專利名稱：短期徑流預(yù)報(bào)方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種短期徑流預(yù)報(bào)方法及系統(tǒng)，屬于梯級水電站群徑流預(yù)報(bào)技術(shù)領(lǐng)域。
背景技術(shù)：
徑流預(yù)測對于水庫水電站的運(yùn)行管理有著重要的意義，是正確制定水庫優(yōu)化調(diào)度運(yùn)行方式和水電站發(fā)電計(jì)劃的重要依據(jù)，直接影響著水庫的運(yùn)行方式和效益的發(fā)揮。對于短期徑流預(yù)報(bào)來說，由于氣候、流域下墊面條件以及人類活動等綜合因素的影響，日徑流表現(xiàn)出更強(qiáng)的非線性、變異性、多尺度等特性，使得日徑流的預(yù)報(bào) 難度加大。目前，國內(nèi)外徑流預(yù)報(bào)采用的方法主要有成因分析法、統(tǒng)計(jì)分析法、灰色系統(tǒng)法、模糊算法、人工神經(jīng)網(wǎng)絡(luò)、小波分析以及這些方法的組合等。由于流域條件等各方面因素，各種模型都有其優(yōu)缺點(diǎn)及適用條件。成因分析方法是運(yùn)用水文學(xué)原理，深人剖析水文現(xiàn)象的物理成因，充分了解和掌握其內(nèi)在的客觀規(guī)律，然后通過合理的技術(shù)途徑和科學(xué)的方法預(yù)測未來的水文情勢變化，這是日徑流預(yù)測研究的一個重要發(fā)展方向，但由于氣候變化和人類活動雙重因素的影響，日徑流表現(xiàn)出更加復(fù)雜、非線性的動力特性，而相應(yīng)的研究方法滯后，故這類研究進(jìn)展不大?；疑到y(tǒng)法、模糊算法是最常用的不確定性系統(tǒng)研究方法，對于建模數(shù)據(jù)沒有特殊的要求和限制?；疑到y(tǒng)理論適合于序列具有指數(shù)增長趨勢的問題，對于其他變化趨勢，當(dāng)數(shù)據(jù)的離散程度越大，則有時擬合灰度較大，導(dǎo)致精度難以提高；模糊算法由于信息模糊化、隸屬度的確定帶有明顯的主觀性，使模糊算法的實(shí)際應(yīng)用受到了一定的限制。人工神經(jīng)網(wǎng)絡(luò)是基于連接學(xué)說構(gòu)造的智能仿生模型，是由大量神經(jīng)元組成的非線性動力學(xué)系統(tǒng)，具有并行分布處理、自組織、自適應(yīng)、自學(xué)習(xí)和容錯性等特點(diǎn)；人工神經(jīng)網(wǎng)絡(luò)法無法覆蓋水文預(yù)測中的不確定性信息，且影響人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的因素眾多，參數(shù)優(yōu)選理論發(fā)展的不完善也制約了人工神經(jīng)網(wǎng)絡(luò)模型優(yōu)勢的發(fā)揮。小波分析方法是一種由粗到細(xì)的分析方法，通過觀測序列的細(xì)微變化展示出其大的變化規(guī)律，獲得不同頻帶的簡單序列，但小波變換的冗余度很大。統(tǒng)計(jì)分析法對于分析和揭示水文現(xiàn)象變化的統(tǒng)計(jì)規(guī)律是一種有效的手段，主要包括時間序列分析法、多元統(tǒng)計(jì)法和相似預(yù)測法；時間序列分析方法和多元回歸分析方法大多結(jié)構(gòu)簡單、思路清晰，應(yīng)用較多。但是，這些模型大多都是建立在一定的假設(shè)基礎(chǔ)上的，預(yù)測精度往往較差。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提供一種短期徑流預(yù)報(bào)方法及系統(tǒng)，能夠提高短期徑流預(yù)報(bào)精度。為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案一種短期徑流預(yù)報(bào)方法，包括以下步驟SI，對流域徑流規(guī)律進(jìn)行分析，并初始化數(shù)據(jù)；此步驟是為了掌握流域梯級各站的徑流變化規(guī)律，辨識徑流變化狀況，同時為制定短期及中長期發(fā)電計(jì)劃提供材料；
S2，建立并調(diào)用短期徑流預(yù)報(bào)模型；S3，求解短期徑流預(yù)報(bào)模型，檢驗(yàn)?zāi)Ｐ途仁欠褡顑?yōu)，并輸出短期徑流預(yù)報(bào)結(jié)果。所述步驟SI中，流域徑流規(guī)律分析包括(1)流域相關(guān)性及特征分析；(2)流域徑流序列周期分析主要運(yùn)用功率譜分析法和極大熵譜分析法進(jìn)行流域徑流周期的分析。(3)流域徑流序列趨勢分析采用Kendall秩次相關(guān)檢驗(yàn)和Spearman秩次相關(guān)檢驗(yàn)對流域各水文站的年徑流序列的演變趨勢性進(jìn)行分析。(4)水文年劃分及水庫調(diào)度分期；(5)流域梯級典型年的選擇。前述的短期徑流預(yù)報(bào)方法中，所述步驟SI中的流域梯級典型年的選擇是基于均方根誤差最小原則的，其計(jì)算步驟包括S11，依據(jù)排頻計(jì)算不同頻率的設(shè)計(jì)徑流量；S12，計(jì)算各水文站各頻率下的設(shè)計(jì)年徑流量與天然年徑流量差值，計(jì)算某一頻率下每年各水文站天然年徑流量與設(shè)計(jì)徑流量差值的平方和，求出平方和均方根最小值所對應(yīng)的年份即為流域最具代表性的典型年；S13，將計(jì)算出的設(shè)計(jì)徑流量與確定的典型年各水文站的實(shí)際徑流量進(jìn)行比較，計(jì)
