中長期水文預(yù)報(bào)2015.03.11

1、中長期水文預(yù)報(bào)中長期水文預(yù)報(bào)統(tǒng)計(jì)預(yù)報(bào)方法統(tǒng)計(jì)預(yù)報(bào)方法 中長期水文預(yù)報(bào)中長期水文預(yù)報(bào)1 需要的基礎(chǔ)資料需要的基礎(chǔ)資料3 存在問題及研究趨勢存在問題及研究趨勢 6 常用預(yù)報(bào)方法簡介常用預(yù)報(bào)方法簡介 4 應(yīng)用示例簡介應(yīng)用示例簡介 5 中長期水文預(yù)報(bào)基本需求中長期水文預(yù)報(bào)基本需求2一、中長期水文預(yù)報(bào)一、中長期水文預(yù)報(bào)v通常稱預(yù)見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)的為長期水文預(yù)報(bào)，一年以上的為超長期水文預(yù)報(bào)。中長期水文預(yù)報(bào)的內(nèi)容有河流徑流量、湖泊和河口的水位、冰情、河道及水庫沖淤變化和旱澇趨勢等。v水文預(yù)報(bào)（hydrologic forecasting）是指根據(jù)前期或現(xiàn)時(shí)的水文氣象資料，對

2、某一水體、某一地區(qū)或某一水文站在未來一定時(shí)間內(nèi)的水文情況作出定性或定量的預(yù)測。對防洪、抗旱、水資源合理利用和國防事業(yè)中有重要意義Qt12月月31日日12月月31日日中長期水文預(yù)報(bào)中長期水文預(yù)報(bào)提供未來一年以內(nèi)的預(yù)報(bào)提供未來一年以內(nèi)的預(yù)報(bào)旬旬月月季季年年未來一年總量預(yù)報(bào)未來一年總量預(yù)報(bào) 未來一年各季（或汛、枯期）預(yù)報(bào)未來一年各季（或汛、枯期）預(yù)報(bào) 未來一年各月（或旬）預(yù)報(bào)未來一年各月（或旬）預(yù)報(bào) 二、中長期水文預(yù)報(bào)基本需求二、中長期水文預(yù)報(bào)基本需求 時(shí)間尺度時(shí)間尺度10月月2月月12月月4月月6月月8月月中長期水文預(yù)報(bào)中長期水文預(yù)報(bào)提供未來一年以內(nèi)的預(yù)報(bào)提供未來一年以內(nèi)的預(yù)報(bào)定量定量定性定性提供

3、具體數(shù)值?？稍谀瓿躅A(yù)報(bào)未來一年提供具體數(shù)值。可在年初預(yù)報(bào)未來一年（旬、月、季、年），也可滾動(dòng)預(yù)報(bào)未（旬、月、季、年），也可滾動(dòng)預(yù)報(bào)未來一段時(shí)間（如來一段時(shí)間（如3月報(bào)月報(bào)4月）月）提供預(yù)報(bào)量定性評價(jià)，如偏枯、偏豐或提供預(yù)報(bào)量定性評價(jià)，如偏枯、偏豐或提供等級預(yù)報(bào)，如提供等級預(yù)報(bào)，如 V級級一、中長期水文預(yù)報(bào)基本需求一、中長期水文預(yù)報(bào)基本需求 成果形式成果形式氣象水文資料氣象水文資料大氣環(huán)流特征大氣環(huán)流特征高空氣壓場高空氣壓場海表溫度海表溫度地面觀測地面觀測74項(xiàng)環(huán)流指數(shù)（項(xiàng)環(huán)流指數(shù)（逐月逐月）北半球北半球100hpa 、500hpa逐月逐月平均平均高度場高度場北太平洋北太平洋逐月逐月海溫場（海溫

