[發明專利]一種中長期徑流集合預報方法

有效

• 申請號: 201910839694.0
• 申請日: 2019-09-06
• 公開（公告）號: CN110555561B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 張騰;王忠靜;張子雄
• 申請（專利權）人: 清華大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 廖元秋

本發明提出一種中長期徑流集合預報方法，屬于水文預報領域。該方法首先分別獲取預報對象的歷史徑流數據，獲取歷史氣象數據作為本地相關因子，以及獲取氣候因子數據作為遙相關因子；將待預報月份的前11個月份的徑流數據作為時間序列自相關因子；從以上所有因子中選取相關系數最高的因子組成預報因子集；利用經過訓練且驗證完畢的機器學習徑流預報模型，將待預報月份對應的預報因子集數據輸入模型，得到該月份徑流量的預報值。本發明可實際應用于水文站數據缺失地區和站點稀疏地區的逐月徑流計算，還可用于缺失徑流數據的插補，為當地水資源分配與管理尤其干旱區水庫調度、當地灌溉規劃和農業用水管理等提供有效的參考依據。

技術領域

本發明屬于水文預報領域，具體涉及一種中長期徑流集合預報方法。

背景技術

在氣候變化的背景下，水循環不僅受到當地氣象要素的影響，還受到全球氣候因素的影響。在干旱區，氣候惡劣、人煙稀少，由于地形和設備等客觀條件的限制，水文站點和氣象站點等分布稀疏，且常存在數據缺測、缺失問題，在灌溉用水和農業用水占比比較大的情況下，無法合理、高效地調配水資源，造成水資源的浪費，加劇水資源的緊缺情勢。水資源的高效利用對于保證區域的可持續發展具有重要意義，而高精度的徑流預測可以指導地區水資源規劃與管理，尤其是可有效指導當地灌溉和農業用水，對于水資源的有效利用和區域的可持續發展具有重要意義。

若要提高徑流預報結果的精確度，不僅要注重統計特性，建立合適的模型，更要關注徑流的物理成因，找準、找全徑流的影響因子，即確定合適的預報因子非常重要。王君(2014)基于遙相關原理，以大氣環流特征量為徑流的預報因子集進行徑流預報，分析得到不同月份徑流數據的預報因子集有所不同；并考慮時間滯后效應，分析前期月份的大氣環流特征量對未來徑流數據的影響，逐月分別進行徑流預報。梁忠民等人(2017)基于遙相關原理，從前一年項環流指數、北太平洋海溫場和高度場這三類數據挑選預報因子，并用三種機器學習模型進行預報并進行結果對比。這兩個研究共同存在的不足是，單一考慮遙相關因子對預報對象徑流的影響，未充分考慮到預報月前的徑流量甚至本地月降水量會對徑流尤其是會對干旱區的徑流產生直接影響，而且氣溫會通過影響降水、融冰等過程而間接地影響徑流過程。此外，傳統的統計方法如時間序列模型，利用線性回歸、傅里葉分析和自回歸移動平均(ARMA)模型將序列分解為趨勢項、周期項和隨機項，但時間序列模型只適用于平穩序列。而隨著氣候變化的加劇，徑流已成為非平穩序列問題。因此，時間序列模型等傳統統計方法已經無法解決這些問題。機器學習模型如神經網絡(NN)和支持向量機(SVM)等則用于解決非線性和非平穩性徑流數據的擬合和預報問題。但可從中得到啟示，時間序列本身是有統計規律的，前期徑流對未來徑流是有影響的，所以，基于時間序列自相關性，考慮前期徑流作為徑流的預報因子之一進行分析。但周建中等人(2017)單一考慮本地降水和前期徑流對徑流過程的影響，未充分考慮遙相關氣候因子的影響，不能充分表達氣候變化環境下對徑流的影響。

綜合上述分析，目前還沒有研究既從空間尺度上考慮遙相關因子和本地相關的氣象因子，又從時間尺度上考慮時滯效應和時間序列自相關性的集合徑流預報方法。

發明內容

本發明的目的是為克服目前已有預報方法不能很好地預報非穩定性時間序列的問題，提出一種中長期徑流集合預報方法。本發明結合少量的水文站、氣象站資料與易獲取的氣候因子數據，綜合考慮遙相關原理、時間序列自相關特性、時滯效應和機器學習方法，建立逐月預報中長期徑流的模型；可實際應用于水文站數據缺失或稀疏的區域作為徑流的參考值，為當地水資源分配與管理尤其干旱區水庫調度、當地灌溉規劃和農業用水管理等提供有效的參考依據。

本發明提出一種中長期徑流集合預報方法，包括以下步驟：