[发明专利]一种基于数值集合预报极值修正的中长期径流预报方法

摘要

本发明公开了一种基于数值集合预报极值修正的中长期径流预报方法，涉及水文数据处理领域。所述方法：确定预报区域和预报时段；采用数值集合预报方法对预报时段的预报区域进行预报，得到平均径流预报数据结论α，记为Q_Model_Forecast；采用海温遥相关方法对预报时段的预报区域进行预报，得到平均径流预报数据结论β，记为Q_SST_Forecast；计算Q_SST_Forecast的距平值Ano，当|Ano|≥50％，用Q_SST_Forecast代替Q_Model_Forecast作为最终预报结论；当|Ano|＜50％，用Q_Model_Forecast作为最终预报结论。本发明能够实现预见期为1年的月尺度径流预报，在趋势预测和极值预测中，本发明所述方法较目前常用的数值集合预报方法或统计预报方法具有较高的精度。

主权项

1.一种基于数值集合预报极值修正的中长期径流预报方法，其特征在于，所述方法包括：S1，确定预报区域和预报时段；S2，采用数值集合预报方法对预报时段的预报区域进行预报，得到平均径流预报数据结论α，记为Q_Model_Forecast；S3，采用海温遥相关方法对预报时段的预报区域进行预报，得到平均径流预报数据结论β，记为Q_SST_Forecast；根据公式(1)计算Q_SST_Forecast的距平值：Ano为距平值，为预报时段的同期多年平均值；S4，预报区域在预报时段的预报结论当|Ano|≥50％，则基于海温遥相关方法得到的预报时段的径流出现极端情况的可能性高，用Q_SST_Forecast代替Q_Model_Forecast作为最终预报结论；当|Ano|＜50％，基于海温遥相关方法得到的预报时段的径流出现极端情况的可能性低，用Q_Model_Forecast作为最终预报结论；S2，具体为：S21，从全球气候预报系统中获取最近5天发布的降水速率预报数据；S22，对所述降水速率预报数据解析获取全球格网式的降水速率数据，对相同时刻的格网式降水速率数据取算数平均，即得每个栅格的逐6h平均降水速率；S23，计算获取每个网格的逐6h累积降水量；S24，根据公式(2)获取预报区域逐24h面平均雨量P；Pi是预报区域内第i个网格点的6h累积降水量，n为预报区域网格点的数量；依据预报区域逐24h面平均雨量，估计预报区域在预报时段中所指定的各个自然月的月累积降水量预报数据；S25，设预报流域在预报时段中指定的自然月t的月累积降水量预报数据Pt，获取历史上该自然月t与Pt最接近的多个实测降水量即各个实测降水量对应的径流量，将各个径流量的算术平均值作为预报流域在自然月t的径流预报意见，重复S25，直至得到所有指定自然月的径流预报意见，将得到的所有径流预报意见组成平均径流预报数据结论α，记为Q_Model_Forecast；S3，具体为：S31，获取全球格网型海温数据；S32，获取自1981年以来，预报区域的待预报断面在预报时段中指定月x的各年历史平均径流数据，记为序列一；获取全球格网型海温数据中不同网格提前m月份的各年的温度序列，记为序列二，m≤12；将序列一与序列二进行相关性分析，得到与序列一相关性系数最大的海面位置与提前月份；将与序列一相关性系数最高的序列二记为序列a；S33，设全球格网型海温数据中第i_r行、第j_r列提前leadMonth的海温数据序列为序列a，绘制序列a与序列一的对照图，序列a的曲线处于时间最末端处的海温数据A对应的径流数据为待预报断面在预报时段中指定月x的待预报径流；S34，从海温数据历史数据中选取与海温数据A最接近的多个海温数据点，并获取每个海温数据点所对应的历史流量数据，然后将得到的多个历史流量数据的算数平均值，即平均径流预报数据作为待预报断面在预报时段中指定月x的待预报径流，将得到的多个历史流量数据的最大值和最小值作为平均径流预报数据的区间，将平均径流预报数据及其区间作为平均径流预报数据结论β，记为Q_SST_Forecast，完成采用海温遥相关方法对预报时段的预报区域的预报。