一種基于全局自動優化算法的洪水實時校正方法技術

本發明專利技術提供一種基于全局自動優化算法的洪水實時校正方法，包括水文耦合模塊與誤差耦合模塊，先運用水文耦合模塊對模型產匯流參數和流域初始狀態參數進行實時校正，計算得到初步校正預報結果，后運用誤差耦合模塊對初步校正預報誤差進行誤差校正計算，得到最終的洪水校正預報結果。本發明專利技術將水文模型和誤差校正模型分別與全局自動優化算法進行耦合處理，形成相互嵌套的水文耦合模塊和誤差耦合模塊，并依據實時降雨徑流信息進行洪水實時校正預報。本發明專利技術提出一種新的思路，對水文模型參數進行實時校正計算，從“根源”上提高洪水預報精度，克服現有單對預報誤差進行校正方法的缺陷，保證實時校正預報效果的可靠性和穩定性。

A real-time flood correction method based on global automatic optimization algorithm

The present invention provides a method for real-time correction of an automatic optimization algorithm based on global flood, including hydrological coupling module and error coupling module, using coupling module for real-time correction of hydrological runoff model parameters and basin initial state parameters, the calculated results of forecasting error correction after preliminary, using coupling module error on the initial correction of prediction error correction calculation, get the final correction flood forecasting results. In the invention, the hydrological model and error correction model respectively and global optimization algorithm for automatic coupling processing, the formation of hydrological coupling module and error coupling module are nested, and according to the real-time rainfall runoff forecast information of flood real-time correction. The invention provides a new way of thinking, the hydrological model parameters in real time correction calculation, from the \root\ on improving the precision of flood forecasting, to overcome the existing defect correction method of single prediction error, ensuring the reliability and stability of real-time correction of forecasting results.

