一種串并聯(lián)耦合的多模型水文預(yù)報(bào)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于水文學(xué)中的水文預(yù)報(bào)領(lǐng)域，涉及一種串并聯(lián)耦合的多模型水文預(yù)報(bào)方 法。該方法能夠?yàn)樗芾聿块T實(shí)現(xiàn)高精度的水文預(yù)報(bào)提供理論依據(jù)與技術(shù)支撐。
【背景技術(shù)】
[0002] 水文預(yù)報(bào)通過對(duì)未來水文情勢(shì)（如洪峰流量）做出科學(xué)預(yù)測(cè)，特別是對(duì)災(zāi)害性水 文現(xiàn)象做出準(zhǔn)確預(yù)報(bào)，從而實(shí)現(xiàn)防洪減災(zāi)以及水資源的合理開發(fā)利用。提高水文預(yù)報(bào)的精 度是水文預(yù)報(bào)工作的重要內(nèi)容，對(duì)防洪減災(zāi)、保護(hù)人民生命財(cái)產(chǎn)安全、充分發(fā)揮水利工程效 益改善生態(tài)環(huán)境等起著至關(guān)重要的作用。
[0003] 現(xiàn)行的提高水文預(yù)報(bào)精度的方法主要有實(shí)時(shí)校正和組合預(yù)報(bào)兩種方法。實(shí)時(shí)校正 方法利用了預(yù)報(bào)誤差序列自身的相關(guān)性特征，預(yù)測(cè)未來時(shí)刻的誤差值，從而實(shí)現(xiàn)對(duì)水文預(yù) 報(bào)結(jié)果的實(shí)時(shí)校正（如專利CN201010106038. 9-洪水預(yù)報(bào)系統(tǒng)中實(shí)時(shí)校正模型的優(yōu)選方 法）。組合預(yù)報(bào)方法是在當(dāng)前應(yīng)用廣泛的各種水文預(yù)報(bào)模型的基礎(chǔ)上，利用模型之間的互補(bǔ) 性，融入了模型加權(quán)法的思想，選取對(duì)應(yīng)用流域較為適用的幾種水文模型建立組合預(yù)報(bào)方 案，進(jìn)行水文預(yù)報(bào)（如專利CN200910234628. 7-一種不同機(jī)制水文模型組合的水文預(yù)報(bào)方 法）。

【發(fā)明內(nèi)容】

[0004] 現(xiàn)行方法未將實(shí)時(shí)校正與組合預(yù)報(bào)兩種方法緊密結(jié)合起來，建立更為系統(tǒng)和科學(xué) 的水文預(yù)報(bào)校正模型。本發(fā)明提出了實(shí)時(shí)校正與組合預(yù)報(bào)耦合的水文預(yù)報(bào)方法，即一種串 并聯(lián)耦合的多模型水文預(yù)報(bào)方法，以便充分發(fā)揮實(shí)時(shí)校正與組合預(yù)報(bào)的優(yōu)勢(shì)，從而最大限 度地提高水文預(yù)報(bào)的精度和水平。
[0005] 本發(fā)明在現(xiàn)有實(shí)時(shí)校正與組合預(yù)報(bào)模型的基礎(chǔ)上，創(chuàng)造性地結(jié)合了二者的優(yōu)勢(shì)， 研發(fā)了一種串并聯(lián)耦合的多模型水文預(yù)報(bào)方法，依據(jù)耦合方式的不同，共提出三種有效形 式，即先串后并法、先并后串法，以及一體化耦合方法。本發(fā)明最大限度地減少了預(yù)報(bào)誤差、 提高了預(yù)報(bào)精度，從而實(shí)現(xiàn)了高精度的水文實(shí)時(shí)預(yù)報(bào)。
[0006] 為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：
