[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

本發明公開了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，屬于降雨預報領域，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，對于其中的每一個降雨預報模型，利用該模型對不同歷史時間段的降雨量進行預報，并將預報結果劃分為k個降雨量等級；基于神經網絡建立各降雨量等級對應的耦合預報模型，并結合同期實測降雨量對其進行訓練；降雨預報階段：利用各降雨預報模型分別預報目標時間段的降雨量，確定相應的降雨量等級，并選取對應的耦合預報模型耦合各預報結果，得到最終預報結果。本發明能夠提高中長期降雨預報的精度，并延長降雨預報的預見期。

技術領域

本發明屬于降雨預報領域，更具體地，涉及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。

背景技術

中長期水文預報是指根據前期氣象水文要素，基于成因分析與數理統計的方法，對未來較長時間內的水文要素進行科學的預測。中長期降雨預報可以為中長期水文預報提供降雨數據，是中長期水文預報的基礎。流域降雨過程是一種強烈依賴于大氣環流、地表蒸發、全球氣候因子變化等動力特性的非線性時變過程，涉及的變量眾多，并受自然條件脅迫和人類活動干擾，因此流域降雨時空變異規律異常復雜，如何提高中長期降雨預報的精度，是中長期水文預報中一個亟待解決的難題。

現有的中長期降雨預報方法，主要利用特定的模型進行降雨預報，這些方法在一定程度上能夠實現中長期降雨預報，但是降雨預報精度通常受制于輸入的數據質量、選用的預報模型結構和優選的模型參數，具體表現在以下方面：①輸入方面：以大氣環流、海表溫度、海冰、積雪等氣象因子為降雨模型主要輸入信息，降雨預報預見期受觀測降雨時效性的限制；②模型方面：對于研究區域，通常采用一種降雨預報模型進行降雨過程模擬，忽略了不同降雨預報模型的流域適應性，預報結果容易出現較大誤差，導致決策風險；③參數率定方面：優選模型參數的目標函數單一，難以全面反映流域內不同降雨過程的峰值、雨量以及演化過程差異；④預報精度方面：忽略了模型預報誤差對預報模型的指導意義，未充分利用模型的互補性特征，進行預報結果的校正。

此外，大流域降雨預報，在空間維度存在地形復雜、空間差異性大的特點，在時間維度存在不確定性強的特點，且受上述一種或多種問題的協同制約，現行降雨預報難以滿足流域水文預報、防災減災及水資源科學管理對降雨預報精度及預見期的需求。

發明內容

針對現有技術的缺陷和改進需求，本發明提供了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，其目的在于，提高中長期降雨預報的精度，并延長降雨預報的預見期。

為實現上述目的，按照本發明的一個方面，提供了一種基于統計動力的中長期降雨分級耦合預報方法，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；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：