[发明专利]一种流域梯级水库系统月径流预测方法

说明书

本发明涉及流域中长期径流预测领域。技术方案是：一种流域梯级水库系统月径流预测方法，包括以下步骤：S1：获取数据，并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：拟合不同预见期的流域内CFS格点月降雨量与流域实测月面降雨量的回归关系，将该关系用于CFS预测的校正，得到流域未来9个月的月面降雨量；S3：分析对流域预测月面降雨量进行时空降尺度；S4，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量预测驱动构建的SWAT模型，对梯级水库系统各个水库的月入库量作出预测。该方法可预测各水库断面的中长期月径流，解决流域梯级水库中长期径流预测的难题。

技术领域

本发明涉及流域中长期径流预测领域，具体涉及一种基于后处理的数值预报产品CFS与SWAT模型耦合的流域梯级水库系统月径流预测方法。

背景技术

复杂梯级水库系统的长期月入库流量预测较难，而它对防汛抗旱、水库调度方案的制定非常重要，因此亟需一种较为准确的预测方法。目前中长期月径流预测主要分为数理统计途径和陆气耦合途径。与基于相关的数理统计途径相比，陆气耦合途径基于降雨量—径流关系，将长期降雨量预测引入水文模型，对长期径流作出预测，其物理机制更为明确，因而更易于从成因的角度提高预测精度。为此，基于陆气耦合途径的月径流预测需要解决两个技术难点：准确预测降雨量和精确模拟径流。

目前较为认可的降雨量预测主要来源于数值天气预报产品，但是大多存在随着预见期增长而精度降低以及降雨量时空分布与水文模型输入不匹配的问题，因此应用长期数值预报产品时，需提高较长预见期降雨量预测的精度以及时空降尺度，即后处理。针对中长期降雨量序列的校正方法众多，主要有均值校正法、分位数回归校正法等，但是这些方法都基于一个尚未验证的“同分布”假设(实测的降雨量序列与模拟预测的降雨量序列服从的概率分布相同)而且校正预测时较少考虑预见期的问题；针对降雨量时空降尺度的方法也较多，但是值得注意的是这些方法尚未充分利用历史观测降雨量的时空分布信息。

目前应用水文模型预测长期径流的研究较多，但是由于梯级水库系统受人为干预调蓄的影响较强且历史观测资料有限，历史长系列的水库天然入库流量很难得到，这给梯级水库系统水文模型的率定验证带来了很大难度，因此目前应用符合梯级水库系统特征的水文模型预测中长期月径流的研究较少。

发明内容

本发明的目的是克服上述背景技术的不足，提供一种流域梯级水库系统月径流预测方法，采用该方法可预测各水库断面的中长期月径流，从而解决流域梯级水库中长期径流预测的难题，提高预测的准确度。

本发明所采取的技术方案为：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，包括流域内各格点CFSv2的9个月降雨量实时预测及历史预测产品、站点历史实测逐日降雨量资料、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格点月降雨量与流域实测月面降雨量的回归关系，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：借助典型年降雨量相似性分析对流域预测月面降雨量进行时空降尺度，即由流域月面尺度降雨量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量预测驱动构建的SWAT模型，对梯级水库系统各个水库的月入库量作出预测。

进一步的，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量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；