[0007] 步驟1 :選擇預(yù)報(bào)斷面，獲取該斷面歷史時(shí)期實(shí)測(cè)降雨和流量資料，將資料分為率 定期和檢驗(yàn)期兩部分；采用率定期的數(shù)據(jù)，率定水文模型的參數(shù)，采用檢驗(yàn)期的數(shù)據(jù)，檢驗(yàn) 水文模型的效果。建立多個(gè)水文預(yù)報(bào)模型，如新安江模型、水箱模型以及API (Antecedent Precipitation Index)模型等，分別預(yù)報(bào)該斷面的徑流量。
[0008] 步驟2 :建立串并聯(lián)耦合的水文預(yù)報(bào)模型。
[0009] 本發(fā)明研發(fā)了一種串并聯(lián)耦合的多模型水文預(yù)報(bào)方法，按耦合方式的不同，共分 為三種形式，即先串后并法、先并后串法以及一體化耦合模型。
[0010] ⑴先串后并法
[0011] ①首先，對(duì)單個(gè)水文預(yù)報(bào)模型的結(jié)果進(jìn)行校正，完成串聯(lián)預(yù)報(bào)的過程。
[0012] 基于實(shí)測(cè)和步驟1中各水文模型的預(yù)報(bào)流量，得到各預(yù)報(bào)模型的預(yù)報(bào)誤差序列。 依據(jù)預(yù)報(bào)誤差序列的自相關(guān)特性，建立誤差自回歸校正模型。具體如下：
[0013] 令實(shí)測(cè)序列為Qt= (Q Q2, ...，Qn)，η為序列的長(zhǎng)度，預(yù)測(cè)序列為
預(yù)測(cè)序列與實(shí)測(cè)序列的差值為誤差序列，記為et= (e i，e2, . . .，en)。誤 差自回歸模型的數(shù)學(xué)表達(dá)式為：
[0014] et= Θ a 片 Θ 2et 2+…+ Θ qet q+ ξ
[0015] 式中，Q1Q = 1，2，···，(?)為自回歸模型的參數(shù)。采用上式，建立q階自回歸模型 AR(q)。為了使所選取的自回歸模型對(duì)數(shù)據(jù)的擬合效果最好，通過AIC準(zhǔn)則來確定模型的階 數(shù)。q階自回歸模型AR(q)的AIC(q)值為：
[0017] 選擇在檢驗(yàn)期AIC(Akaike information criterion)值最小的q階自回歸模型參 與以下計(jì)算。通過建立的自回歸模型預(yù)測(cè)t時(shí)刻的預(yù)報(bào)誤差et，采用得到的預(yù)報(bào)誤差值對(duì) 預(yù)報(bào)結(jié)果進(jìn)行校正。針對(duì)每個(gè)水文預(yù)報(bào)模型，利用上述方法，得到各個(gè)預(yù)報(bào)模型在該斷面預(yù) 報(bào)流量的串聯(lián)預(yù)報(bào)結(jié)果。
[0018] ②其次，綜合每個(gè)單一模型串聯(lián)預(yù)報(bào)的結(jié)果，完成并聯(lián)校正過程。
[0019] 基于m個(gè)水文模型串聯(lián)預(yù)報(bào)序列^li,4，.建立并聯(lián)校正模型，如下所示：
[0021] 式中，Co1, ω2，...，Coni分別為各個(gè)水文預(yù)報(bào)模型的耦合權(quán)重，且滿足條件 ο^+ω^ + ω^Ι。采用最小二乘法計(jì)算并聯(lián)預(yù)報(bào)的權(quán)重。由此得到了先串后并耦合模 型的計(jì)算結(jié)果。
[0022] (2)先并后串法
[0023] ①基于m個(gè)水文模型的預(yù)報(bào)序列Qlt，Q2t, ...，Qnit，建立并聯(lián)校正模型，如下所示：
[0024] Ft= ω !Qlt+W2Q2t+--- +OmQnit
[0025] 式中，ω1; ω2，...，Coni分別為各個(gè)水文預(yù)報(bào)模型的耦合權(quán)重，且滿足條件 ω?+ω2+…+ CJm= 1。米用最小二乘法計(jì)算并聯(lián)fe正中各模型的權(quán)重。
