专利名称：短期径流预报方法及系统的制作方法
技术领域：
本发明涉及一种短期径流预报方法及系统，属于梯级水电站群径流预报技术领域。
背景技术：
径流预测对于水库水电站的运行管理有着重要的意义，是正确制定水库优化调度运行方式和水电站发电计划的重要依据，直接影响着水库的运行方式和效益的发挥。对于短期径流预报来说，由于气候、流域下垫面条件以及人类活动等综合因素的影响，日径流表现出更强的非线性、变异性、多尺度等特性，使得日径流的预报 难度加大。目前，国内外径流预报采用的方法主要有成因分析法、统计分析法、灰色系统法、模糊算法、人工神经网络、小波分析以及这些方法的组合等。由于流域条件等各方面因素，各种模型都有其优缺点及适用条件。成因分析方法是运用水文学原理，深人剖析水文现象的物理成因，充分了解和掌握其内在的客观规律，然后通过合理的技术途径和科学的方法预测未来的水文情势变化，这是日径流预测研究的一个重要发展方向，但由于气候变化和人类活动双重因素的影响，日径流表现出更加复杂、非线性的动力特性，而相应的研究方法滞后，故这类研究进展不大。灰色系统法、模糊算法是最常用的不确定性系统研究方法，对于建模数据没有特殊的要求和限制。灰色系统理论适合于序列具有指数增长趋势的问题，对于其他变化趋势，当数据的离散程度越大，则有时拟合灰度较大，导致精度难以提高；模糊算法由于信息模糊化、隶属度的确定带有明显的主观性，使模糊算法的实际应用受到了一定的限制。人工神经网络是基于连接学说构造的智能仿生模型，是由大量神经元组成的非线性动力学系统，具有并行分布处理、自组织、自适应、自学习和容错性等特点；人工神经网络法无法覆盖水文预测中的不确定性信息，且影响人工神经网络拓扑结构的因素众多，参数优选理论发展的不完善也制约了人工神经网络模型优势的发挥。小波分析方法是一种由粗到细的分析方法，通过观测序列的细微变化展示出其大的变化规律，获得不同频带的简单序列，但小波变换的冗余度很大。统计分析法对于分析和揭示水文现象变化的统计规律是一种有效的手段，主要包括时间序列分析法、多元统计法和相似预测法；时间序列分析方法和多元回归分析方法大多结构简单、思路清晰，应用较多。但是，这些模型大多都是建立在一定的假设基础上的，预测精度往往较差。
发明内容
本发明的目的在于，提供一种短期径流预报方法及系统，能够提高短期径流预报精度。为解决上述技术问题，本发明采用如下的技术方案一种短期径流预报方法，包括以下步骤SI，对流域径流规律进行分析，并初始化数据；此步骤是为了掌握流域梯级各站的径流变化规律，辨识径流变化状况，同时为制定短期及中长期发电计划提供材料；
S2，建立并调用短期径流预报模型；S3，求解短期径流预报模型，检验模型精度是否最优，并输出短期径流预报结果。所述步骤SI中，流域径流规律分析包括(1)流域相关性及特征分析；(2)流域径流序列周期分析主要运用功率谱分析法和极大熵谱分析法进行流域径流周期的分析。(3)流域径流序列趋势分析采用Kendall秩次相关检验和Spearman秩次相关检验对流域各水文站的年径流序列的演变趋势性进行分析。(4)水文年划分及水库调度分期；(5)流域梯级典型年的选择。前述的短期径流预报方法中，所述步骤SI中的流域梯级典型年的选择是基于均方根误差最小原则的，其计算步骤包括S11，依据排频计算不同频率的设计径流量；S12，计算各水文站各频率下的设计年径流量与天然年径流量差值，计算某一频率下每年各水文站天然年径流量与设计径流量差值的平方和，求出平方和均方根最小值所对应的年份即为流域最具代表性的典型年；S13，将计算出的设计径流量与确定的典型年各水文站的实际径流量进行比较，计
算相对误差，
权利要求
1.ー种短期径流预报方法，其特征在于，包括以下步骤 Si，对流域径流规律进行分析，并初始化数据，其中，流域径流规律分析包括流域相关性及特征分析、流域径流序列周期及趋势分析、水文年划分及水库调度分期和流域梯级典型年的选择； S2，建立并调用短期径流预报模型； S3，求解短期径流预报模型，检验模型精度是否最优，并输出短期径流预报結果。
2.根据权利要求I所述的短期径流预报方法，其特征在于所述步骤SI中的流域梯级典型年的选择是基于均方根误差最小原则的，其计算步骤包括 S11，依据排频计算不同频率的设计径流量； S12，计算各水文站各频率下的设计年径流量与天然年径流量差值，计算某ー频率下每年各水文站天然年径流量与设计径流量差值的平方和，求出平方和均方根最小值所对应的年份即为流域最具代表性的典型年； S13，将计算出的设计径流量与确定的典型年各水文站的实际径流量进行比较，计算相对误差，相对误及:
3.根据权利要求2所述的短期径流预报方法，其特征在于短期径流预报模型包括逐步回归模型、非平稳自回归模型和最近邻预测模型。
4.根据权利要求I或3所述的短期径流预报方法，其特征在于实时计算预报结果的精度，其计算指标包括相对误差、平均相对误差水平、确定性系数和过程合格率，来判断所使用的径流预报模型是否最优；其中
5.根据权利要求3所述的短期径流预报方法，其特征在于最近邻预测模型包括不考虑预测降水的降雨-径流ニ元最近邻模型、考虑前期降水的降雨-径流ニ元最近邻模型和考虑预测降水的降雨-径流ニ元最近邻模型。
6.根据权利要求5所述的短期径流预报方法，其特征在于短期径流预报模型的优选是考虑预测降水的降雨-径流ニ元最近邻模型。
7.实现权利要求I 6所述方法的ー种短期径流预报系统，其特征在于，包括数据初始化模块(I)，用于对流域径流规律进行分析，并初始化数据； 模型库(2)，用于建立并调用短期径流预报模型，短期径流预报模型包括逐步回归模型、非平稳自回归模型和最近邻预测模型； 模型求解模块(3)，用于求解短期径流预报模型，得出径流预报结果； 预报结果输出模块(4)，用于输出短期径流预报结果； 其中，数据初始化模块(I)、模型库(2)、模型求解模块(3)和预报结果输出模块⑷顺次连接。
8.根据权利要求7所述的短期径流预报系统，其特征在于还包括精度检测模块(5)，与模型求解模块(3)连接，用于实时计算预报结果的精度，计算指标包括相对误差、平均相对误差水平、确定性系数和过程合格率，判断所调用的短期径流预报模型是否最优。
全文摘要
本发明公开了一种短期径流预报方法及系统，所述方法包括以下步骤S1，对流域径流规律进行分析，并初始化数据，其中，流域径流规律分析包括流域相关性及特征分析、流域径流序列周期及趋势分析、水文年划分及水库调度分期和流域梯级典型年的选择；S2，建立并调用短期径流预报模型；S3，求解短期径流预报模型，检验模型精度是否最优，并输出短期径流预报结果。本发明能够提高短期径流预报精度。
文档编号G06F19/00GK102867106SQ201210288698
公开日2013年1月9日 申请日期2012年8月14日 优先权日2012年8月14日
发明者朱江, 王义民, 李泽宏, 肖燕, 孙东永, 王敏, 张永永 申请人:贵州乌江水电开发有限责任公司