[发明专利]一种中长期径流集合预报方法

摘要

本发明提出一种中长期径流集合预报方法，属于水文预报领域。该方法首先分别获取预报对象的历史径流数据，获取历史气象数据作为本地相关因子，以及获取气候因子数据作为遥相关因子；将待预报月份的前11个月份的径流数据作为时间序列自相关因子；从以上所有因子中选取相关系数最高的因子组成预报因子集；利用经过训练且验证完毕的机器学习径流预报模型，将待预报月份对应的预报因子集数据输入模型，得到该月份径流量的预报值。本发明可实际应用于水文站数据缺失地区和站点稀疏地区的逐月径流计算，还可用于缺失径流数据的插补，为当地水资源分配与管理尤其干旱区水库调度、当地灌溉规划和农业用水管理等提供有效的参考依据。

主权项

1.一种中长期径流集合预报方法，其特征在于，包括以下步骤：/n1)确定预报对象，获取预报对象过去N年逐月的历史径流数据，N≥30；获取距离预报对象最近的M个气象站点的过去N年逐月的历史气象数据作为预报对象的本地相关因子，M≥2，所述气象数据包括月平均降雨量数据和月气温数据，其中，月平均降雨量数据包括每日8时至次日8时的24小时降雨量的月平均值和每日20时至次日20时的24小时降雨量的月平均值，月气温数据包括月平均最高气温、月平均气温和月平均最低气温；/n2)获取气候因子数据，作为预报对象的遥相关因子；具体步骤如下：/n2-1)获取p个气候因子过去N年逐月的历史数据，p>6；/n2-2)对2-1)获取的每个气候因子过去N年逐月的历史数据与预报对象过去N年逐月的历史径流数据进行相关性分析，得到每个气候因子与预报对象历史径流数据的相关性系数；/n2-3)对步骤2-2)得到的结果按照绝对值大小进行排序，从排序结果中筛选相关性系数绝对值大于0.4的前f个气候因子，p≥f≥6，将所述f个气候因子过去N年逐月的历史数据作为预报对象的遥相关因子；/n3)确定待预报月份，确定待预报月份的预报因子集；具体步骤如下：/n3-1)确定待预报月份；/n3-2)根据步骤3-1)确定的待预报月份，利用步骤1)获取的本地相关因子和步骤2)获取的遥相关因子，设置时间滞后因子lag,依次令lag＝1,2,…,12,表示每个历史年份待预报月份历史径流数据滞后于各个本地相关因子和遥相关因子数据的月份数，将待预报月份过去N年每年历史径流数据分别与该年份待预报月份lag月前每个本地相关因子数据和该年份待预报月份lag月前每个遥相关因子数据进行Pearson相关性分析，分别得到待预报月份历史径流数据与对应lag月前的本地相关因子的相关性系数，以及待预报月份历史径流数据与对应lag月前的遥相关因子的相关性系数；/n3-3)将预报对象过去N年逐月的历史径流数据中每个年份中待预报月份前11个月份的历史径流数据作为该年份待预报月份历史径流数据的时间序列自相关因子，将过去N年每年待预报月份历史径流数据分别与该月份前11个月份的历史径流数据进行自相关分析，得到待预报月份历史径流数据分别与该月份前11个月份历史径流数据的相关性系数；/n3-4)利用步骤3-2)、3-3)的相关性分析结果，将各遥相关因子、本地相关因子和时间序列自相关因子按照对应的相关性系数的绝对值从高到低顺序进行排序，选取相关性系数绝对值大于0.4的前A个因子作为待预报月份径流数据的预报因子并组成待预报月份径流数据的预报因子集，当A≥8时，令A＝8；其中，每个预报因子记为F