[0026] ②依據(jù)并聯(lián)校正的結(jié)果，得到并聯(lián)校正的誤差序列。利用上述自回歸模型原理，建 立誤差自回歸串聯(lián)校正模型AR(q)，基于AIC準(zhǔn)則確定模型的階數(shù)，對(duì)多個(gè)預(yù)報(bào)模型的并聯(lián) 校正結(jié)果進(jìn)行串聯(lián)校正。由此得到了先并后串耦合模型的計(jì)算結(jié)果。
[0027] (3) -體化耦合方法
[0028] 利用斷面實(shí)測(cè)徑流量和各個(gè)水文預(yù)報(bào)模型模擬預(yù)報(bào)的徑流量，建立一體化耦合模 型。記水文模型個(gè)數(shù)為m，實(shí)測(cè)序列為Q t，各個(gè)水文模型的預(yù)報(bào)結(jié)果為Qlt，Q2t，...，Qnit。對(duì) 各個(gè)模型采用誤差自回歸模型預(yù)測(cè)t時(shí)刻的誤差序列e t，表達(dá)式如下：
為回歸系數(shù)。采用上述預(yù)報(bào)誤差值 對(duì)預(yù)報(bào)結(jié)果進(jìn)行校正，得到各模型串聯(lián)校正后的流量序列
[0031] 在各模型串聯(lián)預(yù)報(bào)結(jié)果的基礎(chǔ)上，利用最小二乘法，進(jìn)行多個(gè)模型的并聯(lián)校正，并 聯(lián)校正的結(jié)果為Ft:
[0033] 式中，Co1, ω2，...，Coni分別為各個(gè)水文預(yù)報(bào)模型的耦合權(quán)重，且滿足條件 ω χ+ω 2+··· + ω m= 1〇
[0034] 采用整體優(yōu)化的方法（一體化方法）同時(shí)求得到串聯(lián)校正與并聯(lián)校正的參數(shù)。令 并聯(lián)校正結(jié)果的誤差為F t-Qt,其誤差的期望記為E (Ft-Qt)2。為了使誤差的期望值E (Ft-Qt)2 最小，得到如下目標(biāo)函數(shù)：
[0036] 式中，其參數(shù)包含回歸系數(shù)（α η, α 21)，（α 12, α 22)，…，（α 1η, α 2n)以及權(quán)重系數(shù) ωι，ω2，···，ωη>兩部分，共3m個(gè)待定參數(shù)。
[0037] 引入粒子群智能優(yōu)化算法（Particle Swarm Optimizer, PS0)同時(shí)求解這些參數(shù)。 得到這些參數(shù)后，先采用串聯(lián)校正方法，對(duì)各水文模型的預(yù)報(bào)流量進(jìn)行串聯(lián)校正，得到串聯(lián) 校正結(jié)果；而后，利用并聯(lián)校正方法，對(duì)各水文模型實(shí)時(shí)校正后的結(jié)果進(jìn)行并聯(lián)校正。由此 得到了一體化耦合方法的計(jì)算結(jié)果。
[0038] 步驟3 :選取平均絕對(duì)誤差、平均相對(duì)誤差、確定性系數(shù)和均方根誤差等常用精度 評(píng)定指標(biāo)，對(duì)三種形式的串并聯(lián)耦合模型的結(jié)果進(jìn)行精度評(píng)定。
[0039] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)和效果：
[0040] (1)已有技術(shù)只采用實(shí)時(shí)校正技術(shù)或組合預(yù)報(bào)方法提高水文預(yù)報(bào)的精度，而未將 二者結(jié)合起來考慮。本發(fā)明在綜合實(shí)時(shí)校正與組合預(yù)報(bào)優(yōu)勢(shì)的基礎(chǔ)上，提出了一種串并聯(lián) 耦合的多模型水文預(yù)報(bào)方法，校正結(jié)果要明顯的優(yōu)于單純實(shí)時(shí)校正或組合預(yù)報(bào)的結(jié)果，最 大限度地減少了