[发明专利]大型河网水量预报预警方法

说明书

本发明公开了一种大型河网水量预报预警方法，包括：(1)根据河网模型中各所述河段的拓扑关系，将所述河段分级；(2)依据基于单一河道的滤波方程求解结果，将单一河道各断面实时校正结果简化为校正单位线，在此基础上生成所述河道多模式单位线及构建所述管理模块；(3)全河网实时校正，通过有实测站点的水位预报误差，对实测站点所在河道进行校正，并根据河段分级逐级传播至整个河网。本发明利用河段拓扑关系对河段进行分级，设置校正要素和虚拟观测站来实时校正洪水预报模型，解决了水动力学模型在洪水预报中预报精度不理想的问题，显着提高了河网预报精度，对洪水实时水情预报具有重要意义。

技术领域

本发明涉及一种洪水预报技术，尤其涉及一种大型河网水量预报预警方法。

背景技术

洪水的预警基于准确的河网水量预测，在模型预测过程中需要对水量模型进行实时校正。水量模型的传统实时校正方法实际上是一种利用观测的水位或者流量等水情资料，通过反馈机制进行水量状态的校正，以达到更为准确的目标。

水文实时校正算法主要目标是希望提高模型预报结果的精度，主要是水位预报的精度，这种情况下水量平衡的打破是被允许的。水文实时校正方法自早期在洪水预报应用以来，有了很大的发展。目前，实时校正方法已经有了很大的发展，虽然实时校正的概念仍在广泛应用，但是其内涵和外延都有了很大的拓展。数据同化是一种融合多源观测和动态模拟的先进方法论，它具有的优点包括：模型状态变量估计、模型校正、参数反演、不确定性分析与削减、观测数据的(时空)插补和模型预测/预报等。目前主要有两大类方法，即变分同化法和滤波类算法。(1)变分同化法为确定性方法。它通过求解反问题的方法，提出最优化控制方法，实现水动力学模型和数据信息(大气海洋科学中称为数据同化)的同化，计算出与实际“真实”状态更为逼近的分析解，这在一定程度上可改善非恒定流的分析与预测预报精度。(2)滤波类方法为不确定性的方法。该方法从不确定性理论出发，可构建另一类基于统计估值理论的贯序方法(Sequential method)或实时更新方法(Real-time updatingmethod)。卡尔曼滤波(Kalman Filter，KF)就是其中一个重要的代表。这类方法也更接近水文学中所提的实时校正方法。

水动力学模型应用于洪水预报，主要为解决水文学方法无法解决或者解决得不甚理想的一些问题。例如：平原区的洪水运动受上游来水、当地降雨、下游顶托和人类活动等综合影响，具有复杂的水流情况；分汊水系及分洪和溃口等预报对象以及河道断面特征发生了明显变化后的水力要素计算，尤其是关心河道内各断面的水位、流量变化过程时，通常首选的预报方法是水动力学模型。然而由于其预报精度不甚理想，长期以来未能在实时作业预报中得以广泛应用。

发明内容

发明目的：针对以上问题，本发明提出一种大型河网水量预报预警方法，能够对河网水量预报模型进行实时校正，减小预报误差，提高预报精度。

技术方案：本发明所采用的技术方案是一种大型河网水量预报预警方法，包括以下步骤：

(1)根据河网结构中各河段有无实测站点及与实测站点所在河段间的拓扑关系，将河段进行分级，并生成校正河段组，所述校正河段组是一组连续的河段，且同一校正河段组中的河段具有同一级别。

所述步骤(1)包括以下步骤：(a)利用数字高程流域水系模型自动生成水系及河网结构拓扑关系，并进行干支分流，根据河流支流等级定义设置河段级别；(b)将全河网划分为若干不同级别的校正河段组。其中，所述的根据河流支流等级定义设置河段级别，是以主干为最高级，其分支逐级向下分级；所述校正河段组是从某个“头”河段向流入的河段不断搜索，直至发现其流入的河段“变级”为止，历经的这些河段作为一个校正河段组。

(2)遍历各河段，如果该河段有实测水文站，则在每个水文站设置一个校正要素，如果某个校正河段组内含的河段具有校正要素，就为该校正河段组内建立单一河道水位滤波器；根据河道分级，结合单一河道水位滤波器，对滤波方程求解，依据基于单一河道的滤波方程求解结果，将单一河道各断面实时校正结果简化为校正单位线，在此基础上生成河道多模式单位线；