线性，克服了单一的不分类模型在参数识别过程中偏向于整体最优的缺点；在模型识别过程中，考虑了越久远的信息对当前预报结果影响越小，引入了遗忘机制实时识别预报子模型。该方法原理清晰，方法简单，指标较少，数据要求低，计算方便，有较好的推广性。

技术领域

本发明属于水文洪水预报技术领域，涉及一种基于确定性系数的洪水分类识别预报方法。

背景技术

洪水过程受自然地理、水文、气象和人类活动等诸多因素的影响，具有较大的不确定性，导致洪水模拟预报的难度大。如何提高洪水预报精度一直是水文领域面临的最重要的问题。

分类法作为把无规律事件变得更加有序的方法，逐渐被引入到洪水预报中。目前，洪水分类识别的思想已经得到了广泛的应用和认可(刘玉邦与梁川(2011).基于天气成因和主成分投影分析的暴雨洪水分级研究.水利学报(01):98-104.)。例如，张艳萍等(张艳平与周惠成(2012).基于暴雨洪水相似性分析的洪水分类研究.水电能源科学(09):50-54.)利用暴雨洪水演化过程的相似系数，对暴雨洪水进行了分类，为水库的汛限水位动态控制提供了基础；李月玉等(李月玉与周建奕等(2016).基于K均值聚类分析的流域洪水实时分类修正.中国农村水利水电(12):160-162.)]根据流域3天累计降雨量、峰值等洪水指标，利用K均值聚类分析对洪水进行了实时分类预报，提高了洪水预报的精度；王大环等(王大环与刘洋等(2017).基于熵权的模糊聚类模型在山区融雪洪水产流类型中的分类应用.中国农村水利水电(05):114-117.)使用气象资料以及积雪样方观测资料，采用熵权的模糊聚类模型对山区融雪洪水产流类型进行了分类，提高了融雪洪水预报的精度；徐炜等(徐炜与梁国华等(2013).基于二阶聚类与粗糙集的实时洪水分类预报模型研究.水力发电学报(02):60-67.)考虑了降雨强度、下垫面特性、人类活动和天气系统等多个影响因子，建立了基于二阶聚类方法的洪水分类预报模型。

然而，这些研究都是以导致洪水发生和发展过程的洪水影响因子(气候因子等)为出发点，进行洪水分类识别，忽略了洪水自身发生和发展过程。此外，对于数据匮乏流域，影响洪水变化因素的因子提取和识别难度大，且分类因子之间相互作用又很可能导致洪水分类识别困难，所以有必要寻求一种较为简单且对其它资料要求较少的洪水预报方法。

本发明提出了一种基于确定性系数的洪水分类识别预报方法。该方法以耦合DBM和卡尔曼滤波的洪水预报框架为基础，从洪水发生发展过程出发，以确定性系数为判别指标对洪水进行分类并构建相应的洪水预报子模型。在实时预报过程中，结合遗忘机制，以前期预报确定性系数对模型进行实时识别从而实现预报。并以石灰窑流域为例，应用本发明的方法进行洪水预报，验证了本发明的合理性。

发明内容

当前国内洪水识别的方法主要是以导致洪水发生和发展过程的洪水影响因子(气候因子等)为出发点，进行洪水分类识别，忽略了洪水自身发生和发展过程。此外，对于数据匮乏流域，影响洪水变化因素的因子提取和识别难度大，且分类因子之间相互作用导致洪水分类识别困难。针对现有技术存在的问题，本发明提出了分类识别较为简单且对其它资料要求较少的框架，提供了一种基于确定性系数的洪水分类识别预报方法。

为了达到上述目的，本发明采用的技术方案如下：

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：进行洪水预报分类