4、場（SST）當(dāng)?shù)亟涤辍搅?、蒸發(fā)、日照等當(dāng)?shù)亟涤?、徑流、蒸發(fā)、日照等遙相關(guān)因子遙相關(guān)因子本地相關(guān)因子本地相關(guān)因子二、需要的基礎(chǔ)資料二、需要的基礎(chǔ)資料 74項(xiàng)環(huán)流指數(shù)項(xiàng)環(huán)流指數(shù)可從中國國家氣候中心下載可從中國國家氣候中心下載三、需要的基礎(chǔ)資料三、需要的基礎(chǔ)資料 美國環(huán)境預(yù)報(bào)中心（美國環(huán)境預(yù)報(bào)中心（NCEP）和美國國家大氣研究中心（）和美國國家大氣研究中心（NCAR）提供）提供1956年年 以來的以來的100hpa 和和 500hpa 逐月平均高度場，資料范圍從逐月平均高度場，資料范圍從 0N80N，0E10W，網(wǎng)格距為經(jīng)度，網(wǎng)格距為經(jīng)度 10緯度緯度 10。北半球北半球 100hpa/500hp

5、a 逐月平均高度場逐月平均高度場 二、需要的基礎(chǔ)資料二、需要的基礎(chǔ)資料 美國國家海洋和大氣局（美國國家海洋和大氣局（NOAA）提供的北太平洋）提供的北太平洋 1956 年以來的逐月年以來的逐月海溫資料，資料范圍從海溫資料，資料范圍從 50N10S，120E80W，網(wǎng)格距為經(jīng)度，網(wǎng)格距為經(jīng)度 5緯度緯度 5。北太平洋海溫資料北太平洋海溫資料二、需要的基礎(chǔ)資料二、需要的基礎(chǔ)資料 水文、地形、工程運(yùn)行等資料水文、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、月降雨、氣溫、蒸發(fā)資料前期多年日、月徑流、水位資料前期多年日、月徑流、水位資料自然地理、地形資料自然地理、地形資料水利工程特

6、征參數(shù)及調(diào)度運(yùn)行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)資料二、需要的基礎(chǔ)資料 四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介統(tǒng)計(jì)學(xué)方法統(tǒng)計(jì)學(xué)方法統(tǒng)計(jì)分析與水統(tǒng)計(jì)分析與水文模型耦合預(yù)文模型耦合預(yù)報(bào)方法報(bào)方法方法分類方法分類尋找預(yù)報(bào)變量與預(yù)尋找預(yù)報(bào)變量與預(yù)報(bào)因子之間的統(tǒng)計(jì)報(bào)因子之間的統(tǒng)計(jì)關(guān)系，實(shí)現(xiàn)預(yù)報(bào)關(guān)系，實(shí)現(xiàn)預(yù)報(bào)時(shí)間序列或統(tǒng)計(jì)相關(guān)時(shí)間序列或統(tǒng)計(jì)相關(guān)水文模型水文模型氣象要素預(yù)報(bào)氣象要素預(yù)報(bào)水文模型水文模型水文要素預(yù)報(bào)水文要素預(yù)報(bào)（1）預(yù)報(bào)方法分類）預(yù)報(bào)方法分類大氣物理模型大氣物理模型初始場、邊界條件初始場、邊界條件大氣運(yùn)動(dòng)方程大氣運(yùn)動(dòng)方程數(shù)值天氣數(shù)值天氣預(yù)報(bào)產(chǎn)品預(yù)報(bào)產(chǎn)品回歸分析回歸分析時(shí)間序列

7、時(shí)間序列 多元回歸多元回歸 逐步回歸逐步回歸 門限回歸。門限回歸。統(tǒng)計(jì)方法分類統(tǒng)計(jì)方法分類傳統(tǒng)統(tǒng)計(jì)方法傳統(tǒng)統(tǒng)計(jì)方法現(xiàn)代統(tǒng)計(jì)方法現(xiàn)代統(tǒng)計(jì)方法 自回歸滑動(dòng)平均類自回歸滑動(dòng)平均類 馬爾科夫轉(zhuǎn)移馬爾科夫轉(zhuǎn)移 周期分析。周期分析。聚類聚類/判別判別 逐步聚類逐步聚類 系統(tǒng)聚類系統(tǒng)聚類 。距離判別距離判別貝葉斯判別貝葉斯判別。 模糊模糊 灰色灰色 混沌混沌 投影尋蹤投影尋蹤 神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) 小波分析小波分析 隨機(jī)森林隨機(jī)森林 貝葉斯預(yù)報(bào)貝葉斯預(yù)報(bào) 支持向量機(jī)支持向量機(jī) 相關(guān)向量機(jī)。相關(guān)向量機(jī)。三、常用預(yù)報(bào)方法簡介三、常用預(yù)報(bào)方法簡介統(tǒng)計(jì)預(yù)測與水文統(tǒng)計(jì)預(yù)測與水文模型耦合模型耦合水文集合預(yù)報(bào)水文集合預(yù)報(bào)統(tǒng)計(jì)