【技術實現步驟摘要】
一種基于全局自動優化算法的洪水實時校正方法
本專利技術涉及水文預報領域，具體涉及一種基于全局自動優化算法的洪水實時校正方法。
技術介紹
水文預報通過對未來水文情勢(如洪峰流量)做出科學預測，特別是對災害性水文現象做出準確預報，從而實現防洪減災以及水資源的合理開發利用。提高水文預報的精度是水文預報工作的重要內容，對防洪減災、保護人民生命財產安全、充分發揮水利工程效益改善生態環境等起著至關重要的作用。現有的水庫洪水預報方法較多，主要分為經驗方法和水文模型；對預報結果進行實時校正的方法一般都是利用預報結果與實測結果之間的殘差進行校正計算，常用的方法有自回歸校正模型、卡爾曼濾波、神經網絡、小波分析和最小二乘法等。這些方法一般只能校正系統誤差，能夠在一定程度上提高預報精度，但是效果有限。因為預報精度還受到預報方法的影響，比如利用水文模型進行洪水預報，預報精度主要取決于兩個因素：(1)模型參數對流域下墊面產匯流特性反映程度；(2)流域初始狀態變量設置值與流域實際情況的吻合程度。一方面，從預報方法層面進行校正預報是從“根源”減小誤差，提高預報精度；另一方面，從預報殘差層面進行校正預報是從“結果”減小誤差，提高預報精度。現有的實時校正方法大多數是建立在模型預報流量系列和實測流量系列的基礎上，利用統計學的相關方法進行校正預報。這種誤差校正方法存在一定的不足，首先，沒有從誤差來源層面入手，物理意義不夠明確，校正效果并不明顯；其次，相關統計方法本身具有局限性，校正預報結果沒有進過自篩選，校正效果不夠穩定。
技術實現思路
本專利技術的目的在于克服現有技術存在的以上問題，提供一種基于全局自動優化算法的洪水實時校正方法，本專利技術提出一種新的思路，對水文模型參數進行實時校正計算，從“根源”上提高洪水預報精度，克服現有單對預報誤差進行校正方法的缺陷，保證實時校正預報效果的可靠性和穩定性。為實現上述技術目的，達到上述技術效果，本專利技術通過以下技術方案實現：一種基于全局自動優化算法的洪水實時校正方法，包括水文耦合模塊與誤差耦合模塊；所述的水文耦合模塊用于依據實時的降雨徑流信息對水文模型參數和流域初始狀態變量進行實時校正計算，所述的水文耦合模塊的實時校正區間為洪水開始時間到當前時刻；所述的誤差耦合模塊用于利用預報徑流值與實測值之間的殘差，對模型預報誤差進行實時校正計算，所述的誤差耦合模塊的實時校正區間通過模塊參數進行優選；所述的水文耦合模塊與所述的誤差耦合模塊之間串聯耦合，先運用所述的水文耦合模塊進行實時校正預報，后運用所述的誤差耦合模塊對預報誤差進行誤差校正計算，得到最終的洪水預報。進一步的，所述的水文耦合模塊包括流域水文模型與全局自動優化算法；所述的水文耦合模塊為所述的流域水文模型與所述的全局自動優化算法的耦合。進一步的，所述的誤差耦合模塊包括誤差校正模型與全局自動優化算法；所述的誤差耦合模塊為所述的誤差校正模型與所述的全局自動優化算法的耦合。進一步的，所述的流域水文模型包括新安江模型、前期影響雨量指數模型(API模型)、薩克拉門托模型(SAC模型)和水箱模型(TANK模型)。進一步的，所述的誤差校正模型包括自回歸校正模型、卡爾曼濾波模型、神經網絡模型、小波分析模型和最小二乘法模型。進一步的，所述的全局自動優化算法包括復合形交叉進化算法、模擬退火方法、遺傳算法、蟻群算法以及粒子群算法、神經網絡算法。進一步的，所述的水文耦合模塊包括以下步驟：水文模型分析，分析水文模型的結構，確定參加優化的模型參數和流域初始狀態變量參數，并根據流域下墊面特性確定優化參數的可行域；全局自動優化算法啟動，根據優化參數可行域生成樣本點群Xi(i＝1，2，3…，N)，帶入水文模型計算得到目標函數系列Fi(i＝1，2，3…，N)，并按照由小到大的排序形成新組合(Xi，Fi)(i＝1，2，3…，N)；水文樣本進化，對重新排序的樣本組合(Xi，Fi)進行復合進化計算，然后按照進行收斂性判斷，若收斂，則可獲得水文模型全局最優參數bestx1；若不收斂，則水文參數樣本點群進化，進行模型計算，得到一組新的目標函數系列，再次進行水文樣本進化。進一步的，所述的誤差耦合模塊包括以下步驟：誤差校正模型分析，分析誤差校正模型結構，確定參加優化的參數，并根據預報殘差系列確定優化參數的可行域；全局自動優化算法啟動，根據優化參數可行域生成樣本點群Xi(i＝1，2，3…，N)，帶入誤差校正模型計算得到目標函數系列Fi(i＝1，2，3…，N)，并按照由小到大的排序形成新組合(Xi，Fi)(i＝1，2，3…，N)；誤差樣本進化，對重新排序的樣本組合(Xi，Fi)進行復合進化計算，然后進行收斂性判斷，若收斂，則獲得誤差校正模型全局最優參數bestx2；若不收斂，則誤差參數樣本點群進化，進行模型計算，得到一組新的目標函數系列，再次進行誤差樣本進化。本專利技術的有益效果是：本專利技術提供一種基于全局自動優化算法的洪水實時校正方法，包括水文耦合模塊與誤差耦合模塊，水文耦合模塊用于依據實時的降雨徑流信息對水文模型參數和流域初始狀態變量進行實時校正計算，水文耦合模塊的實時校正區間為洪水開始時間到當前時刻；誤差耦合模塊用于利用預報徑流值與實測值之間的殘差，對模型預報誤差進行實時校正計算，誤差耦合模塊的實時校正區間通過模塊參數進行優選；水文耦合模塊與誤差耦合模塊之間串聯耦合，先運用水文耦合模塊進行實時校正預報，后運用誤差耦合模塊對預報誤差進行誤差校正計算，得到最終的洪水預報。本專利技術將流域水文模型和誤差校正模型分別與全局自動優化算法進行耦合處理，形成相互嵌套的水文耦合模塊和誤差耦合模塊，然后依據實時降雨徑流信息進行洪水實時校正預報。本專利技術提出一種新的思路，對水文模型參數進行實時校正計算，從“根源”上提高洪水預報精度，克服現有單對預報誤差進行校正方法的缺陷，保證實時校正預報效果的可靠性和穩定性。上述說明僅是本專利技術技術方案的概述，為了能夠更清楚了解本專利技術的技術手段，并可依照說明書的內容予以實施，以下以本專利技術的較佳實施例并配合附圖詳細說明如后。本專利技術的具體實施方式由以下實施例及其附圖詳細給出。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中：圖1是本專利技術的一種基于全局自動優化算法的洪水實時校正方法整體實現流程圖；圖2是本專利技術的新安江模型流程圖；圖3是本專利技術的水文耦合模塊計算流程圖；圖4是本專利技術的誤差耦合模塊計算流程圖；圖5是本專利技術的洪水實時校正預報結果圖。具體實施方式下面將參考附圖并結合實施例，來詳細說明本專利技術。參照圖1-5所示，一種基于全局自動優化算法的洪水實時校正方法，包括水文耦合模塊與誤差耦合模塊；所述的水文耦合模塊用于依據實時的降雨徑流信息對水文模型參數和流域初始狀態變量進行實時校正計算，所述的水文耦合模塊的實時校正區間為洪水開始時間到當前時刻；所述的誤差耦合模塊用于利用預報徑流值與實測值之間的殘差，對模型預報誤差進行實時校正計算，所述的誤差耦合模塊的實時校正區間通過模塊參數進行優選；所述的水文耦合模塊與所述的誤差耦合模塊之間串聯耦合，先運用所述的水文耦合模塊進行實時校正預報，后運用所述的誤差耦合模塊對預報誤差進行誤本文檔來自技高網...

