[发明专利]一种流域梯级水库系统月径流预测方法

权利要求书

1.一种流域梯级水库系统月径流预测方法，包括以下步骤：

S1：数据获取及处理，获取的数据包括流域内各格点CFSv2的9个月降雨实时预测及历史预测产品、站点历史实测逐日降雨资料、各水库断面的历史实测出入库流量；根据获取的数据计算CFS格点月降水及流域实测日、月面平均降雨量；

S2：基于机器学习算法拟合不同预见期的流域内CFS格点月降雨与流域实测月面降雨的回归关系，将该关系用于CFS预测的校正，计算得到流域未来9个月的月面降雨量；

S3：借助典型年降雨相似性分析对流域预测月面降雨进行时空降尺度，即由流域月面尺度降雨降为子流域日尺度降雨量；

S4：基于水量平衡原理还原得到各梯级水库的天然入库流量，构建适用于梯级水库系统的分布式水文模型SWAT；

S5：将S3得到的子流域日尺度降雨预测驱动构建的SWAT模型，对梯级水库系统各个水库的月入库量作出预测。

2.根据权利要求1所述的流域梯级水库系统月径流预测方法，其特征在于：步骤S1的降雨量处理方法为：根据流域内各格点CFSv2的9个月降水实时预测及历史预测产品累加计算各格点的月降雨量，根据站点历史实测逐日降雨资料采用面平均雨量计算方法确定流域历史实测面月降雨量。

3.根据权利要求2所述的流域梯级水库系统月径流预测方法，其特征在于：步骤S2，所述机器学习算法为随机森林和人工神经网络两种机器；采用学习算法拟合不同预见期的CFS历史预测月降雨量与实测月降雨量的非线性回归关系的步骤是：分别构建CFS预测的预见期为1个月、2个月、……、9个月的降雨量与实测降雨的相关关系，将该关系用于校正未来CFS预测的不同预见期的降雨量，从而得到基于两种不同算法的流域降雨量预测结果，取两个模型预测的均值作为最终的流域月面降雨量预测结果。

4.根据权利要求3所述的流域梯级水库系统月径流预测方法，其特征在于：步骤S3具体分为两步：

S301，引入欧式距离度量函数的相似性分析法确定与流域月平均降雨相似的历史实测典型，即：

无论降雨量预测的预见期为几个月，假设预见期内所有月降雨量组成预报向量，构建预报向量与历史实测各年同月份降雨量向量之间的欧氏距离度量函数，即：

其中：为预报向量，为历史实测第i年月降雨向量，x_j为预见期内第j月的月降雨，y_i,j第i年第为j月的月降雨，n为预见期内的总月数，||D_i||为预报向量与第i年实测月降雨向量的欧氏距离。

根据最小距离原则min||D_i||，选择与预报向量最相似的实测月；

S302，基于水量平衡的典型月同倍比放缩法，对流域面降雨预测进行子流域日尺度展布，得到子流域日降雨量预测。即，计算预见期内的逐月降雨量预测与典型月降雨量比值，按照该比值，根据水量平衡原理，对典型月各子流域逐日降雨量进行缩放，从而获得SWAT模型所需的各子流域逐日降雨量预测数据：

其中：A为流域面积；P_avg,obs为典型实测月面降雨量；A_i为第i个子流域面积，(1≤i≤m，m为子流域总数；P_i,j,obs为第i个子流域第j天降雨量，(1≤j≤n，n为典型月总天数；α_i,j为第i个子流域第j天降雨量占总降雨量的比重；P_avg,CFS为预报月CFS面降雨量预测；P_i,j,SWAT为第i个子流域第j天降雨量。

5.根据权利要求4所述的流域梯级水库系统月径流预测方法，其特征在于：步骤S4具体分为两步：

S401，基于水量平衡原理还原计算梯级水库系统各水库断面的天然入库流量；所述天然入库流量，是指未经水库调蓄的入库流量；因此，第n水库的天然入库流量的计算公式为：

式中：Q_{1,还原入库}＝Q_{1,实测入库}

Q_{1,还原入库}、Q_{1,实测入库}分别为第1水库的天然入库流量、实测入库流量；Q_{i,实测入库}为第i水库的实测入库流量；Q_{i-1,实测出库}为第i-1水库的实测出库流量；Q_{n,还原入库}为第n水库的天然入库流量，n＝2,3,…,m；

S402，基于各个水库断面的天然入库流量分别对第1水库断面以上区域、第1水库至第2水库区间、第2水库至第3水库区间、…、第m-1水库至第m水库区间的SWAT模型参数进行率定验证，构建针对梯级水库系统径流模拟的SWAT模型。