[发明专利]一种基于全局自动优化算法的洪水实时校正方法

说明书

本发明提供一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块，先运用水文耦合模块对模型产汇流参数和流域初始状态参数进行实时校正，计算得到初步校正预报结果，后运用误差耦合模块对初步校正预报误差进行误差校正计算，得到最终的洪水校正预报结果。本发明将水文模型和误差校正模型分别与全局自动优化算法进行耦合处理，形成相互嵌套的水文耦合模块和误差耦合模块，并依据实时降雨径流信息进行洪水实时校正预报。本发明提出一种新的思路，对水文模型参数进行实时校正计算，从“根源”上提高洪水预报精度，克服现有单对预报误差进行校正方法的缺陷，保证实时校正预报效果的可靠性和稳定性。

技术领域

本发明涉及水文预报领域，具体涉及一种基于全局自动优化算法的洪水实时校正方法。

背景技术

水文预报通过对未来水文情势(如洪峰流量)做出科学预测，特别是对灾害性水文现象做出准确预报，从而实现防洪减灾以及水资源的合理开发利用。提高水文预报的精度是水文预报工作的重要内容，对防洪减灾、保护人民生命财产安全、充分发挥水利工程效益改善生态环境等起着至关重要的作用。

现有的水库洪水预报方法较多，主要分为经验方法和水文模型；对预报结果进行实时校正的方法一般都是利用预报结果与实测结果之间的残差进行校正计算，常用的方法有自回归校正模型、卡尔曼滤波、神经网络、小波分析和最小二乘法等。这些方法一般只能校正系统误差，能够在一定程度上提高预报精度，但是效果有限。因为预报精度还受到预报方法的影响，比如利用水文模型进行洪水预报，预报精度主要取决于两个因素：(1)模型参数对流域下垫面产汇流特性反映程度；(2)流域初始状态变量设置值与流域实际情况的吻合程度。一方面，从预报方法层面进行校正预报是从“根源”减小误差，提高预报精度；另一方面，从预报残差层面进行校正预报是从“结果”减小误差，提高预报精度。

现有的实时校正方法大多数是建立在模型预报流量系列和实测流量系列的基础上，利用统计学的相关方法进行校正预报。这种误差校正方法存在一定的不足，首先，没有从误差来源层面入手，物理意义不够明确，校正效果并不明显；其次，相关统计方法本身具有局限性，校正预报结果没有进过自筛选，校正效果不够稳定。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种基于全局自动优化算法的洪水实时校正方法，本发明提出一种新的思路，对水文模型参数进行实时校正计算，从“根源”上提高洪水预报精度，克服现有单对预报误差进行校正方法的缺陷，保证实时校正预报效果的可靠性和稳定性。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块；所述的水文耦合模块用于依据实时的降雨径流信息对水文模型参数和流域初始状态变量进行实时校正计算，所述的水文耦合模块的实时校正区间为洪水开始时间到当前时刻；所述的误差耦合模块用于利用预报径流值与实测值之间的残差，对模型预报误差进行实时校正计算，所述的误差耦合模块的实时校正区间通过模块参数进行优选；所述的水文耦合模块与所述的误差耦合模块之间串联耦合，先运用所述的水文耦合模块进行实时校正预报，后运用所述的误差耦合模块对预报误差进行误差校正计算，得到最终的洪水预报。

进一步的，所述的水文耦合模块包括流域水文模型与全局自动优化算法；所述的水文耦合模块为所述的流域水文模型与所述的全局自动优化算法的耦合。

进一步的，所述的误差耦合模块包括误差校正模型与全局自动优化算法；所述的误差耦合模块为所述的误差校正模型与所述的全局自动优化算法的耦合。

进一步的，所述的流域水文模型包括新安江模型、前期影响雨量指数模型(API模型)、萨克拉门托模型(SAC模型)和水箱模型(TANK模型)。

进一步的，所述的误差校正模型包括自回归校正模型、卡尔曼滤波模型、神经网络模型、小波分析模型和最小二乘法模型。