[发明专利]基于气象大数据的径流预报改进方法

说明书

本发明涉及一种基于气象大数据的径流预报改进方法，其包括以下步骤：获取特定区域、时间的数据，所述数据包括降水数据、其他水文输入数据；进行降水订正；获取历史观测径流数据，运用DREAM参数率定方法进行水文参数率定；运行水文模式，得到径流模拟结果；进行径流集合平均检验与概率性检验。由此，基于气象预报降水大数据的长期系统误差分析，对流域从量级和空间分布上订正集合降水预报，提高径流模拟能力。基于径流模拟对流域面雨量较为敏感的特性，对历史相似法寻找历史相似预报的标准进行了改进，提高了集合降水预报的订正效果，实现了在有限气象数据中得到最优径流预报结果的目的。

技术领域

本发明涉及一种改进方法，尤其涉及一种基于气象大数据的径流预报改进方法。

背景技术

在众多的自然灾害中，极端降水所引起的洪涝灾害是最严重的自然灾害，目前已经成为制约社会经济可持续发展的主要因素之一。精确的水文模拟和预报对于水资源评估和洪水预警是至关重要的。但水文预报存在很多不确定性，主要分为水文模型输入的不确定性、流域初始条件和下边界条件不确定性、水文模型结构和参数不确定性。其中降水作为主要的水文模型输入是水文不确定性的最重要来源。同时，气象模式输出降水(预报降水)因其本身存在的系统误差原因使得水文的径流预报存在较大误差，尤其对于大径流预报(洪水预警)等误差严重。

目前，现有技术提供了一种基于流式大数据处理方式的降雨径流预测计算方法(201610808770)，具体来说：

其首先设计基于实时水量的子流域及时预测算法和基于SCS模型洪水预测算法，然后使用流式大数据处理方式对这两个算法进行处理。流域划分与断面流量计算原理通过把大、中流域划分为不同子流域，利用SCS模型及其改进模型对每个子流域进行径流计算，获取每个子流域的径流。大、中型流域划分为不同子流域的方法。但是，其参考的参数较少，只能针对特定流域进行实施，实际预测效果较差。并且预报时效有限，不能为洪水的提前防护提供更多时间。

同时，现有技术还提供了一种降雨径流预报方法(201810632402)。其包括：通过水雨情数据库存储降雨径流预报演算模块所需的时间、水位、雨量、流量数据，并根据用户需要设置未来时段假拟数据，用以实时降雨洪水预报，短期、中期、长期降雨径流预报；通过用户参数配置模块存储和计算降雨径流预报所需参数及降雨径流资料供降雨径流预报演算模块调用，用于用户设置、调整预报参数，调整预报精度；通过降雨径流预报演算模块根据水雨情数据库提供的水雨情数据及用户参数配置模块提供的配置参数，对未来的径流过程进行预报，并根据涨水和退水情况对预报结果进行修正；通过降雨径流预报成果统计模块根据降雨径流预报演算模块的预报过程，对径流或洪水过程进行统计评估，统计评估的内容包括，短期、中期、长期预报的洪峰、洪量、峰现时间、及洪峰洪量精度；通过降雨径流预报图形模块形成降雨径流预报图，所述预报图包括短期降雨径流预报图、中期降雨径流预报图及长期降雨径流预报图。

但是，这种方法基于预报图为基准，过度依赖于先前已产生的洪水数据，偏重高水位的降水数据，无法实现较为完整的降雨径流预报。

并且，目前业内也有采用历史相似法来进行判别，获取相关的预测数值。然而，现有的历史相似法只能用于单纯的气象预报数据的订正，对历史数据数量的需求非常大，最理想的情况是假设用于训练的数据是无穷多的，使得可以在历史数据中找到完全相同的预报天数，这在现实情况中是不可能实现的。单纯以实现气象误差(如均方根误差等)最小找寻历史相似预报，将其输入进水文模型并不能得到较好的径流预报结果，甚至有时是负效果，这是因为水文模型更关注整个流域的面雨量误差以及降水的空间分布情况。

有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种基于气象大数据的径流预报改进方法，使其更具有产业上的利用价值。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于气象大数据的径流预报改进方法。

本发明的基于气象大数据的径流预报改进方法，其特征在于包括以下步骤：