中長期水文預報2015.03.11_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、中長期水文預報統(tǒng)計預報方法,梁忠民河海大學水文水資源學院,匯報內(nèi)容提綱,,Q,t,12月31日,,,,,,,,,,,,,,,,,,12月31日,中長期水文預報——提供未來一年以內(nèi)的預報,旬月季年,未來一年總量預報,未來一年各季(或汛、枯期)預報,未來一年各月(或旬)預報,一、中長期水文預報基本需求,時間尺度,10月,2月,12月,4月,6月,8月,,中長期水文預報——提供未來一年以內(nèi)的預報,定量,定性,提供具體數(shù)值??稍?/p>

2、年初預報未來一年(旬、月、季、年),也可滾動預報未來一段時間(如3月報4月),提供預報量定性評價,如偏枯、偏豐或提供等級預報,如Ⅰ~ V級,一、中長期水文預報基本需求,成果形式,,,氣象水文資料,大氣環(huán)流特征,高空氣壓場,海表溫度,地面觀測,74項環(huán)流指數(shù)(逐月),北半球100hpa 、500hpa逐月平均高度場,北太平洋逐月海溫場(SST),當?shù)亟涤?、徑流、蒸發(fā)、日照等,,,遙相關因子,本地相關因子,,,二、需要的基礎資料,74項環(huán)流

3、指數(shù),可從中國國家氣候中心下載,二、需要的基礎資料,美國環(huán)境預報中心(NCEP)和美國國家大氣研究中心(NCAR)提供1956年 以來的100hpa 和 500hpa 逐月平均高度場,資料范圍從 0?N~80?N,0?E~10?W,網(wǎng)格距為經(jīng)度 10?×緯度 10?。,北半球 100hpa/500hpa 逐月平均高度場,二、需要的基礎資料,美國國家海洋和大氣局(NOAA)提供的北太平洋 1956 年以來的逐月海溫資料,資料范圍

4、從 50?N~10?S,120?E~80?W,網(wǎng)格距為經(jīng)度 5?×緯度 5?。,北太平洋海溫資料,二、需要的基礎資料,水文、地形、工程運行等資料,前期多年日、月降雨、氣溫、蒸發(fā)資料前期多年日、月徑流、水位資料自然地理、地形資料水利工程特征參數(shù)及調(diào)度運行資料,二、需要的基礎資料,三、常用預報方法簡介,,統(tǒng)計學方法,統(tǒng)計分析與水文模型耦合預報方法,方法分類,尋找預報變量與預報因子之間的統(tǒng)計關系,實現(xiàn)預報,時間序列或統(tǒng)計

5、相關,水文模型,氣象要素預報水文模型水文要素預報,,,(1)預報方法分類,大氣物理模型,初始場、邊界條件大氣運動方程,,,數(shù)值天氣預報產(chǎn)品,,,,,,,,,回歸分析,時間序列,多元回歸逐步回歸門限回歸。。。,統(tǒng)計方法分類,傳統(tǒng)統(tǒng)計方法,現(xiàn)代統(tǒng)計方法,,自回歸滑動平均類馬爾科夫轉(zhuǎn)移周期分析。。。,聚類/判別,模糊灰色混沌投影尋蹤神經(jīng)網(wǎng)絡,小波分析隨機森林貝葉斯預報支持向量機相關向量機。。。,三、常用預報方法

6、簡介,,,統(tǒng)計預測與水文模型耦合,水文集合預報,統(tǒng)計分析與水文模型耦合預報方法,率定確定性水文模型確定預報時刻系統(tǒng)初始狀態(tài)構建模型輸入集集合預報及統(tǒng)計分析,統(tǒng)計方法預測模型輸入要素率定確定性水文模型耦合預報,,三、常用預報方法簡介,(1)方法簡介——多元回歸類,通過成因分析找出影響預測對象的影響因素(因子),應用數(shù)理統(tǒng)計中的多元線性回歸方法建立預報方案。,多元線性回歸方程:,——預報因子,基本思想,根據(jù)歷史資料用最小二

