CN105512767B - 一种多预见期的洪水预报方法 - Google Patents
一种多预见期的洪水预报方法 Download PDFInfo
- Publication number
- CN105512767B CN105512767B CN201510932746.0A CN201510932746A CN105512767B CN 105512767 B CN105512767 B CN 105512767B CN 201510932746 A CN201510932746 A CN 201510932746A CN 105512767 B CN105512767 B CN 105512767B
- Authority
- CN
- China
- Prior art keywords
- flood
- leading
- forecasting
- value
- leading time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- Environmental Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
Abstract
本发明公开了一种多预见期的洪水预报方法。采用全新的目标函数，将多个预见期的实测值和预测值的方差总和作为优化目标，进行联合优化，改进后的水文模型可以同时进行多个预见期的洪水预报，进而探索流域水文模型在洪水预报中所能达到的最大预见期长度，为各级防汛指挥部门提供决策依据。本发明可广泛应用于流域水文预报中，能够有效延长预见期长度，及时预见洪水，减少洪灾损失。
Description
技术领域
本发明涉及洪水预报技术领域，具体来说涉及一种多预见期的洪水预报方法。
背景技术
洪水预报是指通过输入降雨、蒸发等水文资料，采用水文模型对未来洪水总量、洪峰流量等进行预测，尽可能的延长预见期、提高预报精度，能够有效的防御洪水，减少洪灾损失、更好地控制和利用水资源，达到防洪减灾的目的。
现有的洪水预报方法主要步骤为：①收集历史雨洪资料；②建立流域水文模型；③确立目标函数，进行参数优选；④对优选结果进行精度评定，确定是否符合预报标准。
现行方法存在的问题是：
(1)大多以“落地雨”或者气象预报数据为预报基础，预见期内误差较大。受制于落地雨的时效性，预见期长度有限；气象预报数据具有很大的不确定性，水文预报精度较低。
(2)优化的目标函数只针对水文模拟，预测能力考虑不够。
(3)未对各预见期同时进行评价。
发明内容
本发明的目的是克服现有技术存在的不足，提供一种在预见期内无降雨预报的情况下、以多个预见期的实测值与预报值的方差总和最小为目标函数进行联合优化、开展多个预见期的多预见期的洪水预报方法。
一种多预见期的洪水预报方法，包括如下步骤：
1、收集整理历史雨洪资料，归纳流域的平均汇流时间，确定预见期长度；
2、构建流域水文模型，输入水文观测资料，预报过程中不考虑预见期长度内的降雨；
3、确立目标函数，利用优化算法识别模型参数；
优化的目标函数为：
式中：为第i时刻的实测流量值；k为预见期长度；为第i时刻预见期为1、2、k时的预报流量值；N为资料序列长度。
4、采用水文预报评价指标，评价指标包括但不限于确定性系数DC和相关系数CC，对洪水预报结果进行精度评定。
与现有技术相比，本发明的有益效果在于：
1、本发明提出了一种全新的目标函数，可以将多个预见期的实测值和预测值的方差总和作为优化目标，进行联合优化。
2、改进后的水文模型可以同时进行多个预见期的洪水预报，有效延长预见期长度。
3、探索流域水文模型在洪水预报中所能达到的最大预见期长度，为各级防汛指挥部门提供决策依据。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明进行进一步说明。如图1所示，一种多预见期的洪水预报方法，包括如下步骤：
1、收集整理历史雨洪资料，归纳流域的平均汇流时间，根据实测的流域平均降雨和流量过程确定预见期长度；
2、构建流域水文模型，输入水文观测资料，预报过程中不考虑预见期长度内的降雨；
3、确立目标函数，利用优化算法识别模型参数，例如，以遗传算法的结果作为初值，然后采用Rosenbrock法计算，最后采用单纯形法得到最终结果；
优化的目标函数为：
式中：为第i时刻的实测流量值；k为预见期长度；为第i时刻预见期为1、2、k时的预报流量值；N为资料序列长度。
4、采用水文预报评价指标，评价指标包括但不限于确定性系数DC和相关系数CC，对洪水预报结果进行精度评定。
(1)确定性系数DC采用如下公式计算：
式中：为实测流量值的均值。
(2)相关系数CC采用如下公式计算：
式中：为预见期为k时的预报流量值的均值。
Claims (1)
1.一种多预见期的洪水预报方法，其特征在于包括如下步骤：
(1)收集整理历史雨洪资料，归纳流域的平均汇流时间，确定预见期长度；
(2)构建流域水文模型，输入水文观测资料，预报过程中不考虑预见期长度内的降雨；
(3)确立目标函数，利用优化算法识别模型参数；
优化的目标函数为：
式中：为第i时刻的实测流量值；k为预见期长度；为第i时刻预见期为1、2、k时的预报流量值；N为资料序列长度；
4)采用水文预报评价指标，评价指标包括确定性系数DC和相关系数CC，对洪水预报结果进行精度评定；
所述确定性系数DC采用如下公式计算：
式中：为实测流量值的均值；
相关系数CC采用如下公式计算：
式中：为预见期为k时的预报流量值的均值。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510932746.0A CN105512767B (zh) | 2015-12-15 | 2015-12-15 | 一种多预见期的洪水预报方法 |
| US15/377,974 US20170168195A1 (en) | 2015-12-15 | 2016-12-13 | Method for forecasting floods for multiple lead times |
| US16/371,154 US10962682B2 (en) | 2015-12-15 | 2019-04-01 | System and method for forecasting floods |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510932746.0A CN105512767B (zh) | 2015-12-15 | 2015-12-15 | 一种多预见期的洪水预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105512767A CN105512767A (zh) | 2016-04-20 |
