CN106875047B - 水库流域径流预报方法及系统 - Google Patents

Abstract

本发明涉及水文预报技术领域，公开了一种水库流域径流预报方法及系统，以提升水库流域径流预报精度。本发明公开的预报方法包括：第一步、基于熵理论计算至少两个预报模型相对应历史径流预报数据的各精度评价指标的历史熵权；第二步、基于熵理论计算各预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权；第三步、将各维精度评价指标对应的历史熵权与当前熵权进行结合，得到各所述预报模型的熵权加权值，进而计算得出各所述预报模型的校正权重；第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。本发明可综合利用多个模型预报性能优势，有效提高水库流域径流预报精度。

Description

水库流域径流预报方法及系统

技术领域

本发明涉及水文预报技术领域，尤其涉及一种水库流域径流预报方法及系统。

背景技术

近年来，随着全球气候的变化，暴雨洪水等极端气候事件频发，开展水库优化调度是实现洪水资源化利用，有效提升水库的防洪、发电等综合效益的重要手段。开展水库优化调度必须要以准确的水库流域径流预报作为支撑，现有的径流预报模型由于对水库流域的产汇流特性进行概化处理，难以准确刻画不同类型的流域产汇流过程，而不同的径流预报模型由于概化处理侧重不同，针对各种类型的径流过程预报准确率不尽相同。

发明内容

本发明目的在于公开一种水库流域径流预报方法及系统，以提升水库流域径流预报精度。

为实现上述目的，本发明公开了一种水库流域径流预报方法，包括：

第一步、获取至少两个预报模型面向同一事件的历史径流预报数据，以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权；

第二步、获取各所述预报模型面向当前场次的预报数据，以与第一步相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权；

第三步、将各维精度评价指标对应的历史熵权与当前熵权进行结合，得到各所述预报模型的熵权加权值，进而计算得出各所述预报模型的校正权重；

第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。

为实现上述目的，本发明还公开一种水库流域径流预报系统，包括：

第一模块、用于获取至少两个预报模型面向同一事件的历史径流预报数据，以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权；

第二模块、用于获取各所述预报模型面向当前场次的预报数据，以与第一模块相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权；

第三模块、用于将各维精度评价指标对应的历史熵权与当前熵权进行结合，得到各所述预报模型的熵权加权值，进而计算得出各所述预报模型的校正权重；

第四模块、用于根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。

基于本发明的水库流域径流预报方法及系统，可选的，上述基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一，在将所述精度指标矩阵一进行归一化处理后，计算针对历史径流预报数据的第i个评价指标的熵值EH_i，然后根据公式：

计算得出针对历史径流预报数据的第i个评价指标的熵权WH_i；

同理，上述基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二，在将所述精度指标矩阵二进行归一化处理后，计算针对当前场次的预报数据的第i个评价指标的熵值EQ_i，然后根据公式：

计算得出针对当前场次的预报数据的第i个评价指标的熵权WQ_i；

其中，i＝1,2,...,n，n为选择的精度评价指标个数。

可选的，上述各所述预报模型的熵权加权值的计算公式如下：

其中，h_ij为归一化后的精度指标矩阵一，q_ij为归一化后的精度指标矩阵二；j＝1,2,...,m，m为径流预报模型个数。

可选的，上述各所述预报模型的校正权重R_j的计算方式如下：

综上，本发明具有以下有益效果：

1)、原理清晰，操作方便，具有很高的实用价值。

2)、基于熵权法对多种预报模型的预报结果进行了组合校正，并对历史径流预报数据和当前场次的预报数据也进行了组合校正，可综合利用多个模型预报性能优势，挖掘不同预报模型的预报性能，有效提高水库流域径流预报精度，进而为水库开展优化调度提供必要的数据基础。

下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例公开的水库流域径流预报方法流程图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

实施例1

本实施例公开一种水库流域径流预报方法，如图1所示，包括：

第一步、获取至少两个预报模型面向同一事件的历史径流预报数据，以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权。

可选的，该步骤中，基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一，在将所述精度指标矩阵一进行归一化处理后，计算针对历史径流预报数据的第i个评价指标的熵值EH_i，然后根据公式：

计算得出针对历史径流预报数据的第i个评价指标的熵权WH_i。

第二步、获取各所述预报模型面向当前场次的预报数据，以与第一步相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权。

可选的，该步骤中，基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二，在将所述精度指标矩阵二进行归一化处理后，计算针对当前场次的预报数据的第i个评价指标的熵值EQ_i，然后根据公式：

计算得出针对当前场次的预报数据的第i个评价指标的熵权WQ_i；

其中，i＝1,2,...,n，n为选择的精度评价指标个数。

值得说明的是，本实施例中历史的精度评价是指历史很多年的数据的精度评价；当前场次的精度评价是指当前洪水过程前几天的精度评价，如6月1日起有一场洪水，那么到了6月5日时，就计算6月1日-6月5日的预报数据的精度指标。