8、分析與統(tǒng)計(jì)分析與水文模型水文模型耦合預(yù)報(bào)方法耦合預(yù)報(bào)方法 率定確定性水文模型率定確定性水文模型 確定預(yù)報(bào)時(shí)刻系統(tǒng)初確定預(yù)報(bào)時(shí)刻系統(tǒng)初始狀態(tài)始狀態(tài) 構(gòu)建模型輸入集構(gòu)建模型輸入集 集合預(yù)報(bào)及統(tǒng)計(jì)分析集合預(yù)報(bào)及統(tǒng)計(jì)分析 統(tǒng)計(jì)方法預(yù)測模型輸統(tǒng)計(jì)方法預(yù)測模型輸入要素入要素 率定確定性水文模型率定確定性水文模型 耦合預(yù)報(bào)耦合預(yù)報(bào)四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（1）方法簡介）方法簡介多元回歸類多元回歸類通過成因分析找出影響預(yù)測對象的影響因素（因子），應(yīng)通過成因分析找出影響預(yù)測對象的影響因素（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。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

9、歸方程：多元線性回歸方程：01 122mmybb xb xb x12mx xx,預(yù)報(bào)因子預(yù)報(bào)因子基本基本思想思想根據(jù)歷史資根據(jù)歷史資料用最小二料用最小二乘方法確定乘方法確定根據(jù)相關(guān)性根據(jù)相關(guān)性分析和物理分析和物理成因分析成因分析012mbb bb, , ,回歸系數(shù)回歸系數(shù)四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介逐步回歸逐步回歸門限回歸門限回歸主成分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)因子剔除相關(guān)因子不同取值區(qū)間，建立不同的回歸方程不同取值區(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，消除因子間的相關(guān)成分，提取主成分，并以主成分為

10、變量，建立回歸方程并以主成分為變量，建立回歸方程方方 法法思思 想想（1）方法簡介）方法簡介多元回歸類多元回歸類四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（2）方法簡介）方法簡介時(shí)間序列（相關(guān)類模型）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。分析時(shí)間序列自身的相關(guān)特征，建立預(yù)報(bào)模型?；净舅枷胨枷敕诸惙诸怉RMA（p,q）例：例：AR（p）模型：）模型：tptpptptptxxxx)()()(,22 ,1 ,),(2xsxtCx), 0(2stCARIMA（p,d,q）解集模型解集模型正則展開模型正則展開模型。四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（2）方法簡介）方法簡

11、介時(shí)間序列（時(shí)間序列（AR(p)）模型階數(shù)模型階數(shù)P確定確定, 2 , 1 , 0,2)ln()(ppnpAIC)(min)(*pAICpAIC模型參數(shù)確定模型參數(shù)確定AIC準(zhǔn)則確定準(zhǔn)則確定k2 , 1,11,1, 1, 11,1,111, 111 , 1jjkkkkjkjkkjjkjkjjkjkkkk利用各階相關(guān)利用各階相關(guān)系數(shù)計(jì)算模型系數(shù)計(jì)算模型系數(shù)系數(shù)的關(guān)系：與kik,步驟步驟四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（3）方法簡介）方法簡介馬爾可夫鏈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)對象在將來狀態(tài)馬爾可夫鏈?zhǔn)且环N隨機(jī)時(shí)間序列，預(yù)報(bào)對象在將來狀態(tài)（xt+1）只與它現(xiàn)在的狀態(tài)（）只

12、與它現(xiàn)在的狀態(tài)（xt ）有關(guān)，而與過去的狀態(tài)有關(guān)，而與過去的狀態(tài)（x1,x2,xt-1)無關(guān)，稱為無后效性，即無關(guān)，稱為無后效性，即 假設(shè)水文時(shí)間序列滿足無后效性性要求，則可采用馬假設(shè)水文時(shí)間序列滿足無后效性性要求，則可采用馬爾可夫鏈對預(yù)報(bào)對象的未來狀態(tài)進(jìn)行爾可夫鏈對預(yù)報(bào)對象的未來狀態(tài)進(jìn)行定性定性預(yù)報(bào)。預(yù)報(bào)。ttttxxPxxxxP|,|1211四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（3）方法簡介）方法簡介馬爾可夫鏈馬爾可夫鏈 pij 表示徑流從狀態(tài)表示徑流從狀態(tài)i (i=1,2,3)；一步轉(zhuǎn)移到；一步轉(zhuǎn)移到狀態(tài)狀態(tài)j (j=1,2,3)時(shí)的概率，如時(shí)的概率，如p11代表代表T月徑流月徑流為

13、枯時(shí)為枯時(shí)T+1月徑流為枯的概率值，由轉(zhuǎn)移頻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，分別假定月徑流狀態(tài)分為枯、平、豐三種，分別記為記為1、2、3；預(yù)報(bào)因子為；預(yù)報(bào)因子為T月徑流，預(yù)報(bào)對月徑流，預(yù)報(bào)對象為象為T+1月徑流月徑流。 預(yù)報(bào)時(shí)，只要將預(yù)報(bào)時(shí)，只要將T月徑流的初始概率分布月徑流的初始概率分布PT與與P(1)相相乘，便得到乘，便得到T+1月徑流分別在枯、平、月徑流分別在枯、平、豐三種狀態(tài)的概率分布豐三種狀態(tài)的概率分布PT+1 。狀態(tài)狀態(tài)枯枯平平豐豐標(biāo)記標(biāo)記

14、123333231232221131211) 1 (,pppppppppP枯枯 平平 豐豐枯枯 平平 豐豐0 , 0 , 1 TP已知：已知：T月徑流為枯月徑流為枯估計(jì)：估計(jì)：T+1月徑流概率分布月徑流概率分布3 . 0 ,17. 0 ,53. 0)1(1PPPTT枯枯四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介 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

15、對應(yīng)的頻率的倒數(shù)為周期。而成。顯著的諧波即為周期成分，其對應(yīng)的頻率的倒數(shù)為周期。122(cossin)LtjjjjjXatbtTT設(shè)水文時(shí)間序列設(shè)水文時(shí)間序列Xt(t=1,2, ，n)，其數(shù)學(xué)模型為：，其數(shù)學(xué)模型為：式中：式中：為為Xt的均值；的均值；L為顯著諧波的個(gè)數(shù)；為顯著諧波的個(gè)數(shù)；aj，bj為第為第j個(gè)諧波的傅氏系數(shù)；個(gè)諧波的傅氏系數(shù)； Tj為第為第j個(gè)諧波的周期，個(gè)諧波的周期，Tj=n/j ，其中：，其中：112222cosbsinnnjtjtttjjaxtxtnnnn00（4）方法簡介）方法簡介周期分析法（諧波分析）周期分析法（諧波分析）四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介通過

16、假設(shè)檢驗(yàn)可確定顯著諧波的個(gè)數(shù)通過假設(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：，構(gòu)造統(tǒng)計(jì)量：222220.5()/2(2,3)j=1,2L(0.50.5)/(2 1)jjjjjabFFnabn，12( ,)F n n0根據(jù)分析出的周期進(jìn)行外延，則可實(shí)現(xiàn)預(yù)報(bào)。根據(jù)分析出的周期進(jìn)行外延，則可實(shí)現(xiàn)預(yù)報(bào)。 2 為序列的方差。根據(jù)給定的為序列的方差。根據(jù)給定的顯著性顯著性水平水平，由，由F分布查得分布查得F。當(dāng)當(dāng)FjF，則，則第第j個(gè)諧波顯著個(gè)諧波顯著，其對應(yīng)的周期就顯著；，其對應(yīng)的周期就顯著；反之則不顯著反之則不顯著。122(cossin)LtjjjjjXatbtTT四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法

17、簡介（5）方法簡介）方法簡介BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)流前向計(jì)算，誤差信號反向傳播的多層前饋網(wǎng)絡(luò)模型數(shù)據(jù)流前向計(jì)算，誤差信號反向傳播的多層前饋網(wǎng)絡(luò)模型基本基本思想思想大氣環(huán)流特征大氣環(huán)流特征高空氣壓場高空氣壓場海表溫度海表溫度輸入層輸入層隱含層隱含層輸出層輸出層降雨徑流資料降雨徑流資料選擇傳遞函數(shù)，初始化權(quán)重和閾值選擇傳遞函數(shù)，初始化權(quán)重和閾值 利用訓(xùn)練樣本修正權(quán)重和閾值利用訓(xùn)練樣本修正權(quán)重和閾值 完成機(jī)器學(xué)習(xí)完成機(jī)器學(xué)習(xí) 確定網(wǎng)絡(luò)確定網(wǎng)絡(luò) 預(yù)報(bào)降雨徑流量預(yù)報(bào)降雨徑流量 四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（6）方法簡介）方法簡介聚類分析（系統(tǒng)聚類法）聚類分析（系統(tǒng)聚類法） 聚類分析就是按照

18、某種聚類分析就是按照某種相似性度量，將具有相相似性度量，將具有相似特征的樣本歸為一類，似特征的樣本歸為一類，使得類內(nèi)差異較小，而使得類內(nèi)差異較小，而類間差異較大。類間差異較大。 獲得新的樣本之后，根獲得新的樣本之后，根據(jù)相似準(zhǔn)則，將新樣本據(jù)相似準(zhǔn)則，將新樣本歸類，由該類特征進(jìn)行歸類，由該類特征進(jìn)行預(yù)報(bào)。預(yù)報(bào)。四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（7）方法簡介）方法簡介聚類分析（隨機(jī)森林法）聚類分析（隨機(jī)森林法） 特點(diǎn)特點(diǎn):隨機(jī)抽樣隨機(jī)抽樣+決策樹。決策樹。訓(xùn)練集訓(xùn)練集：預(yù)報(bào)因子的觀測樣本，預(yù)報(bào)因子的觀測樣本，預(yù)報(bào)因子的屬性值稱為預(yù)報(bào)因子的屬性值稱為節(jié)點(diǎn)節(jié)點(diǎn)。自頂向下，在決策樹的內(nèi)部節(jié)自頂向

19、下，在決策樹的內(nèi)部節(jié)點(diǎn)進(jìn)行點(diǎn)進(jìn)行屬性值屬性值的比較，并根據(jù)的比較，并根據(jù)不同屬性判斷從該節(jié)點(diǎn)向下的不同屬性判斷從該節(jié)點(diǎn)向下的分支走向，最后在決策樹的末分支走向，最后在決策樹的末端得到分類或預(yù)測結(jié)果。端得到分類或預(yù)測結(jié)果。節(jié)點(diǎn)節(jié)點(diǎn)2（氣壓）（氣壓）大于大于500hPa訓(xùn)練集訓(xùn)練集預(yù)報(bào)因子：氣溫、氣壓預(yù)報(bào)因子：氣溫、氣壓預(yù)報(bào)變量：陰、晴、雨預(yù)報(bào)變量：陰、晴、雨類別類別3（陰）（陰）類別類別1（晴）（晴）類別類別2（雨）（雨）節(jié)點(diǎn)節(jié)點(diǎn)1（氣溫）（氣溫）小于小于20C大于大于20C小于小于500hPa四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（7）方法簡介）方法簡介聚類分析（隨機(jī)森林）聚類分析（隨機(jī)森林

20、）隨機(jī)森林隨機(jī)森林 改進(jìn)：一棵決策樹只能得到一個(gè)預(yù)測結(jié)果，構(gòu)建樹群可以得到改進(jìn)：一棵決策樹只能得到一個(gè)預(yù)測結(jié)果，構(gòu)建樹群可以得到多個(gè)預(yù)測結(jié)果，多個(gè)結(jié)果集成可以提高預(yù)測精度。多個(gè)預(yù)測結(jié)果，多個(gè)結(jié)果集成可以提高預(yù)測精度。關(guān)鍵：通過關(guān)鍵：通過 Bootstrap隨機(jī)抽樣，形成隨機(jī)抽樣，形成決策樹群（隨機(jī)森林）。決策樹群（隨機(jī)森林）。四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介預(yù)報(bào)因子預(yù)報(bào)因子X預(yù)報(bào)對象預(yù)報(bào)對象Y將將Y值分為值分為m級級Y=Y1，Y2，Ym)()()|()|(XPYPYXPXYPiii獲得新的預(yù)報(bào)因子值獲得新的預(yù)報(bào)因子值X，計(jì)算，計(jì)算Yi出現(xiàn)的概率，再根據(jù)后驗(yàn)概率最大出現(xiàn)的概率，再根據(jù)后驗(yàn)

21、概率最大準(zhǔn)則準(zhǔn)則,可實(shí)現(xiàn)預(yù)報(bào)變量可實(shí)現(xiàn)預(yù)報(bào)變量Y的的定性（等級）定性（等級）預(yù)報(bào)。預(yù)報(bào)。（8）方法簡介）方法簡介判別分析（貝葉斯判別）判別分析（貝葉斯判別）將預(yù)報(bào)對象將預(yù)報(bào)對象Y的取值范圍分成的取值范圍分成若干等級或區(qū)間（如豐、平、枯），若干等級或區(qū)間（如豐、平、枯），計(jì)算預(yù)報(bào)值計(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。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)方法簡介四、常用預(yù)報(bào)方法簡介（9）方法簡介）方法簡介水文集合預(yù)報(bào)水文集合預(yù)報(bào)實(shí)測數(shù)據(jù)：降雨、初始土壤含水量等實(shí)測數(shù)據(jù)：降雨、初始土壤含水量等1950195119522015. .19

22、532014水文模型計(jì)水文模型計(jì)算系統(tǒng)初始算系統(tǒng)初始狀態(tài)狀態(tài) 1 2 3 123月月11號號預(yù)報(bào)預(yù)報(bào)4月月10號號四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介（9）方法簡介）方法簡介水文集合預(yù)報(bào)水文集合預(yù)報(bào)Q（m/s）t（d）10%25%25%50%50%75%75%90%90%超過概率四、常用預(yù)報(bào)方法簡介四、常用預(yù)報(bào)方法簡介五、應(yīng)用示例簡介五、應(yīng)用示例簡介p 多元回歸多元回歸p 自回歸自回歸p 馬爾科夫鏈馬爾科夫鏈p 周期分析（諧波分析）周期分析（諧波分析）p 隨機(jī)森林隨機(jī)森林p 統(tǒng)計(jì)分析與水文模型耦合統(tǒng)計(jì)分析與水文模型耦合p 水文集合預(yù)報(bào)水文集合預(yù)報(bào)（1）以丹江口以上流域）以丹江口以上流域1月

23、份的月降雨為例月份的月降雨為例五、應(yīng)用示例簡介（多元回歸）五、應(yīng)用示例簡介（多元回歸）12345678910316.22 15.461.250.963.8211.070.656.2614.436.410.15yxxxxxxxxxx預(yù)報(bào)因子選擇預(yù)報(bào)因子選擇回歸回歸方程方程漢口上游區(qū)漢口上游區(qū)1954-2013年年1月份降雨量月份降雨量y和對應(yīng)的各影響因子和對應(yīng)的各影響因子x數(shù)據(jù)數(shù)據(jù)最小二最小二乘法計(jì)乘法計(jì)算算預(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(1

24、00E-120E)212x5編號臺(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)用示例簡介（多元回歸）五、應(yīng)用示例簡介（多元回歸）（1）以丹江口以上流域）以丹江口以上流域1月份的月降雨為例月份的月降雨為例率定期（率定期（1954-2009）：年降雨總量誤差：年降雨總量誤差8.5%，汛期各月平均誤差約為，汛期各月平均誤差約為20%40%驗(yàn)證期（驗(yàn)證期（ 2010-2013 ）：年降雨總量誤差：年降雨總量誤差8%，汛期各月平均誤差約為，汛期各月

25、平均誤差約為10%45%五、應(yīng)用示例簡介（多元回歸）五、應(yīng)用示例簡介（多元回歸）（2）以丹江口以上流域徑流量為例）以丹江口以上流域徑流量為例率定期（率定期（ 1984-2009 ）：年降雨總量誤差：年降雨總量誤差10.8%，汛期各月平均誤差約，汛期各月平均誤差約為為15%60%，年總量預(yù)報(bào)精度最高，枯季及汛期月份次之。年總量預(yù)報(bào)精度最高，枯季及汛期月份次之。驗(yàn)證期（驗(yàn)證期（2010-2013）：年降雨總量誤差：年降雨總量誤差13.5%，汛期各月平均誤差約，汛期各月平均誤差約為為14%50%，年總量預(yù)報(bào)精度最高，年總量預(yù)報(bào)精度最高，枯季及汛期月份次之?？菁炯把雌谠路荽沃?。預(yù)報(bào)因子預(yù)報(bào)因子環(huán)流特征

26、量環(huán)流特征量提前年份提前年份月份月份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)用示例簡介（多元回歸）五、應(yīng)用示例簡介（多元回歸）（2）以丹江口以上流域徑流量為例）以丹江口以上流域徑流量為例2010年年2011年年2012年年2013年年階數(shù)階數(shù)P=4五、應(yīng)用示例簡介（自回歸五、應(yīng)

27、用示例簡介（自回歸-AR(P)）（3）以丹江口以上流域）以丹江口以上流域4月徑流量為例月徑流量為例率定期：率定期：1955-2009驗(yàn)證期：驗(yàn)證期：2010-20131234897.980.272 (897.98) 0.009 (897.98)0.013 (897.98)0.394 (897.98)tttttxxxxxAR(4)方程方程驗(yàn)證期誤差統(tǒng)計(jì)驗(yàn)證期誤差統(tǒng)計(jì)年份年份誤差（誤差（% %）合格？合格？20102010-23 -23 合格合格2011201118 18 合格合格2012201238 38 不合格不合格2013201329 29 合格合格20142014-9 -9 合格合格五、應(yīng)

28、用示例簡介（自回歸五、應(yīng)用示例簡介（自回歸-AR(P)）預(yù)報(bào)結(jié)果示意圖預(yù)報(bào)結(jié)果示意圖（3）以丹江口以上流域）以丹江口以上流域4月徑流量為例月徑流量為例五、應(yīng)用示例簡介（馬爾科夫鏈）五、應(yīng)用示例簡介（馬爾科夫鏈）（4）以丹江口水庫）以丹江口水庫9月報(bào)月報(bào)10月入庫徑流量為例月入庫徑流量為例 率定期：率定期：1951-2008 驗(yàn)證期：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)劃分狀態(tài)劃分轉(zhuǎn)移矩陣計(jì)算轉(zhuǎn)移矩陣計(jì)算31,jjijijiffP五、應(yīng)用示例簡介（馬爾科夫鏈）五、應(yīng)用示例簡介（馬爾科夫鏈）（4）以丹江口水庫）以丹江口水庫9月報(bào)月報(bào)10月入庫徑

29、流量為例月入庫徑流量為例預(yù)測年份預(yù)測年份實(shí)際水平年實(shí)際水平年一步轉(zhuǎn)移概率一步轉(zhuǎn)移概率枯水年枯水年平水年平水年豐水年豐水年2009平水平水0.0240.8780.0982010平水平水0.0240.8780.0982011平水平水0.0000.7000.3002012平水平水0.0240.8780.0982013平水平水0.0240.8780.098預(yù)測水平年與實(shí)際情況相符預(yù)測水平年與實(shí)際情況相符9月報(bào)月報(bào)10月徑流預(yù)報(bào)成果表月徑流預(yù)報(bào)成果表五、應(yīng)用示例簡介（諧波分析）五、應(yīng)用示例簡介（諧波分析） 則則Xt的周期方程為：的周期方程為：（5）以丹江口水庫）以丹江口水庫1月徑流量為例月徑流量為例率定

30、期：率定期：1951-2009驗(yàn)證期：驗(yàn)證期：2010-2013置信度：置信度： =0.05顯著周期：顯著周期： 10、5年年1212242428030.3cos31.4sin34.3cos13.9sin59595959tXtttt周期成分周期成分1周期成分周期成分2 采用上述方程，模擬采用上述方程，模擬19512009年年1月徑流量，其平均相對誤差為月徑流量，其平均相對誤差為24.4%；驗(yàn)證驗(yàn)證20102013年年1月徑流量，其平均相對誤差為月徑流量，其平均相對誤差為27.2%。15.7%419362201334.1%4953692011-28.5%3685152012-30.4%29342

31、12010相對誤差相對誤差模擬值模擬值實(shí)測值實(shí)測值年份年份相對誤差相對誤差模擬值模擬值實(shí)測值實(shí)測值年份年份五、應(yīng)用示例簡介（諧波分析）五、應(yīng)用示例簡介（諧波分析）五、應(yīng)用示例簡介（隨機(jī)森林）五、應(yīng)用示例簡介（隨機(jī)森林）（6 6）丹江口逐月徑流預(yù)報(bào)）丹江口逐月徑流預(yù)報(bào)預(yù)報(bào)因子：預(yù)報(bào)因子：10項(xiàng)環(huán)流因子項(xiàng)環(huán)流因子預(yù)報(bào)變量：預(yù)報(bào)變量：逐月徑流量逐月徑流量25棵決策樹率定期：19502009驗(yàn)證期：19502009讀取訓(xùn)練數(shù)據(jù)25五、應(yīng)用示例簡介（隨機(jī)森林）五、應(yīng)用示例簡介（隨機(jī)森林）驗(yàn)證期逐月預(yù)報(bào)結(jié)果：驗(yàn)證期逐月預(yù)報(bào)結(jié)果：五、應(yīng)用示例簡介五、應(yīng)用示例簡介（統(tǒng)計(jì)分析與水文模型耦合）（統(tǒng)計(jì)分析與水文模型

32、耦合）（7）丹江口水庫入庫徑流預(yù)報(bào)）丹江口水庫入庫徑流預(yù)報(bào)多元回歸預(yù)測多元回歸預(yù)測+SWAT預(yù)報(bào)月降雨過程預(yù)報(bào)月降雨過程日降雨過程日降雨過程相似性原理相似性原理SWAT 水文模型水文模型預(yù)報(bào)日預(yù)報(bào)日/月徑流過程月徑流過程模型參數(shù)率定與驗(yàn)證模型參數(shù)率定與驗(yàn)證率定期：1995-2005驗(yàn)證期：2006-2011多元線性回歸模型多元線性回歸模型2012年月降雨預(yù)報(bào)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)模型月降雨統(tǒng)計(jì)預(yù)報(bào)模型（多元線性回歸方程）（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

33、(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)因子選預(yù)報(bào)因子選擇擇回歸方程回歸方程1098765432115.041.643.1426.665.007.1182.396.025.146.1522.316xxxxxxxxxxy最小二乘法計(jì)算回歸系數(shù)以漢江上游區(qū)以漢江上游區(qū) 1 月份的月降雨為例月份的月降雨為例模

34、型驗(yàn)證模型驗(yàn)證月份月份20102010年預(yù)報(bào)誤差年預(yù)報(bào)誤差（mmmm）合格合格？20112011年預(yù)報(bào)誤差年預(yù)報(bào)誤差（mmmm）合格合格？1 12121合格合格4 4合格合格五、應(yīng)用示例簡介五、應(yīng)用示例簡介（統(tǒng)計(jì)分析與水文模型耦合）（統(tǒng)計(jì)分析與水文模型耦合）月降雨月降雨日降雨過程日降雨過程根據(jù)由根據(jù)由歐氏距離歐氏距離構(gòu)建的相似性構(gòu)建的相似性度量函數(shù)度量函數(shù)，選擇相似的典型，選擇相似的典型月份的逐日降雨過程：月份的逐日降雨過程：),.,(1221xxxX 日徑流過程預(yù)報(bào)、月徑流量統(tǒng)計(jì)日徑流過程預(yù)報(bào)、月徑流量統(tǒng)計(jì)縮放縮放計(jì)算同倍比縮放系數(shù)，對典型降雨逐日過程縮放：計(jì)算同倍比縮放系數(shù)，對典型降雨逐日過程縮放：各月縮放系數(shù)各月縮放系數(shù)式中式中i=112預(yù)報(bào)年份預(yù)報(bào)年份逐日降雨量預(yù)報(bào)逐日降雨量預(yù)報(bào)五、應(yīng)用示例簡介五、應(yīng)用示例簡介（統(tǒng)計(jì)分析與水文模型耦合）（統(tǒng)計(jì)分析與水文模型耦合）徑流預(yù)測（以徑流預(yù)測（以20122012年為例）年為例）以以2012年為例，采用多年為例，采用多元回歸預(yù)測月