[发明专利]一种基于Budyko理论的水文随机插值径流预测方法

摘要

本发明公开了一种基于Budyko理论的水文随机插值径流预测方法，包括以下步骤：确定待预测流域，所述流域分为多个子流域；利用Budyko理论对每个子流域多年平均年径流深进行空间预测，得到年径流预测值，作为径流的确定性成分；利用水文随机插值方法对多个子流域多年平均年径流预测偏差进行插值，作为径流的随机性成分；利用所述确定性成分与随机性成分耦合，得到最终预测径流。本发明用于预测无资料地区的径流深并解释径流的空间分布特征，提高了径流预测精度，为径流区域化提供了一种新的思路和方法。

主权项

1.一种基于Budyko理论的水文随机插值径流预测方法，其特征在于，包括以下步骤：(1)将整个流域分为多个子流域，所述子流域包括已知子流域和待预测子流域，确定待预测子流域及多个已知子流域；通过水文站观测获取每个已知子流域实际多年平均年径流深R(x)；利用Budyko理论对每个已知子流域多年平均年径流进行空间预测，得到多年平均年径流深预测值Rd(x)，作为待预测子流域径流的确定性成分；其中，获得多年平均年径流深预测值Rd(x)的方法为：分别统计多年平均降水量、实际蒸散发量、潜在蒸散发量，利用Budyko理论对多年平均年径流进行空间预测：P‑E＝Rd(x)                    (3)由公式(2)和(3)得公式(4)：其中，P、E、E0、Rd(x)分别是多年平均年降水量、实际蒸散发量、潜在蒸散发量和多年平均年径流深预测值；ω是公式参数，且ω取值范围是(1,∞)，ω值越大，降水转化为径流的比例越低；(2)将R(x)与Rd(x)的差值作为多年平均年径流预测偏差；利用水文随机插值方法对多个已知子流域多年平均年径流预测偏差进行插值，得到已知子流域径流深偏差插值结果Rs*(x)，作为待预测子流域径流的随机性成分；其中，获得已知子流域径流深偏差插值结果Rs*(x)的方法为：在block kriging插值方法的基础上，考虑流域水系结构特征的流域距离，同时增加流域水量平衡约束，预测的径流深偏差作为空间上的连续过程，预测公式为：式中，Rs*(A0)是待预测子流域径流深偏差，Rs(Ai)是第i个面积为Ai的已知子流域计算得到的径流深偏差，Λ是权重矩阵，Rs是径流深偏差矩阵，Rs*(A0)是Rs(A0)的估计值，其中A0是预测的单元面积；根据最优线性无偏估计要求E[Rs*(A0)‑Rs(A0)]＝0计算权重矩阵Λ：C(ui,uj)是每对子流域的拟合协方差函数值，C0(ui,u0)是待预测子流域中的点的位置u0与已知子流域中的点的位置ui处的拟合协方差函数值，λi为待预测子流域A0处对应的各已知子流域的权重值，μ为拉格朗日系数，计算得到权重矩阵后代入式(5)得到径流深偏差的预测值；权重矩阵Λ的计算方法：将式(6)表示为矩阵形式：CΛ＝C0，因而权重矩阵Λ表示为：Λ＝C‑1C0                         (7)其中：其中，矩阵C是每对已知子流域中的点的协方差函数矩阵，C0是每对已知子流域中的点与待预测子流域中的点的协方差函数矩阵，ui为已知子流域中的点的位置，u0为待预测子流域中的点的位置，μ为拉格朗日系数；式(5)、(6)是一个待预测子流域的径流深偏差表达式，如果插值过程同时计算M个子流域的径流深偏差，式(5)不变，最优权重矩阵为：其中Li是第i个待预测流域对于每个已知子流域的权重值，μ*和μi为拉格朗日系数，所述C和C0为：其中，矩阵K表示为：矩阵V和G为：其中ΔAi是第i个非嵌套子流域的集水面积，所述非嵌套子流域指不存在包含或被包含关系的子流域，ni为每个非嵌套子流域ΔAi所含的网格个数，上述矩阵方程组包括水量平衡约束，所述水量平衡约束为流域出口处的实测径流量，水量平衡约束等于所有子流域待插值径流量之和，表示为：RT是流域出口的实测径流量；将每个非嵌套子流域ΔAi划分为ni个面积为a的网格，每个ΔAi的径流偏差预测值是权重系数与已知子流域计算得到径流深偏差的线性组合，将式(16)进一步表示为：其中，nT是基本网格的个数，rT是流域出口的实测径流深；由Gottschalk定义子流域A、B之间的地统计距离，所述地统计距离为流域内所有网格点对的距离的期望值，表示为：其中，A、B表示两个已知子流域；A1和A2分别是已知子流域A、B的流域面积，u1、u2分别为已知子流域A、B中点的位置；根据流域距离，绘制出实验协方差函数与流域距离的关系图，基于流域支撑A1和A2，理论协方差函数Cov(A,B)为：其中，Covp是点协方差函数；(3)利用所述确定性成分与随机性成分耦合，得到待预测子流域的最终预测径流：R*(x)＝Rd(x)+Rs*(x)                  (1)式中，R*(x)表示待预测子流域x处的最终预测径流。