[发明专利]一种基于机器学习的水文预报精度评价方法及系统

说明书

本发明公开了一种基于机器学习的水文预报精度评价方法及系统，属于水文预报精度评价领域，包括：获得同一断面的水文预报结果和同期实测结果，以计算洪峰评价指标、洪量评价指标及径流过程评价指标，形成一条评价指标数据；利用已训练好的水文预报精度评价模型识别评价指标数据所属的精度等级，作为水文预报精度评价结果；水文预报精度评价模型为机器学习分类模型；精度等级的划分包括：根据历史数据分别计算每一场历史洪水事件对应的评价指标数据，作为历史评价指标数据；对历史评价指标数据进行聚类，得到C个类别，分别对应C个精度等级；根据类别内部的评价指标水平，对相应的精度等级进行优劣排序。本发明能够实现对水文预报精度的准确评级。

技术领域

本发明属于水文预报精度评价领域，更具体地，涉及一种基于机器学习的水文预报精度评价方法及系统。

背景技术

水文预报(hydrologic forecasting)，是指根据前期或现时的水文气象资料，对某一水体、某一地区或某一水文站在未来一定时间内的水文情况作出定性或定量的预测。在实际的生产生活中，流域水文预报可为流域水旱灾害防治、库群安全经济运行、水资源科学分配及社会可持续发展等提供重要决策支撑。目前，常利用水文模型实现水文预报，所谓水文模型，是指用模拟方法将复杂的水文现象和过程经概化所给出的近似的科学模型。

对于水文预报，其中最受人们关注的指标就是预报精度，预报精度受诸多不确定性因素的影响，例如模型输入不确定性，模型结构不确定性，一个预报模型的精度高低可以在模型运行一段时间后通过实际预报数据和实测数据进行相关分析得到。与水文模型的发展和完善相比，一般的水文评价方法仍然比较简单。目前，常用的水文预报精度评价方法包括图示法和统计方法。图示法是通过比较观测水文和利用水文模型的到模拟水文来进行定性评价；统计方法中，会根据专家经验预先划分多个精度等级，每个精度等级对应一个预报精度范围，各精度等级对应的预报精度范围是预先设定好的，并且固定不变，统计方法具体是通过统计各种误差指数来判断当前水文预报精度所属的精度等级，从而实现定量评价。图示法和统计方法简单、易于应用，但都存在一定的缺陷。图示法进行对水文预报精度进行定性分析，难以量化，评价结果主观性强；统计方法能够进行定量评价，但是，基于单一误差指标的评价框架不能反映不同误差指标之间的互补作用，误差指数范围如何合理地代表水文模型的性能也存在争议。

总的来说，现有的水文预报精度评价方法，难以准确地对水文模型的预报精度进行定量综合评价。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种基于机器学习的水文预报精度评价方法及系统，旨在解决现有的水文预报精度评价方法难以准确地对水文模型的预报精度进行定量评价的技术问题。

为实现上述目的，按照本发明的第一方面，提供了一种基于机器学习的水文预报精度评价方法，包括：

获得同一断面的水文预报结果和同期实测结果，并根据获取到的数据计算洪峰评价指标、洪量评价指标及径流过程评价指标，从而形成一条评价指标数据；

利用已训练好的水文预报精度评价模型识别评价指标数据所属的精度等级，作为水文预报精度的评价结果；

其中，水文预报精度评价模型为机器学习分类模型，用于确定水文评价指标数据所属的精度等级。

本发明以洪峰评价指标、洪量评价指标以及径流过程评价指标共同作为水文预测精度的评价指标数据，建立了综合、健全的评价指标体系，既能够全面地考虑各项指标对水文预报精度的影响，也能够充分考虑各项评价指标之间的相关性，同时，引入机器学习分类模型，实现了对水文预报精度的准确评级。

进一步地，精度等级的划分方式包括：

从历史数据中提取洪水事件的水文预报结果及同期的实测结果，以分别计算每一场历史洪水事件对应的评价指标数据，作为历史评价指标数据；