中長(zhǎng)期水文預(yù)報(bào)

統(tǒng)計(jì)預(yù)報(bào)方法中長(zhǎng)期水文預(yù)報(bào)1需要的基礎(chǔ)資料3存在問(wèn)題及研究趨勢(shì)6常用預(yù)報(bào)方法簡(jiǎn)介4應(yīng)用示例簡(jiǎn)介5中長(zhǎng)期水文預(yù)報(bào)基本需求2一、中長(zhǎng)期水文預(yù)報(bào)通常稱預(yù)見(jiàn)期在兩周左右的為中期水文預(yù)報(bào)，15天以上一年以內(nèi)的為長(zhǎng)期水文預(yù)報(bào)，一年以上的為超長(zhǎng)期水文預(yù)報(bào)。中長(zhǎng)期水文預(yù)報(bào)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(kù)沖淤變化和旱澇趨勢(shì)等。水文預(yù)報(bào)（hydrologicforecasting）是指根據(jù)前期或現(xiàn)時(shí)的水文氣象資料，對(duì)某一水體、某一地區(qū)或某一水文站在未來(lái)一定時(shí)間內(nèi)的水文情況作出定性或定量的預(yù)測(cè)。對(duì)防洪、抗旱、水資源合理利用和國(guó)防事業(yè)中有重要意義Qt12月31日12月31日中長(zhǎng)期水文預(yù)報(bào)——提供未來(lái)一年以內(nèi)的預(yù)報(bào)旬月季年未來(lái)一年總量預(yù)報(bào)未來(lái)一年各季（或汛、枯期）預(yù)報(bào)未來(lái)一年各月（或旬）預(yù)報(bào)二、中長(zhǎng)期水文預(yù)報(bào)基本需求時(shí)間尺度10月2月12月4月6月8月中長(zhǎng)期水文預(yù)報(bào)——提供未來(lái)一年以內(nèi)的預(yù)報(bào)定量定性提供具體數(shù)值?？稍谀瓿躅A(yù)報(bào)未來(lái)一年（旬、月、季、年），也可滾動(dòng)預(yù)報(bào)未來(lái)一段時(shí)間（如3月報(bào)4月）提供預(yù)報(bào)量定性評(píng)價(jià)，如偏枯、偏豐或提供等級(jí)預(yù)報(bào)，如Ⅰ～V級(jí)一、中長(zhǎng)期水文預(yù)報(bào)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(chǎng)海表溫度地面觀測(cè)74項(xiàng)環(huán)流指數(shù)（逐月）北半球100hpa、500hpa逐月平均高度場(chǎng)北太平洋逐月海溫場(chǎng)（SST）當(dāng)?shù)亟涤?、徑流、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(guó)國(guó)家氣候中心下載三、需要的基礎(chǔ)資料美國(guó)環(huán)境預(yù)報(bào)中心（NCEP）和美國(guó)國(guó)家大氣研究中心（NCAR）提供1956年以來(lái)的100hpa和500hpa逐月平均高度場(chǎng)，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(chǎng)二、需要的基礎(chǔ)資料美國(guó)國(guó)家海洋和大氣局（NOAA）提供的北太平洋1956年以來(lái)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(bào)方法簡(jiǎn)介統(tǒng)計(jì)學(xué)方法統(tǒng)計(jì)分析與水文模型耦合預(yù)報(bào)方法方法分類尋找預(yù)報(bào)變量與預(yù)報(bào)因子之間的統(tǒng)計(jì)關(guān)系，實(shí)現(xiàn)預(yù)報(bào)時(shí)間序列或統(tǒng)計(jì)相關(guān)水文模型氣象要素預(yù)報(bào)水文模型水文要素預(yù)報(bào)（1）預(yù)報(bào)方法分類大氣物理模型初始場(chǎng)、邊界條件大氣運(yùn)動(dòng)方程數(shù)值天氣預(yù)報(bào)產(chǎn)品回歸分析時(shí)間序列多元回歸逐步回歸門(mén)限回歸。。。統(tǒng)計(jì)方法分類傳統(tǒng)統(tǒng)計(jì)方法現(xiàn)代統(tǒng)計(jì)方法自回歸滑動(dòng)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(bào)支持向量機(jī)相關(guān)向量機(jī)。。。三、常用預(yù)報(bào)方法簡(jiǎn)介統(tǒng)計(jì)預(yù)測(cè)與水文模型耦合水文集合預(yù)報(bào)統(tǒng)計(jì)分析與水文模型耦合預(yù)報(bào)方法率定確定性水文模型確定預(yù)報(bào)時(shí)刻系統(tǒng)初始狀態(tài)構(gòu)建模型輸入集集合預(yù)報(bào)及統(tǒng)計(jì)分析統(tǒng)計(jì)方法預(yù)測(cè)模型輸入要素率定確定性水文模型耦合預(yù)報(bào)四、常用預(yù)報(bào)方法簡(jiǎn)介（1）方法簡(jiǎn)介——多元回歸類通過(guò)成因分析找出影響預(yù)測(cè)對(duì)象的影響因素（因子），應(yīng)用數(shù)理統(tǒng)計(jì)中的多元線性回歸方法建立預(yù)報(bào)方案。多元線性回歸方程：——預(yù)報(bào)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(bào)方法簡(jiǎn)介逐步回歸門(mén)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(jiǎn)介——多元回歸類四、常用預(yù)報(bào)方法簡(jiǎn)介（2）方法簡(jiǎn)介——時(shí)間序列（相關(guān)類模型）分析時(shí)間序列自身的相關(guān)特征，建立預(yù)報(bào)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(kāi)模型。。。