第三步、将各维精度评价指标对应的历史熵权与当前熵权进行结合，得到各所述预报模型的熵权加权值，进而计算得出各所述预报模型的校正权重。可选的，各所述预报模型的熵权加权值S_j的计算公式如下：

其中，h_ij为归一化后的精度指标矩阵一，q_ij为归一化后的精度指标矩阵二；j＝1,2,...,m，m为径流预报模型个数。

可选的，各所述预报模型的校正权重R_j的计算方式如下：

第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。

为便于本领域技术人员充分理解本实施例的技术实施，下面针对具体量化的预报模型和精度评价指标做进一步说明，具体包括下述的步骤(1)至步骤(8)：

步骤(1)、获取某水库流域3种径流预报模型面向同一事件的历史径流预报数据以及当前场次洪水预报数据。

步骤(2)、选取径流预报确定性系数、均方根误差、洪水总量相对误差、洪峰流量相对误差等4个精度评价指标(相关各指标的为本领域技术人员熟知的术语，不再赘述，相关参考文献可参阅：水文情报预报规范，GB/T 22482-2008，中华人民共和国国家标准)，计算各水库流域径流预报模型的精度指标矩阵P＝{H_ij,Q_ij|i＝1,2,3,4,j＝1,2,3}；H_ij为第j个预报模型的历史径流预报数据的第i个评价指标值；Q_ij为第j个预报模型针对当前场次洪水预报的第i个评价指标值。

步骤(3)、为消除不同评价指标量纲的不一致，将精度指标矩阵进行归一化处理，归一化后的精度指标矩阵p＝{h_ij,q_ij|i＝1,2,3,4,j＝1,2,3}；其中h_ij为第j个预报模型的历史径流预报数据的第i个归一化评价指标值；q_ij为第j个预报模型针对当前场次洪水预报的第i个归一化评价指标值。

步骤(4)、基于熵理论计算公式(见下式(1))计算各评价指标的熵值E＝{EH_i,EQ_i|i＝1,2,3,4}，其中EH_i为针对历史径流预报数据的第i个评价指标的熵值；EQ_i为针对当前场次洪水预报的第i个评价指标的熵值。

式中，E为计算得到的熵值，n为数据系列的长度，pi为数据系列第i个的值。

步骤(5)、根据步骤(4)计算的评价指标熵值，计算各评价指标的熵权W＝{WH_i,WQ_i|i＝1,2,3,4}，WH_i和WQ_i的计算公式如式(1)和式(2)：

其中，WH_i为针对历史径流预报数据的第i个评价指标的熵权；WQ_i为针对当前场次洪水预报的第i个评价指标的熵权。

步骤(6)、计算各径流预报模型的熵权加权值S＝{S_j|j＝1,2,3}，S_j的计算公式如下式(3)：

其中，S_j为第j个模型的熵权加权值。

步骤(7)、采用下式(4)计算各径流预报模型的校正权重R＝{R_j|j＝1,2,3}＝{0.2,0.32,0.48}，R_j的计算公式如下式(4)：

其中，R_j为第j个模型的校正权重。

步骤(8)、根据步骤(7)的校正权重采用算术加权平均法即可计算得到多个模型组合校正预报结果。

综上，本实施例公开的水库流域径流预报方法，具有下述优点：

1)、原理清晰，操作方便，具有很高的实用价值。

2)、基于熵权法对多种预报模型的预报结果进行了组合校正，并对历史径流预报数据和当前场次的预报数据也进行了组合校正，可综合利用多个模型预报性能优势，挖掘不同预报模型的预报性能，有效提高水库流域径流预报精度，进而为水库开展优化调度提供必要的数据基础。

实施例2

与实施例1中的方法相对应的，本实施例公开一种水库流域径流预报系统。

本实施例所公开系统包括下述第一至第四模块，各模块的功能分述如下：

第一模块、用于获取至少两个预报模型面向同一事件的历史径流预报数据，以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权。

可选的，该第一模块中基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一，在将所述精度指标矩阵一进行归一化处理后，计算针对历史径流预报数据的第i个评价指标的熵值EH_i，然后根据公式：

计算得出针对历史径流预报数据的第i个评价指标的熵权WH_i；其中，i＝1,2,...,n，n为选择的精度评价指标个数。

第二模块、用于获取各所述预报模型面向当前场次的预报数据，以与第一模块相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标，并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权。

可选的，基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二，在将所述精度指标矩阵二进行归一化处理后，计算针对当前场次的预报数据的第i个评价指标的熵值EQ_i，然后根据公式：