7、乘方法確定,,,,根據(jù)相關性分析和物理成因分析,,——回歸系數(shù),三、常用預報方法簡介,,,逐步回歸,門限回歸,主成分回歸,按相關性與貢獻率的大小,逐步篩選與剔除相關因子,不同取值區(qū)間,建立不同的回歸方程,消除因子間的相關成分,提取主成分,并以主成分為變量,建立回歸方程,方 法,思 想,(1)方法簡介——多元回歸類,三、常用預報方法簡介,(2)方法簡介——時間序列(相關類模型),分析時間序列自身的相關特征,建立預報模型。,基本思想,

8、,分類,ARMA(p,q),例:AR(p)模型:,,,ARIMA(p,d,q),解集模型,正則展開模型,。。。,三、常用預報方法簡介,(2)方法簡介——時間序列(AR(p)),模型階數(shù)P確定,模型參數(shù)確定,,AIC準則確定,,,利用各階相關系數(shù)計算模型系數(shù),,,,步驟,三、常用預報方法簡介,(3)方法簡介——馬爾可夫鏈,馬爾可夫鏈是一種隨機時間序列,預報對象在將來狀態(tài)(xt+1)只與它現(xiàn)在的狀態(tài)(xt )有關,而與過去的狀態(tài)(x1,x2

9、,…,xt-1)無關,稱為無后效性,即,假設水文時間序列滿足無后效性性要求,則可采用馬爾可夫鏈對預報對象的未來狀態(tài)進行定性預報。,,三、常用預報方法簡介,(3)方法簡介——馬爾可夫鏈,pij 表示徑流從狀態(tài)i (i=1,2,3);一步轉(zhuǎn)移到狀態(tài)j (j=1,2,3)時的概率,如p11代表T月徑流為枯時T+1月徑流為枯的概率值,由轉(zhuǎn)移頻數(shù)矩陣可計算所有情形的轉(zhuǎn)移概率,得到一步概率轉(zhuǎn)換矩陣P(1);,假定月徑流狀態(tài)分為枯、平、豐三種,分別

10、記為1、2、3;預報因子為T月徑流,預報對象為T+1月徑流。,預報時,只要將T月徑流的初始概率分布PT與P(1)相乘,便得到T+1月徑流分別在枯、平、豐三種狀態(tài)的概率分布PT+1 。,枯,,,,三、常用預報方法簡介,,諧波分析是從頻率域上分析水文時間序列內(nèi)部結(jié)構的一種方法,其理論依據(jù)是任意水文時間序列可由不同頻率的諧波(正弦波和余弦波組成)疊加而成。顯著的諧波即為周期成分,其對應的頻率的倒數(shù)為周期。,設水文時間序列Xt(t=1,2, ‥

11、,n),其數(shù)學模型為:,式中:μ為Xt的均值;L為顯著諧波的個數(shù);aj,bj為第j個諧波的傅氏系數(shù); Tj為第j個諧波的周期,Tj=n/j ,其中:,(4)方法簡介——周期分析法(諧波分析),三、常用預報方法簡介,通過假設檢驗可確定顯著諧波的個數(shù)L,構造統(tǒng)計量:,,根據(jù)分析出的周期進行外延,則可實現(xiàn)預報。,為序列的方差。根據(jù)給定的顯著性水平α,由F分布查得Fα。當Fj>Fα,則第j個諧波顯著,其對應的周期就顯著;反之則不顯著。,,

12、三、常用預報方法簡介,(5)方法簡介——BP神經(jīng)網(wǎng)絡,數(shù)據(jù)流前向計算,誤差信號反向傳播的多層前饋網(wǎng)絡模型,基本思想,,,,,,,,,大氣環(huán)流特征,高空氣壓場,海表溫度,輸入層,隱含層,輸出層,降雨徑流資料,,選擇傳遞函數(shù),初始化權重和閾值,,利用訓練樣本修正權重和閾值,,完成機器學習 確定網(wǎng)絡,預報降雨徑流量,,,,,,三、常用預報方法簡介,(6)方法簡介——聚類分析(系統(tǒng)聚類法),聚類分析就是按照某種相似性度量,將具有相似特征的樣本

