[发明专利]一种水文预报数据驱动建模样本合成方法及系统

说明书

本发明公开了一种水文预报数据驱动建模样本合成方法及系统，方法包括：对气象因子进行随机采样，获得气象因子采样序列；将流域历史观测数据划分为校验期数据和测试期数据；采用校验期数据对流域水文过程模拟模型进行校验，流域水文过程模拟模型包括物理性水文模型和结构性偏差模拟模型，采用测试期数据对流域水文过程模拟模型进行测试；将气象因子采样序列输入经过校验和测试的流域水文过程模拟模型，获得对应的水文过程模拟结果；最终气象因子采样序列、下垫面环境数据和水文过程模拟结果即为水文预报数据驱动建模样本。本发明通过引入结构性偏差模拟模型，使合成的水文预报数据驱动建模样本更加接近实际流域水文过程。

技术领域

本发明涉及水文预报技术领域，特别涉及一种水文预报数据驱动建模样本合成方法及系统。

背景技术

采用数据驱动建模技术构建的水文预报模型对水文过程的预报能力突出，依赖大数据级别样本开展数据驱动建模，能够显著提升水文预报的准确性。然而，水文预报领域的样本量还难以达到理论意义上的大数据级别，设备故障、传输异常、极端天气等客观因素限制，也导致应用于数据驱动建模的有效样本较少。因此，样本合成是满足数据驱动建模大样本需求的有效工具。

目前，多采用物理性水文模型模拟流域水文过程，从而实现数据驱动建模样本合成。但是，物理性水文模型存在结构性偏差，样本合成结果与真实水文过程存在一定差距，会对数据驱动建模效果产生不利影响。

发明内容

本发明实施例提供了一种水文预报数据驱动建模样本合成方法及系统，用以解决现有技术中物理性水文模型存在结构性偏差，导致样本合成结果与真实水文过程存在一定差距的问题。

一方面，本发明实施例提供了一种水文预报数据驱动建模样本合成方法，包括：

对气象因子进行随机采样，获得气象因子采样序列；

获取包含气象因子数据、下垫面环境数据和水文序列数据的流域历史观测数据；

将流域历史观测数据划分为校验期数据和测试期数据；

采用校验期数据对流域水文过程模拟模型进行校验，流域水文过程模拟模型包括物理性水文模型和结构性偏差模拟模型，校验期数据和测试期数据均包含驱动因子和模拟对象，对流域水文过程模拟模型校验的过程中，以校验期数据中的驱动因子为输入，校验期数据中的模拟对象为输出，对物理性水文模型进行校验，并以校验期数据中的驱动因子为输入，校验期的物理性水文模型的结构性偏差为输出，对结构性偏差模拟模型进行校验；

将测试期数据中的驱动因子输入经过校验的物理性水文模型，获取测试期物理性水文模型的模拟结果，将测试期数据中的驱动因子输入经过校验的结构性偏差模拟模型，获取测试期物理性水文模型的结构性模拟偏差，根据测试期物理性水文模型的模拟结果与测试期物理性水文模型的结构性模拟偏差确定流域水文过程模拟模型测试期模拟结果；

将气象因子采样序列输入经过校验和测试的流域水文过程模拟模型，获得对应的水文过程模拟结果，对气象因子采样序列、下垫面环境数据和水文过程模拟结果进行整理，获得水文预报数据驱动建模样本。

另一方面，本发明实施例提供了一种水文预报数据驱动建模样本合成系统，包括：

随机采样模块，用于对气象因子进行随机采样，获得气象因子采样序列；

历史数据获取模块，用于获取包含气象因子数据、下垫面环境数据和水文序列数据的流域历史观测数据；

数据划分模块，用于将流域历史观测数据划分为校验期数据和测试期数据；