中長期水文預(yù)報20150311

中長期水文預(yù)報

統(tǒng)計預(yù)報方法中長期水文預(yù)報1需要的基礎(chǔ)資料3存在問題及研究趨勢6常用預(yù)報方法簡介4應(yīng)用示例簡介5中長期水文預(yù)報基本需求2一、中長期水文預(yù)報通常稱預(yù)見期在兩周左右的為中期水文預(yù)報，15天以上一年以內(nèi)的為長期水文預(yù)報，一年以上的為超長期水文預(yù)報。中長期水文預(yù)報的內(nèi)容有河流徑流量、湖泊和河口的水位、冰情、河道及水庫沖淤變化和旱澇趨勢等。水文預(yù)報（hydrologicforecasting）是指根據(jù)前期或現(xiàn)時的水文氣象資料，對某一水體、某一地區(qū)或某一水文站在未來一定時間內(nèi)的水文情況作出定性或定量的預(yù)測。對防洪、抗旱、水資源合理利用和國防事業(yè)中有重要意義Qt12月31日12月31日中長期水文預(yù)報——提供未來一年以內(nèi)的預(yù)報旬月季年未來一年總量預(yù)報未來一年各季（或汛、枯期）預(yù)報未來一年各月（或旬）預(yù)報二、中長期水文預(yù)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(yù)報——提供未來一年以內(nèi)的預(yù)報定量定性提供具體數(shù)值。可在年初預(yù)報未來一年（旬、月、季、年），也可滾動預(yù)報未來一段時間（如3月報4月）提供預(yù)報量定性評價，如偏枯、偏豐或提供等級預(yù)報，如Ⅰ～V級一、中長期水文預(yù)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(xiàng)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(dāng)?shù)亟涤辍搅?、蒸發(fā)、日照等遙相關(guān)因子本地相關(guān)因子二、需要的基礎(chǔ)資料74項(xiàng)環(huán)流指數(shù)可從中國國家氣候中心下載三、需要的基礎(chǔ)資料美國環(huán)境預(yù)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(chǔ)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(chǔ)資料水文、地形、工程運(yùn)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(yùn)行資料二、需要的基礎(chǔ)資料四、常用預(yù)報方法簡介統(tǒng)計學(xué)方法統(tǒng)計分析與水文模型耦合預(yù)報方法方法分類尋找預(yù)報變量與預(yù)報因子之間的統(tǒng)計關(guān)系，實(shí)現(xiàn)預(yù)報時間序列或統(tǒng)計相關(guān)水文模型氣象要素預(yù)報水文模型水文要素預(yù)報（1）預(yù)報方法分類大氣物理模型初始場、邊界條件大氣運(yùn)動方程數(shù)值天氣預(yù)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/判別逐步聚類系統(tǒng)聚類。。。距離判別貝葉斯判別。。。模糊灰色混沌投影尋蹤神經(jīng)網(wǎng)絡(luò)小波分析隨機(jī)森林貝葉斯預(yù)報支持向量機(jī)相關(guān)向量機(jī)。。。三、常用預(yù)報方法簡介統(tǒng)計預(yù)測與水文模型耦合水文集合預(yù)報統(tǒng)計分析與水文模型耦合預(yù)報方法率定確定性水文模型確定預(yù)報時刻系統(tǒng)初始狀態(tài)構(gòu)建模型輸入集集合預(yù)報及統(tǒng)計分析統(tǒng)計方法預(yù)測模型輸入要素率定確定性水文模型耦合預(yù)報四、常用預(yù)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(yù)測對象的影響因素（因子），應(yīng)用數(shù)理統(tǒng)計中的多元線性回歸方法建立預(yù)報方案。多元線性回歸方程：——預(yù)報因子基本思想根據(jù)歷史資料用最小二乘方法確定根據(jù)相關(guān)性分析和物理成因分析——回歸系數(shù)四、常用預(yù)報方法簡介逐步回歸門限回歸主成分回歸按相關(guān)性與貢獻(xiàn)率的大小，逐步篩選與剔除相關(guān)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(guān)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——多元回歸類四、常用預(yù)報方法簡介（2）方法簡介——時間序列（相關(guān)類模型）分析時間序列自身的相關(guān)特征，建立預(yù)報模型?；舅枷敕诸怉RMA（p,q）例：AR（p）模型：ARIMA（p,d,q）解集模型正則展開模型。。。四、常用預(yù)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(zhǔn)則確定利用各階相關(guān)系數(shù)計算模型系數(shù)步驟四、常用預(yù)報方法簡介（3）方法簡介——馬爾可夫鏈馬爾可夫鏈?zhǔn)且环N隨機(jī)時間序列，預(yù)報對象在將來狀態(tài)（xt+1）只與它現(xiàn)在的狀態(tài)（xt）有關(guān)，而與過去的狀態(tài)（x1,x2,…,xt-1)無關(guān)，稱為無后效性，即假設(shè)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(yù)報對象的未來狀態(tài)進(jìn)行定性預(yù)報。四、常用預(yù)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，分別記為1、2、3；預(yù)報因子為T月徑流，預(yù)報對象為T+1月徑流。預(yù)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

