基于数据驱动模型的流域中长期径流预报方法

第1章 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 中径流预报建模研究现状及发展趋势

1.2.2 中径流预报因子的选择和筛选

1.2.3 中径流预报结果后处理

1.3 研究中存在的问题与不足

1.4 研究内容及技术路线

1.4.1 研究目标与内容

1.4.2 研究技术路线

第2章 贝叶斯推断与支持向量回归耦合的中径流预报方法

2.1 概述

2.2 方法与数据

2.2.1 贝叶斯推断与支持向量回归耦合的中径流预报方法框架

2.2.2 支持向量回归及ARD核函数

2.2.3 基于贝叶斯推断的支持向量回归

2.2.4 数据与预处理

2.2.5 建模方案设定

2.3 结果及讨论

2.3.15 种预报方法的预报效果

2.3.25 种预报方法的预报效果对比分析

2.3.3 BSVR和BSVRARD方法的概半预报效果分析

2.4 小结

第3章 中径流预报效果互信息的相关关系

3.1 概述

3.2 基于数据驱动模型的中径流预报适宜判别方法

3.2.1 PMIS因子选择方法

3.2.2 基于PMIS互信息指标

3.3 模型与数据

3.3.1 多层感知机模型（MIP）

3.3.2 长短期记忆网络模型（LSTM）

3.3.3 基于滚动预报的多层感知机模型（MB模型）

3.3.4 建模方案设定

3.45 种模型的预报效果对比分析

3.4.1 各模型预报效果分析

3.4.2 5种模型的预报效果对比分析

3.4.3 不同预见期的预报效果对比

3.5互信息和预报效果的关系分析

3.5.1 各模型预报效果与互信息MI的关系

3.5.2 各模型预报效果互信息TMI的关系

3.5.3互信息TMI的影响因素及潜在应用

3.6 小结

第4章 引入降雨预报产品的中径流预报效果

4.1 概述

4.2 数据及方法

4.2.1 流城实测降雨数据与降雨预报产品

4.2.2 研究区城降雨预报数据校正

4.2.3 建模方案设定

4.3 以实测降雨作为输入的5种模型预报效果

4.3.1 引入实测降雨后的5种模型预报效果

4.3.2 5种模型预报效果对比

4.3.3 引入实测降雨后各模型预报效果和TMI之间相关关系

4.4 以对应预见期预报降雨作为输人的中径流预报结果

4.4.1 降雨预报数据校正效果

4.4.2 以对应预见期的预报降雨作为输入的中径流预报效果评估

4.4.3 以对应预见期的预报降雨作为输入后的径流预报误差变化分析

4.4.4 与无降雨因子的预报效果对比

4.5 小结

第5章 基于贝叶斯模型平均的中径流概率预报

5.1 概述

5.2 数据及方法

5.2.1 研究框架

5.2.2 贝叶斯模型平均方法

5.3 输入降雨概率分布后5种模型的径流概率预报效果

5.3.1 径流概率预报效果提升分析

5.3.2 中径流概率预报可靠及宽度评分提升分析

5.3.3 5种预报方法的径流概率预报效果对比分析

5.3.4 降雨因子在两类模型径流概率预报中的作用分析

5.4 基于BMA方法的径流概率预报结果

5.4.1 整体概率预报效果评分提升

5.4.2 融合后的径流概率预报可靠及宽度评分提升分析

5.4.3 基于BMA方法融合后的径流概率预报效果评估

5.4.4 部分站点预报效果较差的原因初步分析

5.5 小结

第6章结与展望

6.1 主要研究成果

6.2 主要创新点

6.3 研究中的不足与展望

参考文献

附录

附录A 澳大利亚37个水文基准站信息

附录B 预报因子选择结果

本书综述了当前中径流预报研究的研究现状、存在的问题，针对中径流预报建模模型、预报因子及因子选择方法、预报结果后处理这三个方面中存在的问题开展了系统研究，介绍了基于数据驱动模型中径流预报方法体系。本书的主体内容主要介绍了耦合贝叶斯推断和数据驱动模型的径流概率预报、中径流预报适宜的判定方法、中气象预报产品在径流预报中的应用，对于实际的中径流预报研究和生产活动具有大的借鉴意义。