13、歸為一類,使得類內(nèi)差異較小,而類間差異較大。獲得新的樣本之后,根據(jù)相似準則,將新樣本歸類,由該類特征進行預報。,三、常用預報方法簡介,(7)方法簡介——聚類分析(隨機森林法),特點:隨機抽樣+決策樹。訓練集:預報因子的觀測樣本,預報因子的屬性值稱為節(jié)點。自頂向下,在決策樹的內(nèi)部節(jié)點進行屬性值的比較,并根據(jù)不同屬性判斷從該節(jié)點向下的分支走向,最后在決策樹的末端得到分類或預測結(jié)果。,三、常用預報方法簡介,(7)方法簡介——聚類分析

14、(隨機森林),隨機森林,,改進:一棵決策樹只能得到一個預測結(jié)果,構建樹群可以得到多個預測結(jié)果,多個結(jié)果集成可以提高預測精度。關鍵:通過 Bootstrap隨機抽樣,形成決策樹群(隨機森林)。,三、常用預報方法簡介,預報因子X,預報對象Y,將Y值分為m級,Y={Y1,Y2,…,Ym},,獲得新的預報因子值X,計算Yi出現(xiàn)的概率,再根據(jù)后驗概率最大準則,可實現(xiàn)預報變量Y的定性(等級)預報。,(8)方法簡介——判別分析(貝葉斯判別),,,,

15、將預報對象Y的取值范圍分成若干等級或區(qū)間(如豐、平、枯),計算預報值落入每個區(qū)間的可能性大小,取可能性最大的區(qū)間作為預報結(jié)果。,三、常用預報方法簡介,(9)方法簡介——水文集合預報,實測數(shù)據(jù):降雨、初始土壤含水量等,1950,1951,1952,2015,... ...,1953,2014,,水文模型計算系統(tǒng)初始狀態(tài),1 2 3 12,3月11

16、號,預報,4月10號,三、常用預報方法簡介,(9)方法簡介——水文集合預報,Q(m³/s),t(d),三、常用預報方法簡介,四、應用示例簡介,多元回歸自回歸馬爾科夫鏈周期分析(諧波分析)隨機森林統(tǒng)計分析與水文模型耦合水文集合預報,(1)以丹江口以上流域1月份的月降雨為例,四、應用示例簡介(多元回歸),預報因子選擇,回歸方程,,漢口上游區(qū)1954-2013年1月份降雨量y和對應的各影響因子x數(shù)據(jù),,,最小二乘法計

17、算,四、應用示例簡介(多元回歸),(1)以丹江口以上流域1月份的月降雨為例,率定期(1954-2009):年降雨總量誤差8.5%,汛期各月平均誤差約為20%~40%驗證期( 2010-2013 ):年降雨總量誤差8%,汛期各月平均誤差約為10%~45%,四、應用示例簡介(多元回歸),(2)以丹江口以上流域徑流量為例,率定期( 1984-2009 ):年降雨總量誤差10.8%,汛期各月平均誤差約為15%~60%,年總量預報精度最高,枯季

18、及汛期月份次之。驗證期(2010-2013):年降雨總量誤差13.5%,汛期各月平均誤差約為14%~50%,年總量預報精度最高,枯季及汛期月份次之。,四、應用示例簡介(多元回歸),(2)以丹江口以上流域徑流量為例,2010年,2011年,2012年,2013年,,,,階數(shù)P=4,四、應用示例簡介(自回歸-AR(P)),(3)以丹江口以上流域4月徑流量為例,率定期:1955-2009驗證期:2010-2013,,AR(4)方程,,

19、,,驗證期誤差統(tǒng)計,四、應用示例簡介(自回歸-AR(P)),預報結(jié)果示意圖,(3)以丹江口以上流域4月徑流量為例,四、應用示例簡介(馬爾科夫鏈),(4)以丹江口水庫9月報10月入庫徑流量為例,,率定期:1951-2008 驗證期:2009-2013,,,為fi,j為第i狀態(tài)經(jīng)一步轉(zhuǎn)移為第j狀態(tài)的頻數(shù),轉(zhuǎn)移概率為,狀態(tài)劃分,轉(zhuǎn)移矩陣計算,,四、應用示例簡介(馬爾科夫鏈),(4)以丹江口水庫9月報10月

