[發明專利]一種基于統計動力的中長期降雨分級耦合預報方法及系統

有效

• 申請號: 202010463013.8
• 申請日: 2020-05-27
• 公開（公告）號: CN111665575B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 徐高洪;邴建平;陳璐;王棟;徐長江;楊鑫;賈建偉;鄧鵬鑫;汪飛;李林娟;劉昕;何康潔;吳常運
• 申請（專利權）人: 長江水利委員會水文局;華中科技大學
• 主分類號: G01W1/10
• 分類號: G01W1/10;G01W1/14;G06K9/62;G06N3/08
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種基于統計動力的中長期降雨分級耦合預報方法，其特征在于，包括：

模型訓練階段：

搜集目標區域和全球尺度的歷史水文氣象數據，并建立涵蓋統計學模型和動力學模型的中長期降雨預報模型庫；所述中長期降雨預報模型庫中每個降雨預報模型都用于預報預見期內任意一個時間段內的降雨量；

對于所述中長期降雨預報模型庫中的每一個統計學模型，利用該模型根據所搜集的歷史水文氣象數據對不同歷史時間段的降雨量進行預報，并通過聚類將預報結果劃分為k個降雨量等級；對于所述中長期降雨預報模型庫中的每一個動力學模型，利用該模型對不同歷史時間段的降雨量進行預報，并通過聚類將預報結果劃分為k個降雨量等級；其中，k≥1；

針對每一個降雨量等級，建立基于神經網絡的耦合預報模型，用于耦合各降雨預報模型對于同一時間段的預報結果，作為相同時間段的最終預報結果；結合歷史同期實測的降雨量，對各耦合預報模型進行訓練，在訓練完成后將各耦合預報模型作為各降雨量等級對應的中長期降雨耦合預報模型；

降雨預報階段：

搜集所述目標區域和全球尺度的歷史水文氣象數據后，利用所述中長期降雨預報模型庫中的各降雨預報模型分別預報目標時間段的降雨量，根據預報結果確定相應的降雨量等級，并選取對應的中長期降雨耦合預報模型耦合各預報結果，從而得到所述目標時間段內降雨量的最終預報結果。

2.如權利要求1所述的基于統計動力的中長期降雨分級耦合預報方法，其特征在于，對每一個降雨預報模型的預報結果都采用多種聚類算法進行聚類，并綜合所有降雨預報模型對應的聚類結果確定每一個降雨預報模型對應的聚類結果，以使得不同降雨預報模型對同一時間段的降雨預報結果被劃分到相同的降雨量等級，

對不同降雨預報模型的預報結果進行聚類時，保證對于同一時間段的降雨量預報結果被劃分到相同的降雨量等級。

3.如權利要求1所述的基于統計動力的中長期降雨分級耦合預報方法，其特征在于，在任意時間段t的降雨量的最終預報結果為：

W_t^*＝f_i(W_t,1,W_t,2,…W_t,m,…W_t,M)；

其中，W_t,m為所述中長期降雨預報模型庫中第m個降雨預報模型對時間段t的降雨預報結果，1≤m≤M，M為所述中長期降雨預報模型庫中降雨預報模型的總數；i為各降雨預報模型對時間段t的降雨量預報結果所屬的降雨量等級，f_i()為第i個降雨量等級對應的中長期降耦合預報模型。

4.如權利要求1-3任一項所述的基于統計動力的中長期降雨分級耦合預報方法，其特征在于，所述中長期降雨預報模型庫中的降雨預報模型為：多元線性回歸模型、隨機森林模型、RegCM4模型和NCEP CFSv2；

其中，多元線性回歸模型以多種大氣-海洋-陸面過程物理因子為輸入；隨機森林以全球尺度下的多種大氣-海洋-陸面遙相關因子為輸入。

5.如權利要求4所述的基于統計動力的中長期降雨分級耦合預報方法，其特征在于，所述多元線性回歸模型為：

W＝αA+βO+γL+ε；

其中，W為多元線性回歸模型的預報結果，A為大氣因子集，O為海洋因子集，L為陸面因子集，α為大氣因子的回歸系數，β為海洋因子的回歸系數，γ為陸面因子的回歸系數，ε為殘差項。

6.如權利要求1-3任一項所述的基于統計動力的中長期降雨分級耦合預報方法，其特征在于，在搜集目標區域的歷史水文氣象數據后，還包括：

計算所搜集的歷史水文氣象數據中各大氣-海洋-陸面過程物理因子與所述目標區域內歷史同期實測的降雨量之間的相關系數，并篩選出其中相關系數最大的topK個物理因子作為預報因子；

利用降雨預報模型進行降雨預報時，僅利用篩選出的預報因子進行預報；

其中，topK為正整數。