[发明专利]一种长江上游年径流量的预测技术

说明书

本发明公开了一种长江上游年径流量的预测技术，包含以下步骤：S1、对长江上游年径流量的变化特征进行分析，讨论年际增量预测方法对其适用性；S2、计算多气候因子在各时段，包括年度、春、夏、秋和前冬的年际增量，并分析多因子在各时段与长江上游年径流量的关系，且利用Student‑t方法筛选出高相关因子及其对应时段；S3、依照同一因子选择高相关时段的原则，并剔除无意义因子，得到关键前兆信号；S4、利用最优子集回归方法进行因子的复筛选，并建立预报模型。本发明分析并建立相应的预测方法，利用该方法得到的预测结果的相对误差小于10％，与前人研究的预测方法相比，该方法对长江上游年径流量的预测准确率有显著的提高。

技术领域

本发明涉及水资源管理技术领域，尤其涉及一种长江上游年径流量的预测技术。

背景技术

长江上游是指长江源头至湖北宜昌这一江段，依次经过青海、西藏、四川、云南、重庆、湖北等6个省区市，长约4504公里，控制流域面积100万平方公里。当今世界最大的水利发电工程——三峡大坝，正位于长江上游和中游的交汇点湖北省宜昌市。以宜昌站径流量为基础，探究长江上游年径流量的前兆信号，建立预测模型，从而准确预测长江上游年径流量，具有重要的经济价值和科学意义。

过去的径流量预测研究在传统统计方法、数值模式模拟和机器学习方面取得了进展，同时建立了相应的预测模型。王其虎等(2010)利用BP神经网络方法预测流溪河水库径流量，证明了该方法的适用性和实用性。王长鹏等(2019)利用标准粒子群优化算法(Particle Swarm Optimization,简称PSO算法)改进BP神经网络训练算法，建立了宜昌站日径流量预测模型，取得了良好的预测结果。马亮等(2008)和王亚雄等(2011)分别将加权马尔可夫链预测方法应用于北江下游年径流量和新疆阿克苏河年径流量的预测中。陈建龙等(2018)和李建林(2014)将R/S方法和灰色模型相结合分别建立了鸳鸯池水库入库径流量和黑河出山年径流的预测模型。杨国巍(2011)基于小波分析建立了青铜峡月径流量的贝叶斯(BPF)预报方法。周建中和彭甜(2018)引入混沌理论和AdaBoost.R.T集成极限学习机方法对长江上游月径流量进行分析和预测。这其中的大多数方法和模型的预测原理均基于寻找径流量和降水、蒸发量的演变规律和时间记忆，并通过数学方法推演。然而无论是径流量还是其影响因素降水和蒸发量，它们的变化都是非线性的，且时间记忆均不长。同时影响径流量的降水和蒸发量也是需要预测的。因此，这些径流量预测方法有一定的局限性。郑巍斐等(2018)基于CMIP5和VIC模型预测了长江上游主要水文过程的变化趋势。但由于现今模式发展尚不成熟，系统误差、积分过程中的非线性误差、系统之间耦合出现的误差均较大，因此也具有局限性。综合上述分析还发现，长江上游这一河段的径流量预测模型非常少，分析并建立其预测模型是十分迫切的。

已知河道径流量的多寡主要受制于气候要素和人类活动因素两方面。流域内的降水和气温是气候变化的主要体现要素。已有的工作表明，长江上游流域的降水和气温受多种气候系统共同影响。因此，基于降水和气温寻找到径流量的关键前兆信号，建立多因子预测方法，是可行的、有效的预测思路。年际增量思想主要来自于王会军等(2000)人对大气环流模式作降水及环流预测的订正方法，指的是当年的变量值减去前一年的变量值。年际增量可以显著减小变量受年代际背景的影响，克服年代际和年际变化关系不一致的问题，并且更加突出变量的年际振荡特征以及因子间的内在联系。范可等(2007，2008)利用年际增量方法建立模型有效提高了长江中下游、华北夏季降水预测水平。但截至目前，年际增量预测方法和多气候因子预测思路尚未被引进径流量预测领域。

现有技术中具有以下缺陷：

1、现有的大多数预测方法和模型的原理均基于寻找径流量和降水、蒸发量的演变规律和时间记忆，并通过数学方法推演。但无论是径流量还是其影响因素降水和蒸发量，它们的变化都是非线性的，且时间记忆均不长。同时影响径流量的降水和蒸发量也是需要预测的。因此，这些径流量预测方法有一定的局限性，不容易报准确；