20、入庫徑流量為例,預測水平年與實際情況相符,9月報10月徑流預報成果表,,四、應用示例簡介(諧波分析),則Xt的周期方程為:,(5)以丹江口水庫1月徑流量為例,率定期:1951-2009驗證期:2010-2013,置信度: α=0.05顯著周期: 10、5年,,,周期成分1,周期成分2,,采用上述方程,模擬1951~2009年1月徑流量,其平均相對誤差為24.4%;驗證2010~2013年1月徑流量,其平均相對誤差為27.2%。,四、

21、應用示例簡介(諧波分析),四、應用示例簡介(隨機森林),(6)丹江口逐月徑流預報預報因子:10項環(huán)流因子  預報變量:逐月徑流量,···,,,,25棵決策樹,,,率定期:1950~2009,驗證期:1950~2009,,讀取訓練數(shù)據(jù),,25,四、應用示例簡介(隨機森林),驗證期逐月預報結(jié)果:,四、應用示例簡介(統(tǒng)計分析與水文模型耦合),,(7)丹江口水庫入庫徑流預報——多元回歸預測+SWAT,預報月降雨過

22、程,,日降雨過程,相似性原理,SWAT 水文模型,預報日/月徑流過程,模型參數(shù)率定與驗證,率定期:1995-2005驗證期:2006-2011,多元線性回歸模型,2012年月降雨預報,預報結(jié)果分析,選擇預報因子確定回歸系數(shù)模型構建與驗證,,,最小距離原則:,月降雨統(tǒng)計預報模型(多元線性回歸方程),預報因子選擇,回歸方程,,最小二乘法計算回歸系數(shù),,以漢江上游區(qū) 1 月份的月降雨為例,,模型驗證,,四、應用示例簡介(統(tǒng)計分析與水文模

23、型耦合),月降雨→日降雨過程,,根據(jù)由歐氏距離構建的相似性度量函數(shù),選擇相似的典型月份的逐日降雨過程:,,日徑流過程預報、月徑流量統(tǒng)計,,縮放,計算同倍比縮放系數(shù),對典型降雨逐日過程縮放:,各月縮放系數(shù)式中i=1~12,預報年份逐日降雨量預報,四、應用示例簡介(統(tǒng)計分析與水文模型耦合),,,徑流預測(以2012年為例),以2012年為例,采用多元回歸預測月降雨、采用相似性理論推求日降雨,采用swat模型進行徑流預測。,降雨預報及實測

24、,徑流預報及實測,四、應用示例簡介(統(tǒng)計分析與水文模型耦合),,,(8)丹江口水庫入庫徑流集合預報(李巖等,2008《水文》),預報:2007年10月份3個旬的徑流量水文模型:三水源新安江模型降雨和流量集合: 1979- 2006 年 10 月1 日~30 日,四、應用示例簡介(水文集合預報),,未來預報降雨信息如何使用,多種預報結(jié)果如何選取與綜合,預報不確定性定量評估,主要問題,,,,,1,2,3,4,各種模型預報結(jié)果,歐洲、日

25、本、中國預測降雨產(chǎn)品,五、存在問題及研究重點,(1)未來數(shù)值天氣預報產(chǎn)品應用,五、存在問題及研究重點,水文集合預報系統(tǒng)流程圖(HEPEX),實測值,地面資料同化器,天氣與氣候預報,天氣集合預處理器,成果與服務,輸出生產(chǎn)器,水文集合(預報)處理器,水文模型,,,,,,,,集合初始條件,,單值或集合預報,可靠的水文輸入,集合預報,可靠的水文成果,引自叢樹錚《水科學技術中的概率統(tǒng)計方法》,(2)多種預報成果的尋優(yōu)與綜合技術,,,,,1,2,3

26、,4,,,,,1,2,3,4,,,綜合結(jié)果,各種模型預報結(jié)果,多預報模型結(jié)果綜合,,五、存在問題及研究重點,基于貝葉斯理論的多模型預報成果的綜合技術(BMA)通過對預報信息與實測信息的似然程度分析,構建一種自動賦權的多預報成果綜合技術。,預報不確定性估計,未來輸入不確定性估計PUP,水文不確定性估計(模型結(jié)構+模型參數(shù))HUP,綜合不確定性處理器 INT,,五、存在問題及研究重點,(3)預報結(jié)果不確定性分析-- 借鑒美國BFS洪水

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論