一种基于水文模型参数动态校准的径流预报方法与流程

本发明属于水文预报领域，特别涉及一种基于水文模型参数动态校准的径流预报方法。

背景技术：

1、流域水文模型是预测径流量的基础，包括集总式水文模型和分布式水文模型。进行水文模型参数校准，是提高径流预报精度的关键。径流预报是水灾害预防预警和水资源开发与利用的重要依据，同时也为水库调度提供了决策依据。随着计算机技术的不断发展，各种算法也被应用于水利行业，从而加快了水文模型径流预测的发展。

2、近年来，许多研究都聚焦于分析径流序列的趋势和规律来预测未来径流，或者通过改进算法来优化模型参数以确定适合流域的优化参数来预测未来径流。但这些方法往往剥离了降雨与径流之间的关系，或产生的一套水文参数不足以适用各种降雨情景下的径流预测。

3、因此，为了更好地适应各种降雨情况下的径流预测，需要从降雨要素角度出发，提出一种水文模型参数动态校准的径流预测方法。这种方法会充分利用历史数据，通过筛选历史相似的降雨情景来动态校准模型参数，从而提高径流预报的精度。

技术实现思路

1、本发明所要解决的技术问题是提供一种基于水文模型参数动态校准的径流预报方法，不仅能快速查找相似降雨径流过程，还能动态校准水文模型参数，提高径流预测精度。

2、为解决上述技术问题，本发明所采用的技术方案是：一种基于水文模型参数动态校准的径流预报方法，包括如下步骤：

3、s1、获取和处理气象水文数据；

4、s2、利用相似性搜索算法挑选用于水文模型参数校准的校准数据和验证数据；

5、s3、利用优化算法进行水文模型参数校准；

6、s4、采用校准后的水文模型进行径流预报。

7、优选的方案中，所述步骤s1包括以下步骤：

8、s11、选取尽可能多包含不同量级的历史降雨径流场次数据，并获取流域在未来一段时间内的预报降雨时间序列数据；

9、s12、提取每一场降雨径流数据的降雨要素：最大降雨强度、总降雨量和降雨持续时间；

10、s13、将降雨径流场次数据整理成数据集。

11、优选的方案中，所述步骤s2包括以下步骤：

12、s21、基于降雨径流场次数据集和预报降雨时间序列数据建立翘曲矩阵，利用动态规整算法求解使扭曲成本最小的路径；

13、s22、计算降雨径流场次数据和预报降雨时间序列数据间的相似度值，根据计算得到的相似度值对降雨径流场次数据集按照相似度大小进行排序，将与预报降雨时间序列数据相似度最高的前10至15组数据作为校准数据集，从降雨径流场次数据集中随机3至5组数据作为验证数据集。

14、优选的方案中，所述步骤s21包括以下步骤：

15、s211、假设降雨径流场次数据集合r中包含x个降雨事件，ry是集合r中某个长度为m的降雨事件，未来预报降雨记作长度为n；如果降雨事件的长度与未来的预报降雨长度一致，即m＝n时，直接计算两者之间的欧氏距离，否则需要构造一个m行n列的翘曲矩阵，将两个序列对齐后再计算欧氏距离，矩阵中的每个元素(i,j)表示点和ryj之间的对齐，欧氏距离计算公式为：

16、

17、s212、两个序列的最佳匹配为通过翘曲矩阵的最小扭曲成本的路径，该路径是两个序列之间总累计距离值最小的路径，记为s＝{s1,s2,...,sv,...,sk}，设sv＝(i,j)，sv+1＝(i',j')，应满足以下约束：

18、1)边界约束：s1＝(1,1)且sk＝(m,n)；

19、2)连续性约束：i'≤i+1且j'≤j+1；

20、3)单调性约束：i'≥i且j'≥j。

21、优选的方案中，所述步骤s22中，dtw值计算公式如下：

22、

23、其中：

24、和ry从点(0,0)开始匹配到端点(m,n)结束，dtw值即为从端点到起始点所有点计算的距离的累计值，描述了序列ry与的相似程度，某中间点的累计距离记为d(i,j)，表达式为：

25、

26、通过此公式可计算出整个r集合中每个序列与的相似程度，按照dtw值从小到大排序，dtw值越小，表示该降雨事件与预报降雨间的相似度越高，即可筛选出与预报降雨最相似的历史降雨事件。

