基于动力-统计信息挖掘的中长期水文集合预测方法研究

The climate dynamical model has provided massive information about climatic factors which are with relatively long in prediction period and bring new opportunity for the development of mid-long hydrological prediction. Thus the deep mining of dynamic prediction information and establishing prediction model through combining dynamics with statistics has become a significant orientation for the field of mid-long term hydrological prediction. This paper investigates the mid-long hydrological ensemble prediction methods based on the following thought: climate dynamic~statistical information mining, rainfall multi-pattern ensemble prediction, rainfall-runoff simulation and uncertainty evaluation. It will be achieved through four successive steps. Firstly, an information mining method based on random forest is proposed after rainfall climatic causes analysis and then the key prediction factors are effectively identified from various climate statistical and dynamical information. Secondly, the dynamic~statistical multi-pattern rainfall ensemble prediction model based on Bayesian Model Average is constructed to obtain the effective rainfall ensemble prediction results. Thirdly, runoff ensemble prediction is studied based on rainfall~runoff simulation. Finally, an uncertainty analysis of mid-long term hydrological ensemble prediction is carried out under the Double-Level Bayesian frame. Verification and improvement of the models will be carried out in Dahuofang reservoir, Danjiangkou reservoir, and Ganjiang River Basin, which are located in the north, middle and south China, respectively. This study is expected to have potential scientific and applicable value on promoting hydro-meteorological coupling and of hydraulic projects reasonable regulation.

气候动力模式提供了具有较长预见期的海量气候因子信息，为中长期水文预测理论和方法的发展带来新的契机。深度挖掘动力模式预测信息，建立动力和统计途径相结合的预测模型，已成为当前中长期水文预测领域重要的发展方向。鉴于此，本研究拟采取气候动力-统计信息挖掘、降水多模式集合预测、降水-径流过程模拟、不确定性评估的思路，开展中长期水文集合预测方法与模型研究。首先，在降水气候学成因分析的基础上，研究基于随机森林等途径的信息挖掘方法，从各类气候统计信息、动力模式预测信息中有效识别降水的关键预测因子；然后，构建耦合动力-统计多模式降水集合预测和降水-径流过程模拟的中长期径流集合预测模型；最后在双层贝叶斯框架下，开展中长期水文预测全过程不确定性分析。本项目将在丹江口水库、大伙房水库以及赣江流域开展方法、模型适用性的检验和完善，研究成果对推动气象-水文耦合研究、促进水利工程合理运行调度具有潜在的科学、应用价值。

中长期水文预报不仅对防汛抗旱、水库调度等有重要的作用，而且在水资源的管理和高效利用等方面也有非常重要的意义。因此，如何建立适宜的、满足精度要求的中长期水文预报模型，一直以来就是水文学科研究的重点问题之一。近年来随着计算技术的进步以及智能科学的发展，中长期水文预报研究已取得了显著进展，但鉴于预报问题的复杂性，无论在有效预报信息的筛选识别、中长期预报模型的构建，还是预报结果的不确定性方面均需要大力深化和突破。本项研究正是针对中长期水文预报三个关键环节，开展了基于动力-统计信息挖掘的中长期水文集合预测方法研究。从影响中长期水文要素的物理背景分析入手，提出了基于气候统计信息和气候动力预测信息挖掘相结合的中长期水文预报因子诊断方法，建立了耦合动力-统计多模式的中长期降水集合预测模型，以降水集合预测值作为输入条件，利用月水量平衡模型，构建了符合降水-径流过程机制的中长期水文预报框架，提出改进贝叶斯判别分析方法，以分类预报和概率预报相结合的方式定量评估了中长期水文预报的不确定性。通过对1982～2004年大伙房水库逐月入库流量模拟和2005～2006年试报，相关系数的平均值达到了0.75，均方根误差平均值为40.37，Nash效率系数均值超过了0.7，模拟精度超过了75%。1956～2000年北江流域各分区月径流过程模拟，以及2005～2010年试报结果表明，各分区模拟期确定性系数均在0.9以上，试报平均径流总量相对误差基本上控制在20%以内。1952～2000年丹江口水库9月入库径流量模拟和2001～2008年试报，以及1953～2000年的大伙房水库7月入库流量模拟和2001～2006年试报结果表明：丹江口水库9月入库预报模拟期合格率为89.8%，检验期合格率为87.5%；大伙房水库7月入库预报模拟合格率为85.4%，检验期合格率为83.3%，总体来看，建立的模型稳定性良好，不论模拟还是试报精度均令人满意。项目研究丰富和完善中长期水文预报的理论和方法，进一步提升中长期水文预报的实用性，具有较好的应用前景和推广价值。