计算得出针对当前场次的预报数据的第i个评价指标的熵权WQ_i。

第三模块、用于将各维精度评价指标对应的历史熵权与当前熵权进行结合，得到各所述预报模型的熵权加权值，进而计算得出各所述预报模型的校正权重。

可选的，该第三模块中各所述预报模型的熵权加权值S_j的计算公式如下：

其中，h_ij为归一化后的精度指标矩阵一，q_ij为归一化后的精度指标矩阵二；j＝1,2,...,m，m为径流预报模型个数。

另一方面，该第三模块中各所述预报模型的校正权重R_j的计算方式如下：

第四模块、用于根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。

同理，本实施例公开的水库流域径流预报系统，具有下述优点：

1)、原理清晰，操作方便，具有很高的实用价值。

2)、基于熵权法对多种预报模型的预报结果进行了组合校正，并对历史径流预报数据和当前场次的预报数据也进行了组合校正，可综合利用多个模型预报性能优势，挖掘不同预报模型的预报性能，有效提高水库流域径流预报精度，进而为水库开展优化调度提供必要的数据基础。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种水库流域径流预报方法，其特征在于，包括：

第一步、获取至少两个预报模型面向同一事件的历史径流预报数据，以同一标准计算各所述预报模型相对应历史径流预报数据的各精度评价指标，并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权；历史的精度评价是指依据历史很多年的数据的进行的精度评价；

第二步、获取各所述预报模型面向当前场次的预报数据，以与第一步相同的方法计算各所述预报模型相对应当前场次的预报数据的各精度评价指标，并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权；当前场次的精度评价是指依据当前洪水过程前几天的数据进行的精度评价；

第三步、将各精度评价指标对应的历史熵权与当前熵权进行结合，得到各所述预报模型的熵权加权值，进而计算得出各所述预报模型的校正权重；各所述预报模型的熵权加权值S_j的计算公式如下：

其中，h_ij为归一化后的精度指标矩阵一，q_ij为归一化后的精度指标矩阵二；j＝1,2,...,m，m为预报模型个数；WH_i为历史径流预报数据的第i个评价指标的熵权；WQ_i为当前场次的预报数据的第i个评价指标的熵权；

各所述预报模型的校正权重R_j的计算方式如下：

第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。

2.根据权利要求1所述的水库流域径流预报方法，其特征在于，所述第一步中基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一，在将所述精度指标矩阵一进行归一化处理后，计算针对历史径流预报数据的第i个评价指标的熵值EH_i，然后根据公式：

计算得出针对历史径流预报数据的第i个评价指标的熵权WH_i；

同理，所述第二步中基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二，在将所述精度指标矩阵二进行归一化处理后，计算针对当前场次的预报数据的第i个评价指标的熵值EQ_i，然后根据公式：

计算得出针对当前场次的预报数据的第i个评价指标的熵权WQ_i；

其中，i＝1,2,...,n，n为选择的精度评价指标个数。

3.一种水库流域径流预报系统，其特征在于，包括：

第一模块、用于获取至少两个预报模型面向同一事件的历史径流预报数据，以同一标准计算各所述预报模型相对应历史径流预报数据的各精度评价指标，并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权；历史的精度评价是指依据历史很多年的数据的进行的精度评价；

第二模块、用于获取各所述预报模型面向当前场次的预报数据，以与第一模块相同的方法计算各所述预报模型相对应当前场次的预报数据的各精度评价指标，并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权；当前场次的精度评价是指依据当前洪水过程前几天的数据进行的精度评价；

第三模块、用于将各精度评价指标对应的历史熵权与当前熵权进行结合，得到各所述预报模型的熵权加权值，进而计算得出各所述预报模型的校正权重；各所述预报模型的熵权加权值S_j的计算公式如下：

其中，h_ij为归一化后的精度指标矩阵一，q_ij为归一化后的精度指标矩阵二；j＝1,2,...,m，m为预报模型个数；WH_i为历史径流预报数据的第i个评价指标的熵权；WQ_i为当前场次的预报数据的第i个评价指标的熵权；

各所述预报模型的校正权重R_j的计算方式如下：

第四模块、用于根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。

4.根据权利要求3所述的水库流域径流预报系统，其特征在于，所述第一模块中基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一，在将所述精度指标矩阵一进行归一化处理后，计算针对历史径流预报数据的第i个评价指标的熵值EH_i，然后根据公式：

计算得出针对历史径流预报数据的第i个评价指标的熵权WH_i；

同理，所述第二步中基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括：

构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二，在将所述精度指标矩阵二进行归一化处理后，计算针对当前场次的预报数据的第i个评价指标的熵值EQ_i，然后根据公式：

计算得出针对当前场次的预报数据的第i个评价指标的熵权WQ_i；

其中，i＝1,2,...,n，n为选择的精度评价指标个数。

Images