1.1研究背景及意义

1.1.1研究背景

受人类活动影响，二氧化碳等温室气体排放量持续上升，全球气候在过去约一间发生了显著的变化(Stocker等，2013)。温度而言，过去尺度里全体呈现出变暖的趋势，进而导致了冰川融化、海平面上升等现象的发生（Yihui等，2007；Piao等，2010；Stocker等，2013；Abraham等，2017；Ren等，2017)。降水而言，一方面，大部分地区的降水事件频次和降水量显著增加（Kao等，2011；O’Gorman，2015；Shukla等，2019)；另一方面，不同纬度地区的未来年降水量可能呈现不同的变化趋势，在热带、高纬以及中纬湿润地区，降水可能表现为增长趋势，而在中纬干旱地区，降水则可能呈现下降趋势（Pachauri等，2014;Ishida等，2017;Ishida等，2018）。

无论是温度还是降水的变化，都会对可用水资源造成影响，并进而影响到土地利用（Shukla等，2019）、粮食产量（Piao等，2010）、发电量（Van Vliet等，2016）等与人类生活息息相关的各方面。具体到全球不同地区，不同的温度、降水变化程度和趋势，不同的人类活动方式都可能会对水资源量造成不同的影响（Erda等，2007；Mueller Schmied等，2016；Xu等，2019）。气候变化带来的气温和降水等因子变化的不确定也进一步增加了流域/区域的水文与水资源预报的难度，流域径流预报的不确定也显著增加(Gao等，2008；Piao等，2010；Zou等，2013）。未来水资源量变化趋势具有显著不确定的同时，人口增长、城镇化进程、生态环境保护意识的提升等经济社会发展因素又会导致未来工业、农业、生活用水量和生态环境用水量的增加，必然会对水资源利用效率提出更高的要求（Piao等，2010;Pachauri等，2014;Shukla等，2019;Haj-Amor等,2020）。气候事件的增加使干旱或者洪水增加，也对水资源的规划管理和综合利用造成更大的压力（Erda等，2007；Spinoni等，2014）。这些都为未来水资源的开发利用带来了更多的不确定和挑战（Piao等，2010)。此外，随着经济的发展和人口的增长，社会对用电量会有更大的需求，而入库径流量会显著影响水电站的发电量和发电效率。因此，对入库径流预报的预见期及相应的预报精度提出了更高的要求，以便能够根据来水预报制定优的水电站发电计划和运行调度方案，从而大化发电量和发电效率（Farster等，2010；Van Vliet 等,2012; Pachauri 等,2014;Van Vliet等,2016)。

未来用水需求量以及用电量的增长，都要求能够大化地利用可用水资源和水能资源，从而达到大的水资源利用效能。中径流预报，一般指预见期超过大流域汇流时间且在3天到1年之间的径流预报，由于其能够在制定发电计划、抗旱防洪以及水资源规划管理和综合利用等方面为决策者提供有效的未来径流信息而提升水资源利用效能，在近些年受到了越来越多的关注（Huang等，2004；Zhou等，2006；Gong等，2010；Li等，2012；Sunday等，2014）。短期径流预报可以通过降雨关系进行模拟（Jain等，2003；Kratzert等，2018），而在中径流预报中，往往由于缺少相应预见期的可靠的气象预报结果(如可靠的中降雨预报)，在大多数情况下只能以前期径流作为预报因子来建立自回归模型，预报效果受到径流序列自相关较弱的影响而难以满足实际应用需求（赵铜铁钢等，2011b；翠玲等，2015；谢帅等，2018a）。为了解决这一问题，除了前期径流作为预报因子外，部分研究基于经验或者因子选择方法将海温（Sea SurfaceTemperature,SST）、大气环流、厄尔尼诺一南方涛动(El Nino-Southern Oscillation,ENSO)等气候因子引入预报模型中以建立未来径流与其之间的遥相关关系(Sankararamanian等，2008;Kirono等，2010;Kalra等，2013a;Kalra等，2013b:Li等，2013；Liang等，2018）。由于受到气候、植被、地形、人类活动等众多因素的影响，河流径流序列有着明显的、非线特征，变异较高(Zhou等，2006），为建立预报因子与未来径流之间的关系带来难度。因此，众多的数据驱动模型被应用到中期径流预报中，用于描述河流未来径流与气候因子和径流之间的关系，进而更好地模拟径流序列的非线特征。这些数据驱动模型经历了从起始的线自回归方法到基于数据控点的非线方法的转变（Carlson等，1970;Karunanithi等，1994；Lin等，2006;Wana等，2009a;Samsudin等，2011)。

……