| CN105512767B true CN105512767B (zh) | 2019-06-11 |
Family
ID=55720729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510932746.0A Active CN105512767B (zh) | 2015-12-15 | 2015-12-15 | 一种多预见期的洪水预报方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20170168195A1 (zh) |
| CN (1) | CN105512767B (zh) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106384002B (zh) * | 2016-09-18 | 2019-03-26 | 武汉大学 | 基于back-fitting算法的洪水预报实时校正方法 |
| CN106599571B (zh) * | 2016-12-12 | 2020-09-08 | 武汉大学 | 兼顾流量和蒸发的流域水文模型分期率定方法 |
| CN106875060B (zh) * | 2017-02-20 | 2021-04-23 | 宁波市水利水电规划设计研究院有限公司 | 一种基于全局自动优化算法的洪水实时校正方法 |
| CN107730151B (zh) * | 2017-11-21 | 2021-07-23 | 中国水利水电科学研究院 | 一种基于概念性水文模型的流域设计洪水推求方法 |
| CN107944219B (zh) * | 2017-12-13 | 2021-01-22 | 广东电网有限责任公司电力科学研究院 | 一种表征不同时段旱涝致灾特征的方法和装置 |
| CN107992447B (zh) * | 2017-12-13 | 2019-12-17 | 电子科技大学 | 一种应用于河流水位预测数据的特征选择分解方法 |
| CN108171003B (zh) * | 2017-12-25 | 2022-06-07 | 贵州东方世纪科技股份有限公司 | 一种基于倍比算法的洪水预报方法 |
| CN108507544A (zh) * | 2018-04-12 | 2018-09-07 | 河海大学 | 一种新的水文预测模型 |
| CN108734392A (zh) * | 2018-05-14 | 2018-11-02 | 中国路桥工程有限责任公司 | 一种评价地质灾害影响程度的灰色关联分析方法 |
| CN108830419B (zh) * | 2018-06-15 | 2023-10-20 | 武汉大学 | 一种基于ecc后处理的梯级水库群入库流量联合预报方法 |
| CA3114428A1 (en) * | 2018-09-28 | 2020-04-02 | Aquanty Inc. | Method and system of real-time simulation and forecasting in a fully-integrated hydrologic environment |
| CN109409597A (zh) * | 2018-10-23 | 2019-03-01 | 南瑞集团有限公司 | 一种基于成因分析的中长期大洪水预报方法 |
| CN109685334B (zh) * | 2018-12-10 | 2020-07-10 | 浙江大学 | 一种新的基于多尺度理论的水文模型模拟评估方法 |
| CN109800529B (zh) * | 2019-01-31 | 2022-06-07 | 福州城建设计研究院有限公司 | 一种基于InfoWorks ICM水质模型的参数自率定方法 |
| CN110377989B (zh) * | 2019-07-08 | 2022-08-05 | 武汉大学 | 基于水热耦合平衡的非一致性两变量设计洪水推求方法 |
| CN110542936B (zh) * | 2019-08-30 | 2021-08-31 | 国网湖南省电力有限公司 | 基于主导环流的电网暴雨灾害预报偏差的预报方法和系统 |
| CN110459036B (zh) * | 2019-09-09 | 2022-05-17 | 四川省水利科学研究院 | 一种基于深度学习的山洪预警方法 |
| CN110807475B (zh) * | 2019-10-16 | 2022-11-18 | 大连理工大学 | 一种基于确定性系数的洪水分类识别预报方法 |
| CN111651885B (zh) * | 2020-06-03 | 2023-06-06 | 南昌工程学院 | 一种智慧型海绵城市洪涝预报方法 |
| CN111754099B (zh) * | 2020-06-18 | 2024-03-01 | 清华大学 | 一种基于三阶段风险对冲规则的实时防洪调度方法 |
| CN111882116B (zh) * | 2020-07-06 | 2022-02-08 | 长江水利委员会水文局 | 梯级水库泥沙实时预报方法 |
| CN111912537B (zh) * | 2020-07-31 | 2021-04-06 | 中国科学院地理科学与资源研究所 | 基于格网的高温实时预警发布和显示方法、系统及设备 |
| CN112163696B (zh) * | 2020-09-14 | 2023-05-02 | 南方电网科学研究院有限责任公司 | 基于水文指数的电力系统稳定性预测方法及装置 |
| CN112785043B (zh) * | 2020-12-31 | 2022-08-30 | 河海大学 | 一种基于时序注意力机制的洪水预报方法 |
| CN112711921B (zh) * | 2021-01-20 | 2022-08-05 | 武汉大学 | 考虑水库调蓄影响的汛控水位不确定性的评估方法 |
| CA3215659A1 (en) * | 2021-04-22 | 2022-10-27 | Steven K. FREY | Method and system for determining hydrologic conditions associated with a surface point |
| CN113468803B (zh) * | 2021-06-09 | 2023-09-26 | 淮阴工学院 | 一种基于改进的woa-gru洪水流量预测方法及系统 |