算相對誤差，
權(quán)利要求
1.ー種短期徑流預(yù)報(bào)方法，其特征在于，包括以下步驟 Si，對流域徑流規(guī)律進(jìn)行分析，并初始化數(shù)據(jù)，其中，流域徑流規(guī)律分析包括流域相關(guān)性及特征分析、流域徑流序列周期及趨勢分析、水文年劃分及水庫調(diào)度分期和流域梯級典型年的選擇； S2，建立并調(diào)用短期徑流預(yù)報(bào)模型； S3，求解短期徑流預(yù)報(bào)模型，檢驗(yàn)?zāi)Ｐ途仁欠褡顑?yōu)，并輸出短期徑流預(yù)報(bào)結(jié)果。
2.根據(jù)權(quán)利要求I所述的短期徑流預(yù)報(bào)方法，其特征在于所述步驟SI中的流域梯級典型年的選擇是基于均方根誤差最小原則的，其計(jì)算步驟包括 S11，依據(jù)排頻計(jì)算不同頻率的設(shè)計(jì)徑流量； S12，計(jì)算各水文站各頻率下的設(shè)計(jì)年徑流量與天然年徑流量差值，計(jì)算某ー頻率下每年各水文站天然年徑流量與設(shè)計(jì)徑流量差值的平方和，求出平方和均方根最小值所對應(yīng)的年份即為流域最具代表性的典型年； S13，將計(jì)算出的設(shè)計(jì)徑流量與確定的典型年各水文站的實(shí)際徑流量進(jìn)行比較，計(jì)算相對誤差，相對誤及:
3.根據(jù)權(quán)利要求2所述的短期徑流預(yù)報(bào)方法，其特征在于短期徑流預(yù)報(bào)模型包括逐步回歸模型、非平穩(wěn)自回歸模型和最近鄰預(yù)測模型。
4.根據(jù)權(quán)利要求I或3所述的短期徑流預(yù)報(bào)方法，其特征在于實(shí)時計(jì)算預(yù)報(bào)結(jié)果的精度，其計(jì)算指標(biāo)包括相對誤差、平均相對誤差水平、確定性系數(shù)和過程合格率，來判斷所使用的徑流預(yù)報(bào)模型是否最優(yōu)；其中
5.根據(jù)權(quán)利要求3所述的短期徑流預(yù)報(bào)方法，其特征在于最近鄰預(yù)測模型包括不考慮預(yù)測降水的降雨-徑流ニ元最近鄰模型、考慮前期降水的降雨-徑流ニ元最近鄰模型和考慮預(yù)測降水的降雨-徑流ニ元最近鄰模型。
6.根據(jù)權(quán)利要求5所述的短期徑流預(yù)報(bào)方法，其特征在于短期徑流預(yù)報(bào)模型的優(yōu)選是考慮預(yù)測降水的降雨-徑流ニ元最近鄰模型。
7.實(shí)現(xiàn)權(quán)利要求I 6所述方法的ー種短期徑流預(yù)報(bào)系統(tǒng)，其特征在于，包括數(shù)據(jù)初始化模塊(I)，用于對流域徑流規(guī)律進(jìn)行分析，并初始化數(shù)據(jù)； 模型庫(2)，用于建立并調(diào)用短期徑流預(yù)報(bào)模型，短期徑流預(yù)報(bào)模型包括逐步回歸模型、非平穩(wěn)自回歸模型和最近鄰預(yù)測模型； 模型求解模塊(3)，用于求解短期徑流預(yù)報(bào)模型，得出徑流預(yù)報(bào)結(jié)果； 預(yù)報(bào)結(jié)果輸出模塊(4)，用于輸出短期徑流預(yù)報(bào)結(jié)果； 其中，數(shù)據(jù)初始化模塊(I)、模型庫(2)、模型求解模塊(3)和預(yù)報(bào)結(jié)果輸出模塊⑷順次連接。
8.根據(jù)權(quán)利要求7所述的短期徑流預(yù)報(bào)系統(tǒng)，其特征在于還包括精度檢測模塊(5)，與模型求解模塊(3)連接，用于實(shí)時計(jì)算預(yù)報(bào)結(jié)果的精度，計(jì)算指標(biāo)包括相對誤差、平均相對誤差水平、確定性系數(shù)和過程合格率，判斷所調(diào)用的短期徑流預(yù)報(bào)模型是否最優(yōu)。
全文摘要
本發(fā)明公開了一種短期徑流預(yù)報(bào)方法及系統(tǒng)，所述方法包括以下步驟S1，對流域徑流規(guī)律進(jìn)行分析，并初始化數(shù)據(jù)，其中，流域徑流規(guī)律分析包括流域相關(guān)性及特征分析、流域徑流序列周期及趨勢分析、水文年劃分及水庫調(diào)度分期和流域梯級典型年的選擇；S2，建立并調(diào)用短期徑流預(yù)報(bào)模型；S3，求解短期徑流預(yù)報(bào)模型，檢驗(yàn)?zāi)Ｐ途仁欠褡顑?yōu)，并輸出短期徑流預(yù)報(bào)結(jié)果。本發(fā)明能夠提高短期徑流預(yù)報(bào)精度。
文檔編號G06F19/00GK102867106SQ201210288698
公開日2013年1月9日 申請日期2012年8月14日 優(yōu)先權(quán)日2012年8月14日
發(fā)明者朱江, 王義民, 李澤宏, 肖燕, 孫東永, 王敏, 張永永 申請人:貴州烏江水電開發(fā)有限責(zé)任公司