[發明專利]一種集合降水預報與實時洪水概率預報的耦合方法

有效

• 申請號: 201710171324.5
• 申請日: 2017-03-21
• 公開（公告）號: CN106991278B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 劉章君;郭生練;鐘逸軒;巴歡歡;何紹坤
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G01W1/10
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 薛玲

本發明提供一種集合降水預報與實時洪水概率預報的耦合方法，通過收集流域水文氣象基礎資料和集合預報降水數據，建立水文模型，得到集合洪水確定性預報，再進行誤差實時校正的基礎上，將校正后的集合洪水確定性預報轉化為集合洪水概率預報，進而對獲得的集合洪水概率預報進行加權融合，得到綜合實時洪水概率預報。本發明耦合了集合降水預報信息和Copula?BFS，可以同時考慮降水預報輸入、水文模型參數和模型結構等不確定性的綜合影響，定量估計洪水預報的總不確定性；此外，在進行洪水概率預報之前對相應的洪水確定性預報進行誤差實時校正，可以提高洪水預報精度，改善洪水不確定性預報區間的性能。

技術領域

本發明屬于洪水預報領域，具體涉及一種集合降水預報與實時洪水概率預報的耦合方法。

背景技術

洪水預報是防洪減災非工程措施的重要內容之一，直接為防汛搶險和水庫運行調度服務。由于受到水文模型輸入、模型參數和模型結構等不確定性的影響，導致預報結果也不可避免地存在不確定性。因此，定量估計洪水預報的不確定性具有重要的理論意義和實踐價值。

美國學者Krzysztofowicz提出的貝葉斯概率預報系統(BFS)是通過確定性水文模型進行概率預報解決洪水預報不確定性的一個理論框架。在BFS框架下，目前發展的洪水概率預報方法主要有：貝葉斯預報處理器(BPF)、水文不確定性處理器(HUP)、基于BP神經網絡的貝葉斯洪水概率預報模型(BP-BFS)和基于Copula函數理論的貝葉斯洪水概率預報模型(Copula-BFS)。其中，Copula-BFS不需要進行線性-正態假設，能很好地捕捉洪水過程的非線性和非正態特征，適用范圍廣，應用非常靈活，是洪水概率預報的一條有效途徑。然而，Copula-BFS仍存在以下不足：(1)沒有考慮預見期內降水預報的不確定性。(2)沒有對洪水確定性預報進行誤差實時校正。

發明內容

針對現有技術存在的問題，本發明為解決現有技術中存在的問題采用的技術方案如下：

一種集合降水預報與實時洪水概率預報的耦合方法，其特征在于：包括如下步驟：

步驟1，收集流域水文氣象基礎資料和集合預報降水數據；

步驟2，根據步驟1中的水文氣象基礎資料建立水文模型，并將步驟1中流域水文氣象基礎資料中的實測降水和集合預報降水輸入建立的水文模型，得到集合洪水確定性預報；

步驟3，對步驟2中得到的集合洪水確定性預報進行誤差實時校正；

步驟4，將步驟3中校正后的集合洪水確定性預報轉化為集合洪水概率預報；

步驟5，對步驟4獲得的集合洪水概率預報進行加權融合，得到綜合實時洪水概率預報。

所述步驟1中，集合預報降水數據來源于TIGGE數據集，包括但不限于歐洲中期天氣預報中心(ECMWF)、中國氣象局(CMA)、美國國家環境預報中心(NCEP)、日本氣象廳(JMA)、加拿大氣象中心(CMC)以及英國氣象局(UKMO)等預報中心發布的集合預報降水資料。

所述步驟2中，可根據實際情況選擇適當的水文模型，為概念性水文模型或者分布式水文模型，包括但不限于新安江模型、TOPMODEL模型或VIC模型。

所述步驟3中，采用的洪水預報誤差實時校正方法為自回歸修正法。

所述步驟4中，采用基于Copula函數理論的貝葉斯洪水概率預報模型(Copula-BFS)將洪水確定性預報轉化為對應的洪水概率預報。

所述步驟5中，依據洪水概率預報集合成員的連續概率排位分數(CRPS值)的倒數，除以各集合成員CRPS值倒數之和，得到的各項數值分別作為該集合成員加權融合時的權重系數。