四、常用預(yù)報(bào)方法簡(jiǎn)介（2）方法簡(jiǎn)介——時(shí)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(jì)算模型系數(shù)步驟四、常用預(yù)報(bào)方法簡(jiǎn)介（3）方法簡(jiǎn)介——馬爾可夫鏈馬爾可夫鏈?zhǔn)且环N隨機(jī)時(shí)間序列，預(yù)報(bào)對(duì)象在將來(lái)狀態(tài)（xt+1）只與它現(xiàn)在的狀態(tài)（xt）有關(guān)，而與過(guò)去的狀態(tài)（x1,x2,…,xt-1)無(wú)關(guān)，稱為無(wú)后效性，即假設(shè)水文時(shí)間序列滿足無(wú)后效性性要求，則可采用馬爾可夫鏈對(duì)預(yù)報(bào)對(duì)象的未來(lái)狀態(tài)進(jìn)行定性預(yù)報(bào)。四、常用預(yù)報(bào)方法簡(jiǎn)介（3）方法簡(jiǎn)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(shí)的概率，如p11代表T月徑流為枯時(shí)T+1月徑流為枯的概率值，由轉(zhuǎn)移頻數(shù)矩陣可計(jì)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(bào)因子為T(mén)月徑流，預(yù)報(bào)對(duì)象為T(mén)+1月徑流。預(yù)報(bào)時(shí)，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(jì)：T+1月徑流概率分布枯四、常用預(yù)報(bào)方法簡(jiǎn)介諧波分析是從頻率域上分析水文時(shí)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(shí)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(duì)應(yīng)的頻率的倒數(shù)為周期。設(shè)水文時(shí)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(gè)數(shù)；aj，bj為第j個(gè)諧波的傅氏系數(shù)；Tj為第j個(gè)諧波的周期，Tj=n/j，其中：（4）方法簡(jiǎn)介——周期分析法（諧波分析）四、常用預(yù)報(bào)方法簡(jiǎn)介通過(guò)假設(shè)檢驗(yàn)可確定顯著諧波的個(gè)數(shù)L，構(gòu)造統(tǒng)計(jì)量：根據(jù)分析出的周期進(jìn)行外延，則可實(shí)現(xiàn)預(yù)報(bào)。

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(gè)諧波顯著，其對(duì)應(yīng)的周期就顯著；反之則不顯著。四、常用預(yù)報(bào)方法簡(jiǎn)介（5）方法簡(jiǎn)介——BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)流前向計(jì)算，誤差信號(hào)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(chǎng)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(bào)降雨徑流量四、常用預(yù)報(bào)方法簡(jiǎn)介（6）方法簡(jiǎn)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(bào)。四、常用預(yù)報(bào)方法簡(jiǎn)介（7）方法簡(jiǎn)介——聚類分析（隨機(jī)森林法）

特點(diǎn):隨機(jī)抽樣+決策樹(shù)。訓(xùn)練集：預(yù)報(bào)因子的觀測(cè)樣本，預(yù)報(bào)因子的屬性值稱為節(jié)點(diǎn)。自頂向下，在決策樹(shù)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(shù)的末端得到分類或預(yù)測(cè)結(jié)果。節(jié)點(diǎn)2（氣壓）大于500hPa訓(xùn)練集預(yù)報(bào)因子：氣溫、氣壓預(yù)報(bào)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(bào)方法簡(jiǎn)介（7）方法簡(jiǎn)介——聚類分析（隨機(jī)森林）隨機(jī)森林改進(jìn)：一棵決策樹(shù)只能得到一個(gè)預(yù)測(cè)結(jié)果，構(gòu)建樹(shù)群可以得到多個(gè)預(yù)測(cè)結(jié)果，多個(gè)結(jié)果集成可以提高預(yù)測(cè)精度。關(guān)鍵：通過(guò)Bootstrap隨機(jī)抽樣，形成決策樹(shù)群（隨機(jī)森林）。四、常用預(yù)報(bào)方法簡(jiǎn)介預(yù)報(bào)因子X(jué)預(yù)報(bào)對(duì)象Y將Y值分為m級(jí)Y={Y1，Y2，…，Ym}獲得新的預(yù)報(bào)因子值X，計(jì)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(bào)變量Y的定性（等級(jí)）預(yù)報(bào)。（8）方法簡(jiǎn)介——判別分析（貝葉斯判別）將預(yù)報(bào)對(duì)象Y的取值范圍分成若干等級(jí)或區(qū)間（如豐、平、枯），計(jì)算預(yù)報(bào)值落入每個(gè)區(qū)間的可能性大小，取可能性最大的區(qū)間作為預(yù)報(bào)結(jié)果。四、常用預(yù)報(bào)方法簡(jiǎn)介（9）方法簡(jiǎn)介——水文集合預(yù)報(bào)實(shí)測(cè)數(shù)據(jù)：降雨、初始土壤含水量等1950195119522015......19532014水文模型計(jì)算系統(tǒng)初始狀態(tài)