。狀態(tài)枯平豐標(biāo)記123枯平豐枯平豐已知：T月徑流為枯估計：T+1月徑流概率分布枯四、常用預(yù)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(gòu)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(yīng)的頻率的倒數(shù)為周期。設(shè)水文時間序列Xt(t=1,2,‥，n)，其數(shù)學(xué)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）四、常用預(yù)報方法簡介通過假設(shè)檢驗(yàn)可確定顯著諧波的個數(shù)L，構(gòu)造統(tǒng)計量：根據(jù)分析出的周期進(jìn)行外延，則可實(shí)現(xiàn)預(yù)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(dāng)Fj>Fα，則第j個諧波顯著，其對應(yīng)的周期就顯著；反之則不顯著。四、常用預(yù)報方法簡介（5）方法簡介——BP神經(jīng)網(wǎng)絡(luò)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(luò)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(quán)重和閾值利用訓(xùn)練樣本修正權(quán)重和閾值完成機(jī)器學(xué)習(xí)確定網(wǎng)絡(luò)預(yù)報降雨徑流量四、常用預(yù)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(zhǔn)則，將新樣本歸類，由該類特征進(jìn)行預(yù)報。四、常用預(yù)報方法簡介（7）方法簡介——聚類分析（隨機(jī)森林法）

特點(diǎn):隨機(jī)抽樣+決策樹。訓(xùn)練集：預(yù)報因子的觀測樣本，預(yù)報因子的屬性值稱為節(jié)點(diǎn)。自頂向下，在決策樹的內(nèi)部節(jié)點(diǎn)進(jìn)行屬性值的比較，并根據(jù)不同屬性判斷從該節(jié)點(diǎn)向下的分支走向，最后在決策樹的末端得到分類或預(yù)測結(jié)果。節(jié)點(diǎn)2（氣壓）大于500hPa訓(xùn)練集預(yù)報因子：氣溫、氣壓預(yù)報變量：陰、晴、雨類別3（陰）類別1（晴）類別2（雨）節(jié)點(diǎn)1（氣溫）小于20oC大于20oC小于500hPa四、常用預(yù)報方法簡介（7）方法簡介——聚類分析（隨機(jī)森林）隨機(jī)森林改進(jìn)：一棵決策樹只能得到一個預(yù)測結(jié)果，構(gòu)建樹群可以得到多個預(yù)測結(jié)果，多個結(jié)果集成可以提高預(yù)測精度。關(guān)鍵：通過Bootstrap隨機(jī)抽樣，形成決策樹群（隨機(jī)森林）。四、常用預(yù)報方法簡介預(yù)報因子X預(yù)報對象Y將Y值分為m級Y={Y1，Y2，…，Ym}獲得新的預(yù)報因子值X，計算Yi出現(xiàn)的概率，再根據(jù)后驗(yàn)概率最大準(zhǔn)則,可實(shí)現(xiàn)預(yù)報變量Y的定性（等級）預(yù)報。（8）方法簡介——判別分析（貝葉斯判別）將預(yù)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(yù)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(yù)報結(jié)果。四、常用預(yù)報方法簡介（9）方法簡介——水文集合預(yù)報實(shí)測數(shù)據(jù)：降雨、初始土壤含水量等1950195119522015......19532014水文模型計算系統(tǒng)初始狀態(tài)

123123月11號預(yù)報4月10號四、常用預(yù)報方法簡介（9）方法簡介——水文集合預(yù)報Q（m3/s）t（d）10%~25%25%~50%50%~75%75%~90%≥90%超過概率四、常用預(yù)報方法簡介五、應(yīng)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(jī)森林統(tǒng)計分析與水文模型耦合水文集合預(yù)報（1）以丹江口以上流域1月份的月降雨為例五、應(yīng)用示例簡介（多元回歸）預(yù)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(yīng)的各影響因子x數(shù)據(jù)最小二乘法計算預(yù)報因子環(huán)流特征量提前年數(shù)月份x1北美副高脊線(110W-60W)111x2北美副高北界(110W-60W)111x3太平洋區(qū)極渦面積指數(shù)(2區(qū),150E-120W)11x4南海副高北界(100E-120E)212x5編號臺風(fēng)15x6亞洲經(jīng)向環(huán)流指數(shù)(IM,60E-150E)15x7南海副高脊線(100E-120E)12x8冷空氣13x9北美大西洋副高脊線(110W-20W)211x10北半球極渦中心位置(JW)17五、應(yīng)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(yàn)證期（2010-2013