【技術保護點】
一種基于全局自動優化算法的洪水實時校正方法，包括水文耦合模塊與誤差耦合模塊，其特征在于：所述的水文耦合模塊用于依據實時的降雨徑流信息對水文模型參數和流域初始狀態變量進行實時校正計算，所述的水文耦合模塊的實時校正區間為洪水開始時間到當前時刻；所述的誤差耦合模塊用于利用預報徑流值與實測值之間的殘差，對模型預報誤差進行實時校正計算，所述的誤差耦合模塊的實時校正區間通過模塊參數進行優選；所述的水文耦合模塊與所述的誤差耦合模塊之間串聯耦合，先運用所述的水文耦合模塊進行實時校正預報，后運用所述的誤差耦合模塊對預報誤差進行誤差校正計算，得到最終的洪水預報結果。

【技術特征摘要】
1.一種基于全局自動優化算法的洪水實時校正方法，包括水文耦合模塊與誤差耦合模塊，其特征在于：所述的水文耦合模塊用于依據實時的降雨徑流信息對水文模型參數和流域初始狀態變量進行實時校正計算，所述的水文耦合模塊的實時校正區間為洪水開始時間到當前時刻；所述的誤差耦合模塊用于利用預報徑流值與實測值之間的殘差，對模型預報誤差進行實時校正計算，所述的誤差耦合模塊的實時校正區間通過模塊參數進行優選；所述的水文耦合模塊與所述的誤差耦合模塊之間串聯耦合，先運用所述的水文耦合模塊進行實時校正預報，后運用所述的誤差耦合模塊對預報誤差進行誤差校正計算，得到最終的洪水預報結果。2.根據權利要求1所述的一種基于全局自動優化算法的洪水實時校正方法，其特征在于：所述的水文耦合模塊包括流域水文模型與全局自動優化算法；所述的水文耦合模塊為所述的流域水文模型與所述的全局自動優化算法的耦合。3.根據權利要求1所述的一種基于全局自動優化算法的洪水實時校正方法，其特征在于：所述的誤差耦合模塊包括誤差校正模型與全局自動優化算法；所述的誤差耦合模塊為所述的誤差校正模型與所述的全局自動優化算法的耦合。4.根據權利要求2所述的一種基于全局自動優化算法的洪水實時校正方法，其特征在于：所述的流域水文模型包括新安江模型、前期影響雨量指數模型(API模型)、薩克拉門托模型(SAC模型)和水箱模型(TANK模型)。5.根據權利要求3所述的一種基于全局自動優化算法的洪水實時校正方法，其特征在于：所述的誤差校正模型包括自回歸校正模型、卡爾曼濾波模型、神經網絡模型、小波分析模型和最小二乘法模型。6.根據權利要求4或5其中之一所述的一種基于全局自動優化算法的洪水實時校正方法，其特征在于：所述的全局自動優化算...

【專利技術屬性】
技術研發人員：嚴文武，顧巍巍，張芳，張衛國，孫如飛，宋娟，鐘偉，王新龍，薛曉鵬，
申請(專利權)人：寧波市水利水電規劃設計研究院，
類型：發明
國別省市：浙江,33