123123月11號(hào)預(yù)報(bào)4月10號(hào)四、常用預(yù)報(bào)方法簡(jiǎn)介（9）方法簡(jiǎn)介——水文集合預(yù)報(bào)Q（m3/s）t（d）10%~25%25%~50%50%~75%75%~90%≥90%超過(guò)概率四、常用預(yù)報(bào)方法簡(jiǎn)介五、應(yīng)用示例簡(jiǎn)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(jì)分析與水文模型耦合水文集合預(yù)報(bào)（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(jiǎn)介（多元回歸）預(yù)報(bào)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(duì)應(yīng)的各影響因子x數(shù)據(jù)最小二乘法計(jì)算預(yù)報(bào)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(hào)臺(tái)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(jiǎn)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(jiǎn)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(bào)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(bào)精度最高，枯季及汛期月份次之。預(yù)報(bào)因子環(huán)流特征量提前年份月份x1登陸臺(tái)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(jiǎn)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(jiǎn)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(jì)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(jiǎn)介（自回歸-AR(P)）預(yù)報(bào)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(jiǎn)介（馬爾科夫鏈）（4）以丹江口水庫(kù)9月報(bào)10月入庫(kù)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(jì)算五、應(yīng)用示例簡(jiǎn)介（馬爾科夫鏈）（4）以丹江口水庫(kù)9月報(bào)10月入庫(kù)徑流量為例預(yù)測(cè)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(cè)水平年與實(shí)際情況相符9月報(bào)10月徑流預(yù)報(bào)成果表五、應(yīng)用示例簡(jiǎn)介（諧波分析）則Xt的周期方程為：（5）以丹江口水庫(kù)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(duì)誤差為24.4%；驗(yàn)證2010~2013年1月徑流量，其平均相對(duì)誤差為27.2%。15.7%419362201334.1%4953692011-28.5%3685152012-30.4%2934212010相對(duì)誤差模擬值實(shí)測(cè)值年份相對(duì)誤差模擬值實(shí)測(cè)值年份五、應(yīng)用示例簡(jiǎn)介（諧波分析）五、應(yīng)用示例簡(jiǎn)介（隨機(jī)森林）（6）丹江口逐月徑流預(yù)報(bào)預(yù)報(bào)因子：10項(xiàng)環(huán)流因子預(yù)報(bào)變量：逐月徑流量···25棵決策樹(shù)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(jiǎn)介（隨機(jī)森林）驗(yàn)證期逐月預(yù)報(bào)結(jié)果：五、應(yīng)用示例簡(jiǎn)介（統(tǒng)計(jì)分析與水文模型耦合）（7）丹江口水庫(kù)入庫(kù)徑流預(yù)報(bào)——多元回歸預(yù)測(cè)+SWAT預(yù)報(bào)月降雨過(guò)程日降雨過(guò)程相似性原理SWAT水文模型預(yù)報(bào)日/月徑流過(guò)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(bào)預(yù)報(bào)結(jié)果分析選擇預(yù)報(bào)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(jì)預(yù)報(bào)模型（多元線性回歸方程）預(yù)報(bào)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(hào)臺(tái)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(bào)因子選擇回歸方程最小二乘法計(jì)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(bào)誤差（mm）合格？2011年預(yù)報(bào)誤差（mm）合格？121合格4合格五、應(yīng)用示例簡(jiǎn)介（統(tǒng)計(jì)分析與水文模型耦合）月降雨→日降雨過(guò)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(guò)程：日徑流過(guò)程預(yù)報(bào)、月徑流量統(tǒng)計(jì)縮放計(jì)算同倍比縮放系數(shù)，對(duì)典型降雨逐日過(guò)程縮放：各月縮放系數(shù)式中i=1~12預(yù)報(bào)年份逐日降雨量預(yù)報(bào)五、應(yīng)用示例簡(jiǎn)介（統(tǒng)計(jì)分析與水文模型耦合）徑流預(yù)測(cè)（以2012年為例）以2012年為例，采用多元回歸預(yù)測(cè)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(cè)。降雨預(yù)報(bào)及實(shí)測(cè)徑流預(yù)報(bào)及實(shí)測(cè)五、應(yīng)