）：年降雨總量誤差8%，汛期各月平均誤差約為10%~45%五、應(yīng)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(yù)報精度最高，枯季及汛期月份次之。驗(yàn)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(yù)報精度最高，枯季及汛期月份次之。預(yù)報因子環(huán)流特征量提前年份月份x1登陸臺風(fēng)18x2北非副高脊線(20W-60E)18x3北非副高北界(20W-60E)112x4北半球極渦中心位置(JW)16x5北非副高脊線(20W-60E)16x6東亞槽位置(CW)112x7亞洲經(jīng)向環(huán)流指數(shù)(IM,60E-150E)112x8東太平洋副高脊線(175W-115W)16x9冷空氣14x10北美大西洋副高北界(110W-20W)111五、應(yīng)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=4五、應(yīng)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(yàn)證期：2010-2013AR(4)方程驗(yàn)證期誤差統(tǒng)計年份誤差（%）合格？2010-23合格201118合格201238不合格201329合格2014-9合格五、應(yīng)用示例簡介（自回歸-AR(P)）預(yù)報結(jié)果示意圖（3）以丹江口以上流域4月徑流量為例五、應(yīng)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(yàn)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)移矩陣計算五、應(yīng)用示例簡介（馬爾科夫鏈）（4）以丹江口水庫9月報10月入庫徑流量為例預(yù)測年份實(shí)際水平年一步轉(zhuǎn)移概率枯水年平水年豐水年2009平水0.0240.8780.0982010平水0.0240.8780.0982011平水0.0000.7000.3002012平水0.0240.8780.0982013平水0.0240.8780.098預(yù)測水平年與實(shí)際情況相符9月報10月徑流預(yù)報成果表五、應(yīng)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(yàn)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(yàn)證2010~2013年1月徑流量，其平均相對誤差為27.2%。15.7%419362201334.1%4953692011-28.5%3685152012-30.4%2934212010相對誤差模擬值實(shí)測值年份相對誤差模擬值實(shí)測值年份五、應(yīng)用示例簡介（諧波分析）五、應(yīng)用示例簡介（隨機(jī)森林）（6）丹江口逐月徑流預(yù)報預(yù)報因子：10項(xiàng)環(huán)流因子預(yù)報變量：逐月徑流量···25棵決策樹率定期：1950~2009驗(yàn)證期：1950~2009讀取訓(xùn)練數(shù)據(jù)25五、應(yīng)用示例簡介（隨機(jī)森林）驗(yàn)證期逐月預(yù)報結(jié)果：五、應(yīng)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(yù)報——多元回歸預(yù)測+SWAT預(yù)報月降雨過程日降雨過程相似性原理SWAT水文模型預(yù)報日/月徑流過程模型參數(shù)率定與驗(yàn)證率定期：1995-2005驗(yàn)證期：2006-2011多元線性回歸模型2012年月降雨預(yù)報預(yù)報結(jié)果分析選擇預(yù)報因子確定回歸系數(shù)模型構(gòu)建與驗(yàn)證最小距離原則:月降雨統(tǒng)計預(yù)報模型（多元線性回歸方程）預(yù)報因子環(huán)流特征量提前年數(shù)月份x1北美副高脊線(110W-60W)111x2北美副高北界(110W-60W)111x3太平洋區(qū)極渦面積指數(shù)(2區(qū),150E-120W)11x4南海副高北界(100E-120E)212x5編號臺風(fēng)15x6亞洲經(jīng)向環(huán)流指數(shù)(IM,60E-150E)15x7南海副高脊線(100E-120E)12x8冷空氣13x9北美大西洋副高脊線(110W-20W)211x10北半球極渦中心位置(JW)17預(yù)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(yàn)證月份2010年預(yù)報誤差（mm）合格？2011年預(yù)報誤差（mm）合格？121合格4合格五、應(yīng)用示例簡介（統(tǒng)計分析與水文模型耦合）月降雨→日降雨過程根據(jù)由歐氏距離構(gòu)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(yù)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(yù)報年份逐日降雨量預(yù)報五、應(yīng)用示例簡介（統(tǒng)計分析與水文模型耦合）徑流預(yù)測（以2012年為例）以2012年為例，采用多元回歸預(yù)測月降雨、采用相似性理論推求日降雨，采用swat模型進(jìn)行徑流預(yù)測。降雨預(yù)報及實(shí)測徑流預(yù)報及實(shí)測五、應(yīng)