1.一种基于全局自动优化算法的洪水实时校正方法，包括水文耦合模块与误差耦合模块，其特征在于：所述的水文耦合模块用于依据实时的降雨径流信息对水文模型参数和流域初始状态变量进行实时校正计算，所述的水文耦合模块的实时校正区间为洪水开始时间到当前时刻；所述的误差耦合模块用于利用预报径流值与实测值之间的残差，对模型预报误差进行实时校正计算，所述的误差耦合模块的实时校正区间通过模块参数进行优选；所述的水文耦合模块与所述的误差耦合模块之间串联耦合，先运用所述的水文耦合模块进行实时校正预报，后运用所述的误差耦合模块对预报误差进行误差校正计算，得到最终的洪水预报结果。
2.根据权利要求1所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的水文耦合模块包括流域水文模型与全局自动优化算法；所述的水文耦合模块为所述的流域水文模型与所述的全局自动优化算法的耦合。
3.根据权利要求1所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的误差耦合模块包括误差校正模型与全局自动优化算法；所述的误差耦合模块为所述的误差校正模型与所述的全局自动优化算法的耦合。
4.根据权利要求2所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的流域水文模型包括新安江模型、前期影响雨量指数模型(API模型)、萨克拉门托模型(SAC模型)和水箱模型(TANK模型)。
5.根据权利要求3所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的误差校正模型包括自回归校正模型、卡尔曼滤波模型、神经网络模型、小波分析模型和最小二乘法模型。
6.根据权利要求4或5其中之一所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于：所述的全局自动优化算法包括复合形交叉进化算法、模拟退火方法、遗传算法、蚁群算法以及粒子群算法、神经网络算法。
7.根据权利要求6所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于，所述的水文耦合模块包括以下步骤：水文模型分析，分析水文模型的结构，确定参加优化的模型参数和流域初始状态变量参数，并根据流域下垫面特性确定优化参数的可行域；
全局自动优化算法启动，根据优化参数可行域生成样本点群Xi(i＝1，2，3...，N)，带入水文模型计算得到目标函数系列Fi(i＝1，2，3...，N)，并按照由小到大的排序形成新组合(Xi，Fi)(i＝1，2，3...，N)；
水文样本进化，对重新排序的样本组合(Xi，Fi)进行复合进化计算，然后按照进行收敛性判断，若收敛，则可获得水文模型全局最优参数bestx1；若不收敛，则水文参数样本点群进化，进行模型计算，得到一组新的目标函数系列，再次进行水文样本进化。
8.根据权利要求6所述的一种基于全局自动优化算法的洪水实时校正方法，其特征在于，所述的误差耦合模块包括以下步骤：
误差校正模型分析，分析误差校正模型结构，确定参加优化的参数，并根据预报残差系列确定优化参数的可行域；
全局自动优化算法启动，根据优化参数可行域生成样本点群Xi(i＝1，2，3...，N)，带入误差校正模型计算得到目标函数系列Fi(i＝1，2，3...，N)，并按照由小到大的排序形成新组合(Xi，Fi)(i＝1，2，3...，N)；
误差样本进化，对重新排序的样本组合(Xi，Fi)进行复合进化计算，然后进行收敛性判断，若收敛，则获得误差校正模型全局最优参数bestx2；若不收敛，则误差参数样本点群进化，进行模型计算，得到一组新的目标函数系列，再次进行误差样本进化。