27、优选的方案中，所述步骤s3包括如下步骤：

28、s31、选择粒子群算法作为水文模型参数校准的优化算法；

29、s32、利用校准数据集，对水文模型参数进行优化校准；

30、s33、利用验证数据集来验证校准后的水文模型参数，直至预测精度满足要求，得到动态校准后的水文模型参数。

31、优选的方案中，所述步骤s32中，水文模型参数是待优化的变量，通过粒子群算法求解出一组最优水文模型参数使水文模型的模拟流量过程和实测流量过程达到最佳程度的拟合。

32、优选的方案中，所述步骤s32中的水文模型参数包括：流域蒸散发折减系数k、流域土壤上层蓄水容量wum、流域土壤下层蓄水容量wlm、深层蒸散发系数c、流域平均蓄水容量wm、流域蓄水容量不均匀分配系数b、不透水面积比例imp、自由水蓄水容量sm、自由水容量曲线指数ex、壤中流出流系数kss、地下出流系数kg、壤中流消退系数kkss、地下水消退系数kkg、消退系数cs、滞时l。

33、优选的方案中，所述步骤s33中，验证指标为nash-sutcliffe效率系数nse，该系数计算公式如下：

34、

35、式中，qi是观测值、是观测值的均值、qi'为模型预测值。

36、本发明提供的一种基于水文模型参数动态校准的径流预报方法，具有以下有益效果：

37、1、利用相似性搜索算法挑选用于水文模型参数校准的校准数据和验证数据，其优点在于该方法可以避免罕见或错误的降雨事件对水文模型参数校准准确性产生负面影响，从而提高径流预报精度。目前，一般采用随机或经验方法来挑选用于水文模型参数校准的校准数据和验证数据方法，这种传统方法具有较大不确定性，容易将一些罕见或错误的降雨事件纳入到水文模型参数校准数据中，对水文模型参数校准产生不利影响。此外，水文预报人员有一个多年积累的主观经验，既选用与预报降雨相似的降雨径流事件进行水文模型参数校准会可以提高校准精度，这种主观的经验没有任何理论和技术支撑，步骤二所采用的方法为该种经验的应用提供了有力技术支撑。

38、2、本发明基于历史降雨径流场次过程，利用水文模型参数动态校准的径流预报方法，对未来降雨产生的径流过程进行预测，与传统径流预报模型相比，给出历史相似降雨径流过程进行参考，改变不同降雨情景下使用固定一套水文参数的径流预报模式，具有精度高、可靠性高、信息多等优点，可极大提高径流预报的效率，而且普适性强，可应用于防汛、水资源利用和大型水库调度。

技术特征：

1.一种基于水文模型参数动态校准的径流预报方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于，所述步骤s1包括以下步骤：

3.根据权利要求1所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于，所述步骤s2包括以下步骤：

4.根据权利要求3所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于：所述步骤s21包括以下步骤：

5.根据权利要求3所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于：所述步骤s22中，dtw值计算公式如下：

6.根据权利要求1所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于，所述步骤s3包括如下步骤：

7.根据权利要求6所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于，所述步骤s32中，水文模型参数是待优化的变量，通过粒子群算法求解出一组最优水文模型参数使水文模型的模拟流量过程和实测流量过程达到最佳程度的拟合。

8.根据权利要求6所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于，所述步骤s32中的水文模型参数包括：流域蒸散发折减系数k、流域土壤上层蓄水容量wum、流域土壤下层蓄水容量wlm、深层蒸散发系数c、流域平均蓄水容量wm、流域蓄水容量不均匀分配系数b、不透水面积比例imp、自由水蓄水容量sm、自由水容量曲线指数ex、壤中流出流系数kss、地下出流系数kg、壤中流消退系数kkss、地下水消退系数kkg、消退系数cs、滞时l。

9.根据权利要求6所述的一种基于水文模型参数动态校准的径流预报方法，其特征在于，所述步骤s33中，验证指标为nash-sutcliffe效率系数nse，该系数计算公式如下：

技术总结
本发明提供一种基于水文模型参数动态校准的径流预报方法，包括如下步骤：S1、获取和处理气象水文数据；S2、利用相似性搜索算法挑选用于水文模型参数校准的校准数据和验证数据；S3、利用优化算法进行水文模型参数校准；S4、采用校准后的水文模型进行径流预报。该方法不仅能快速查找相似降雨径流过程，还能动态校准水文模型参数，提高径流预测精度。

技术研发人员：曾志强,曹辉,郭乐,舒卫民,张东杰,王锦,卢佳,马浩宇,张玉柱,沈柯言,马一鸣
受保护的技术使用者：中国长江电力股份有限公司
技术研发日：
技术公布日：2024/2/21