[发明专利]一种基于高维概率分布函数的组合河道水位预报方法

说明书

本发明涉及水文预报的技术领域，更具体地，涉及一种基于高维概率分布函数的组合河道水位预报方法，包括：选取一定时期的河道水位的时间序列；利用t‑1时刻和t时刻水位数据系列的边缘分布函数F(Xsubgt;t‑1/subgt;)和F(Xsubgt;t/subgt;)，构建水位变量的联合分布概率函数，筛选AIC值最小的三个Copula模型；利用联合分布概率函数，输入已知t‑1时刻的水位变量数据系列Xsubgt;t‑1/subgt;，求出t时刻水位变量数据系列的条件分布概率；将条件分布概率函数转换为其反函数形式，实现以Xsubgt;t‑1/subgt;为输入变量获得t时刻拟合水位数据系列Xsubgt;t/subgt;；获得三个最佳的Copula模型预测值，根据AIC值大小设定每个Copula函数预测值权重，计算出三个Copula函数预测值的加权平均值，即为最终预测值。本发明能够对河道水位变量以及其他水文变量进行精准预报，具有重要的应用价值。

技术领域

本发明涉及水文预报的技术领域，更具体地，涉及一种基于高维概率分布函数的组合河道水位预报方法。

背景技术

水文预报是根据自然界各种水文过程形成和运动的规律、结合当前获取的水文气象资料、对未来某一段时间内的水文情况进行预测。水文预报的成果为水资源合理利用与保护、防汛抢险、水利工程建设和调度运用管理、及工农业的安全生产提供服务。水文学理论建立在物理水文过程的基础之上，这是因为物理过程能够科学合理反映实际水文过程。因此，众多物理水文模型被建立已达到水文预报的目的。然而，由于自然界中存在太多不确定因素，物理模型很难完整反映变量之间的影响关系，导致物理模型的效果不尽人意。此外，物理模型通常需要大量的下垫面和气候数据类型，而在实际操作中，这些数据往往很难全部获取，从而限制了物理模型的应用。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于高维概率分布函数的组合河道水位预报方法，通过动态的权重的方法，实现多模型的组合预报，提高预报的精度。

为解决上述技术问题，本发明采用的技术方案是：

提供一种基于高维概率分布函数的组合河道水位预报方法，包括以下步骤：

S1.针对某一水文站点，选取一定时期的水位变量的时间序列，令X_t-1为t-1时刻的水位数据系列，X_t为t时刻的水位数据系列；

S2.利用t-1时刻和t时刻水位数据系列的边缘分布函数F(X_t-1)和F(X_t)，基于二元Copula函数，构建t-1时刻和t时刻的水位变量的联合分布概率函数，筛选出赤池信息量准则AIC(AKAIKE INFORMATION CRITERION)值最小的三个Copula模型；

S3.利用步骤S2中构建的联合分布概率函数，输入已知t-1时刻的水位变量数据系列X_t-1，求出t时刻水位变量数据系列的条件分布概率函数；

S4.进一步将条件分布概率函数转换为其反函数形式，从而实现以X_t-1为输入变量获得t时刻的拟合水位数据系列X_t；

S5.获得三个Copula模型预测值后，根据AIC值大小设定每个Copula函数预测值的权重，计算出三个Copula函数预测值的加权平均值，得到最终预测值。

本发明的基于高维概率分布函数的组合河道水位预报方法，引入多种Coupla函数类型，根据预测的表现，赋予动态权重，实现基于动态权重的组合预报；本发明可对河道水位变量进行精准预报，为干旱和洪涝灾害的防控提供科学有效的方法和手段，具有重要的应用价值。

优选地，步骤S1中，所述预报变量是河道水位，但本发明的预报变量不限于河道水位，也可以扩展到其他如水流量、降水量和土壤湿度等的水文变量，时间序列的时间尺度包括小时、日、月、年。