| CN113570150A (zh) * | 2021-08-03 | 2021-10-29 | 河海大学 | 一种基于json的洪水预报方法 |
| CN113887787B (zh) * | 2021-09-15 | 2024-05-07 | 大连理工大学 | 一种基于长短时记忆网络和nsga-ii算法的洪水预报模型参数多目标优化方法 |
| CN113762645B (zh) * | 2021-10-11 | 2022-04-22 | 昆仑(重庆)河湖生态研究院(有限合伙) | 一种自然灾害预报方法及装置 |
| CN114781769B (zh) * | 2022-06-27 | 2022-09-30 | 长江水利委员会水文局 | 一种流域超标准洪水动态精细化预警方法 |
| CN115730829B (zh) * | 2022-12-05 | 2023-07-25 | 中国水利水电科学研究院 | 一种罕遇洪水洪峰流量计算方法 |
| CN116577844B (zh) * | 2023-03-28 | 2024-02-09 | 南京信息工程大学 | 一种东亚冷锋降水自动识别方法、系统 |
| CN116681180B (zh) * | 2023-06-19 | 2024-01-26 | 中国水利水电科学研究院 | 一种基于两层相似性度量的湖泊水位相似预报方法 |
| CN116609860B (zh) * | 2023-07-18 | 2023-09-19 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于集成学习算法的水文模型实时校正方法和系统 |
| CN117390125B (zh) * | 2023-09-21 | 2024-06-04 | 华中科技大学 | 一种产流模式智能适配的流域水文预报方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102314554B (zh) * | 2011-08-08 | 2013-12-25 | 大唐软件技术股份有限公司 | 一种基于陆气耦合的小流域洪水预报方法及系统 |
| CN103729550B (zh) * | 2013-12-18 | 2016-08-17 | 河海大学 | 基于传播时间聚类分析的多模型集成洪水预报方法 |
-
2015
- 2015-12-15 CN CN201510932746.0A patent/CN105512767B/zh active Active
-
2016
- 2016-12-13 US US15/377,974 patent/US20170168195A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| US20170168195A1 (en) | 2017-06-15 |
| CN105512767A (zh) | 2016-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105512767B (zh) | 一种多预见期的洪水预报方法 | |
| CN110852577B (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
| Sardoii et al. | Calibration of loss estimation methods in HEC-HMS for simulation of surface runoff (Case Study: Amirkabir Dam Watershed, Iran) | |
| CN104408913B (zh) | 一种考虑时空相关性的交通流三参数实时预测方法 | |
| CN102567635B (zh) | 一种定量区分水循环演变过程中不同因素贡献的方法 | |
| CN107992961A (zh) | 一种自适应的流域中长期径流预报模型架构方法 | |
| CN106875060B (zh) | 一种基于全局自动优化算法的洪水实时校正方法 | |
| CN106997669A (zh) | 一种基于特征重要性的判断交通拥堵成因的方法 | |
| KR101703981B1 (ko) | 강우예측을 이용한 하수처리시설의 제어방법 | |
| CN109815305A (zh) | 一种无资料地区场次洪水径流过程反演的方法 | |
| Li et al. | Identifying explicit formulation of operating rules for multi-reservoir systems using genetic programming | |
| Park et al. | Optimal design of stormwater detention basin using the genetic algorithm | |
| CN105894116A (zh) | 一种流域梯级水库与蓄滞洪区联合调度方法 | |
| CN104090974B (zh) | 展延水库后续来水的动态数据挖掘方法及系统 | |
| CN101807045B (zh) | 基于数据的城市污水泵站系统建模方法 | |
| Li et al. | Real-time flood forecast using the coupling support vector machine and data assimilation method | |
| CN104318325A (zh) | 多流域实时智能水质预测方法及系统 | |
| CN104392111A (zh) | 基于水位样本的洪水预报方法 | |
| CN103810532B (zh) | 优化城市排水系统运行状况的方法 | |
| CN113221439B (zh) | 一种基于bp神经网络的排水系统实时率定与动态预测方法 | |
| CN112528563B (zh) | 一种基于svm算法的城市内涝预警方法 | |
| CN115759459B (zh) | 一种雨水工情耦合的流域洪水流量集合概率智能预报方法 | |
| CN101290713A (zh) | 一种结合周相似特性的分形交通流预测方法 | |
| CN106202935A (zh) | 一种流域径流预报的校正方法及其系统 | |
| CN113807545A (zh) | 一种基于深度学习和物理模型的河湖生态流量预报预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |