[發(fā)明專利]一種基于CPP的水文模型參數(shù)動(dòng)態(tài)率定方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910635730.1
• 申請(qǐng)日: 2019-07-15
• 公開（公告）號(hào): CN110490228A
• 公開（公告）日: 2019-11-22
• 發(fā)明（設(shè)計(jì)）人: 林凱榮;蘭甜;梁汝豪;盧鵬宇
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06Q10/04;G06Q10/06;G06Q50/26;G01W1/00
• 代理公司: 44102 廣州粵高專利商標(biāo)代理有限公司
• 代理人: 王曉玲<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入

1.一種基于CPP的水文模型參數(shù)動(dòng)態(tài)率定方法，其特征在于，包括以下步驟：

S1.將率定期在年尺度上劃分為多個(gè)子期，并計(jì)算所有子期的氣象聚類指標(biāo)和下墊面聚類指標(biāo)；基于聚類指標(biāo)與流量之間的非線性關(guān)系來(lái)篩選出候選聚類指數(shù)；

S2.采用PCA算法消除聚類指標(biāo)之間的多重共線性；

S3.對(duì)所有年份的每個(gè)子期的聚類指標(biāo)值進(jìn)行平均；并根據(jù)氣象指標(biāo)和下墊面指標(biāo)依次進(jìn)行兩次聚類操作，最終將年內(nèi)水文過(guò)程劃分為四個(gè)子期進(jìn)行率定，即干旱期，雨期I，雨期II和雨期III；

S4.采用改進(jìn)的并行率定方案在每個(gè)子期對(duì)TOPMODEL模型參數(shù)進(jìn)行獨(dú)立地優(yōu)選，并組合以生成連續(xù)的流量序列值；

S5.利用多指標(biāo)綜合評(píng)價(jià)體系評(píng)估水文模型在不同流量條件下的模擬性能。

2.根據(jù)權(quán)利要求1所述的基于CPP的水文模型參數(shù)動(dòng)態(tài)率定方法，其特征在于，所述的S1步驟具體包括：

1)將率定期在年尺度上劃分為24個(gè)子期，時(shí)間尺度為半個(gè)月；

2)對(duì)于氣象指標(biāo)，除了考慮所有年份的各子期平均降水和蒸發(fā)量，還考慮了流域的水文行為對(duì)極端氣候事件高度敏感性，相應(yīng)的極端氣象指標(biāo)也被視為聚類指標(biāo)的另一部分；

3)考慮徑流系數(shù)以反映降水與徑流之間關(guān)系的相關(guān)關(guān)系；

4)采用最大信息系數(shù)來(lái)確定上述聚類指標(biāo)間以及聚類指標(biāo)和徑流量時(shí)間序列間的非線性相關(guān)性。

3.根據(jù)權(quán)利要求2所述的基于CPP的水文模型參數(shù)動(dòng)態(tài)率定方法，其特征在于，所述的S2步驟具體包括：

S21.分析所有聚類指標(biāo)間的非線性相關(guān)性；

S22.利用主成分分析以消除聚類指標(biāo)間的多重共線性和冗余信息。

4.根據(jù)權(quán)利要求2所述的基于CPP的水文模型參數(shù)動(dòng)態(tài)率定方法，其特征在于，所述的S3步驟具體包括：

S31.利用24組氣象指標(biāo)，利用模糊C均值聚類方法在年尺度上將率定期劃分為三個(gè)子期，包括干旱期，平水期和濕潤(rùn)期，即聚類操作I；

S32.基于下墊面指標(biāo)對(duì)平水期進(jìn)行進(jìn)一步的聚類劃分操作，最終將年內(nèi)水文過(guò)程劃分為四個(gè)子期進(jìn)行率定，即干旱期，雨期I，雨期II和雨期III，即聚類操作II；

S33.將最優(yōu)參數(shù)組輸入至TOPMODEL模型，實(shí)現(xiàn)水文預(yù)報(bào)。

5.根據(jù)權(quán)利要求4所述的基于CPP的水文模型參數(shù)動(dòng)態(tài)率定方法，其特征在于，所述的S5步驟中多套指標(biāo)綜合評(píng)價(jià)體系中的評(píng)價(jià)指標(biāo)包括納什系數(shù)NSE、對(duì)數(shù)納什系數(shù)LNSE、和基于均方根誤差RMSE的五個(gè)分段流量歷時(shí)曲線5FDC。