[發明專利]一種基于實測徑流數據的水文預報狀態變量實時修正方法

有效

• 申請號: 202110900985.3
• 申請日: 2021-08-06
• 公開（公告）號: CN113592186B
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 劉莉;許月萍;鄭超昊;周鵬;王士武
• 申請（專利權）人: 浙江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06F16/29;G06F16/26
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

本發明公開了一種基于實測徑流數據的水文預報狀態變量實時修正方法，該方法步驟如下：步驟1，收集和整理水文氣象實測數據和數值降水預報數據；步驟2，根據步驟1中的水文氣象實測數據構建流域水文模型，進行模型參數優化，確定模型最優參數組；步驟3，選定影響模型產匯流的重要狀態變量，根據模型產匯流原理和步驟2中的最優參數組反推狀態變量的計算公式，并依據實時觀測徑流計算當前時刻的狀態變量；步驟4，利用數據同化方法將步驟3計算得到的狀態變量作為模型初始條件輸入水文模型，引入數值降水預報數據作為模型驅動進行洪水預報。該方法可提高流域水文模型對洪水的模擬和預報精度，有效延長洪水預見期。

技術領域

本發明涉及一種基于實測徑流數據的水文預報狀態變量實時修正方法，屬于洪水預報領域，主要用于水利部門開展洪水預報預警工作。

背景技術

由于城市化和氣候變化的影響，洪水干旱等自然災害的發生越來越頻繁，嚴重威脅著國民經濟和人民生命財產安全，利用實測徑流數據實時修正水文模型狀態變量，提高模型對洪水的模擬和預報能力，對緩解災情有著重要意義。

在實際流域中，由于諸多因素的影響，洪水預報存在較大的誤差。其中，影響洪水預報精度的主要因素包括輸入降水預報的誤差、水文模型的誤差、觀測資料誤差等，因此利用實時觀測數據及時修正模型誤差，可以顯著彌補洪水預報的不足。目前大部分研究集中于對土壤含水量、降水預報以及輸出流量的實時修正，考慮到水文預報是根據水文模型經由一系列的中間過程計算得到的，狀態變量作為計算過程的中間值，其取值對模型計算有著直接的影響，初值不同，計算的結果相差很大。因此，對狀態變量進行實時修正，可以起到更為直接有效的效果。

一般來說，水文模型尤其是集總概念式水文模型的狀態變量一般均具有一定的物理意義，原則上狀態變量值都是可以測量的，但是在實際應用中往往難以直接測量，主要原因包括流域的不均勻性、水文模型狀態變量的多樣性等。目前狀態變量的確定方式有兩種方法，一種是在年初人為給定狀態變量初值，另一種則是根據人工經驗給定計算開始時刻的狀態變量初值。但這兩種方法均存在依靠經驗、過度主觀的缺陷，造成狀態變量的給定存在較大誤差。初值誤差在模型系統內不斷傳輸、繁衍，最終導致模型輸出結果與實際相差甚遠。

現今國內外洪水預報的實時修正方法有很多，其中基于自回歸的AR模型和卡爾曼濾波模型最為常用。AR模型結構簡單、計算簡便，但其修正效果依賴于前后時段徑流誤差的相關性，并且往往對洪峰的修正效果有限。卡爾曼濾波較為復雜，可容納的信息量大，但實時洪水常常難以提供修正所需要的足夠信息，大大限制了該方法的使用，導致其修正效果與AR模型效果類似。

發明內容

為解決上述現有技術的不足，本發明的目的在于提供一種基于實測徑流數據的水文預報狀態變量實時修正方法，以實現洪水實時修正，提高洪水預報的精度并延長預見期。

為實現上述目標，本發明通過如下技術方案實現：

一種基于實測徑流數據的水文預報狀態變量實時修正方法，包括如下步驟：

步驟1，收集和整理水文氣象實測數據和數值降水預報數據；

步驟2，根據步驟1中的水文實測氣象數據構建流域水文模型，進行模型參數優化，確定模型最優參數組；

步驟3，選定影響模型產匯流的重要狀態變量，根據模型產匯流原理和步驟2中的最優參數組反推狀態變量的計算公式，并依據實時觀測徑流計算當前時刻的狀態變量；

步驟4，利用數據同化方法將步驟3計算得到的狀態變量作為模型初始條件輸入水文模型，引入數值降水預報數據作為模型驅動進行洪水預報。