[发明专利]一种资料短缺情形下的二次耦合月径流预报方法

摘要

本发明公开了一种资料短缺情形下的二次耦合月径流预报方法，耦合模型结构参数少、结构简单，计算过程中不受水文资料的计算长度、地形和气象数据精度要求限制，通过GRNN模型与其他物理模型进行模型耦合确保模型系统对真实水文过程模拟的真实性，有效避免了大量使用经验公式和设定参数而带来的误差；对传统时间序列ARMA模型进行改进，提出将季节性ARMA模型应用于水文数据序列的延长技术；利用季节性ARMA模型延长后的月径流数据与耦合模型进行数据耦合，确定耦合模型的结构及参数，使二次耦合后得到的耦合式GRNN模型在水文资料相对短缺的流域也能确保径流模拟的精确度，对历史水文数据的依赖性低，有效保证耦合模型系统的实用性和适用性。

主权项

一种资料短缺情形下的二次耦合月径流预报方法，其特征在于，包括以下步骤：1）、采用GRNN模型和物理水文模型，选取至少一个物理水文模型，对所述物理水文模型和GRNN模型所需的基础地形数据、气象数据和水文数据进行预处理，得到模拟历时所述GRNN模型和物理水文模型的月径流观测值，所述模拟历时分为训练期和测试期两个时段；2）、对所述物理水文模型进行配置，根据各所述物理水文模型参数的规范与要求对参数进行设定，得到模拟历时各物理水文模型的月径流预测值；3）、利用时间序列延长模型对训练期各物理水文模型的月径流预测值和月径流观测值进行补充和延长，同时利用时间序列延长模型对训练期所述GRNN模型的月径流观测值进行补充和延长，得到延长后的训练期的月径流数据；4）、利用模型耦合技术将GRNN模型和各所述物理水文模型分别进行模型耦合，得到一次耦合GRNN模型，然后将步骤3）得到的延长后的训练期的月径流数据与所述一次耦合GRNN模型进行数据耦合，确定数据耦合后模型的的网络结构和参数，得到二次耦合GRNN模型；5）、运用测试期所述GRNN模型的月径流观测值和物理水文模型的月径流预测值对所述二次耦合GRNN模型进行预报计算，并评定当前二次耦合GRNN模型是否是最优的；6）、利用步骤5）得到的最优的二次耦合GRNN模型对流域进行月径流预测。