水文預(yù)報(bào)方法的研究進(jìn)展

水文預(yù)報(bào)方法的研究進(jìn)展

水文報(bào)告對(duì)于水庫的規(guī)劃、洪水的控制、水庫和灌溉等工作非常重要。創(chuàng)建工藝可分為過程驅(qū)動(dòng)模型方法和數(shù)據(jù)驅(qū)動(dòng)模型方法。過程驅(qū)動(dòng)模型是基于水文學(xué)概念的模擬流量生產(chǎn)過程和河流開發(fā)過程的數(shù)學(xué)模型，并根據(jù)流量生產(chǎn)過程預(yù)測(cè)數(shù)據(jù)的模型。數(shù)據(jù)驅(qū)動(dòng)模型基本上不考慮水文過程的物理機(jī)制，而是以黑箱子方法為目標(biāo)，建立輸入和輸出數(shù)據(jù)之間的最佳數(shù)學(xué)關(guān)系。數(shù)據(jù)驅(qū)動(dòng)模型是回歸模型中最常用的一種。近年來，新的預(yù)測(cè)手段迅速發(fā)展，如神經(jīng)網(wǎng)絡(luò)模型、非線性時(shí)間序列分析模型、模糊數(shù)學(xué)方法和灰色系統(tǒng)模型。同時(shí)，水文數(shù)據(jù)的獲取和計(jì)算能力迅速發(fā)展。因此，數(shù)據(jù)驅(qū)動(dòng)模型在預(yù)測(cè)水文報(bào)告中得到了越來越多的關(guān)注和應(yīng)用。1枯季徑流退水模型過程驅(qū)動(dòng)模型大致可以分為兩類,一類是模擬以地下水或其他慢反應(yīng)水源為主要徑流來源的枯季徑流退水模型;另一類是應(yīng)用范圍更廣,可用于具有不同徑流來源的流量過程的概念性流域降雨徑流模型.1.1退水曲線法自然流域的枯季徑流退水過程可以通過退水曲線反映出來.枯季徑流退水曲線法應(yīng)用枯季徑流的退水規(guī)律來預(yù)報(bào)枯季徑流總量和徑流過程,如Mishra等建立退水模型進(jìn)行青尼羅河的枯季退水徑流預(yù)報(bào).推求退水曲線表達(dá)式的方法有多種,但由于不同時(shí)期的退水特性有很大差異,退水曲線的定量表達(dá)缺乏一致性,這就限制了退水曲線法的應(yīng)用.此外,用退水曲線法只能預(yù)報(bào)無顯著降水情況下的徑流消退過程,如果預(yù)見期內(nèi)的降水對(duì)徑流過程有明顯影響,則該方法不適用.1.2月間尺度預(yù)報(bào)的相結(jié)合概念性流域降雨徑流模型是將一些有物理依據(jù)的公式與經(jīng)驗(yàn)性的公式結(jié)合起來,描述降雨-徑流的轉(zhuǎn)換過程及徑流的河道演進(jìn)過程的數(shù)學(xué)模型.概念性模型被廣泛應(yīng)用于實(shí)時(shí)或短期預(yù)報(bào),其輸入、輸出量的時(shí)間單位一般是小時(shí)或日.在應(yīng)用于中長期預(yù)報(bào)時(shí),其輸入、輸出量的時(shí)間單位相應(yīng)有所改變(比如由小時(shí)、日變?yōu)檠⒃?.由于降水輸入是降雨徑流模型必不可少的輸入量,因此將其應(yīng)用于中長期預(yù)報(bào)時(shí),一般要與降水預(yù)報(bào)相結(jié)合.如由歐洲多國共同開發(fā)的歐洲洪水預(yù)報(bào)系統(tǒng)(EFFS)根據(jù)歐洲中期氣象預(yù)報(bào)中心(ECMWF)的逐日降水預(yù)報(bào)結(jié)果,采用多個(gè)概念性模型進(jìn)行未來10d的逐日流量概率預(yù)報(bào);Tucci等將大氣環(huán)流模型預(yù)報(bào)的降水?dāng)?shù)據(jù)輸入到一個(gè)分布式水文模型中,預(yù)報(bào)未來若干月的流量.也有以歷史降水資料作為模型輸入的,如加拿大哥倫比亞河Mica工程在過去20多年中使用一個(gè)半分布式水文模型(UBC模型),以流域當(dāng)前狀態(tài)(如積雪及土壤濕度狀況等)為基礎(chǔ),根據(jù)歷史降水?dāng)?shù)據(jù)進(jìn)行1~8月份的日流量預(yù)報(bào),并聚合而成月流量預(yù)報(bào).當(dāng)概念性模型應(yīng)用于較大時(shí)間尺度的流量過程預(yù)報(bào)時(shí),模型的結(jié)構(gòu)也可能需要做適當(dāng)調(diào)整.新安江模型、水箱模型、HBV模型等都被不同研究者經(jīng)過適當(dāng)?shù)慕Y(jié)構(gòu)改進(jìn)后用于月徑流量預(yù)報(bào).比如,劉新仁提出了可以適應(yīng)不同時(shí)間尺度的系列化水文模型,在將新安江月模型應(yīng)用于月尺度的預(yù)報(bào)時(shí),可以只考慮兩種水源即快速響應(yīng)水源(地表徑流與壤中流)及慢響應(yīng)水源(地下徑流),相應(yīng)地在劃分水源的模型參數(shù)上,不再需要自由蓄水庫向壤中流和地下徑流的排水系數(shù)及壤中流的調(diào)蓄系數(shù).也有部分研究者提出以中長期預(yù)報(bào)為主要目的的水文模型,例如王國慶等建立了一個(gè)大尺度融雪徑流模型,用于月徑流量預(yù)報(bào);Mohseni等提出了一個(gè)基于水量平衡原理的集總式概念性模型進(jìn)行月徑流量的模擬和預(yù)報(bào).2數(shù)據(jù)驅(qū)動(dòng)模型2.1影響因子的選取回歸分析是流量中長期預(yù)報(bào)中應(yīng)用最早、最廣的方法之一,其應(yīng)用于徑流預(yù)報(bào)的歷史可以追溯到早期的降雨徑流相關(guān)圖方法,20世紀(jì)60年代以后隨計(jì)算機(jī)技術(shù)的發(fā)展而迅速普及,并且,主成分分析等技術(shù)被引入到回歸分析之中,以提高預(yù)報(bào)精度.回歸分析至今仍是流量預(yù)報(bào)實(shí)際工作中的一種重要手段.回歸模型的主要優(yōu)點(diǎn)在于簡(jiǎn)單、易于實(shí)現(xiàn).在根據(jù)影響因子與流量過程的相關(guān)關(guān)系進(jìn)行中長期預(yù)報(bào)時(shí),關(guān)鍵要解決好以下幾方面的問題:①哪些指標(biāo)與研究區(qū)域的中長期流量有顯著的相關(guān)性?②所選定的指標(biāo)在哪個(gè)時(shí)間尺度(如月或季)上與研究區(qū)域的哪個(gè)時(shí)間尺度的流量有最大的相關(guān)性?③這種相關(guān)關(guān)系的時(shí)距有多長?最常用的預(yù)報(bào)因子有預(yù)報(bào)站前期流量、上游站前期流量、集水流域降水量、土壤濕度、積雪量、氣溫等,還可以將一些對(duì)流量過程的長期變化規(guī)律起控制作用的影響因子作為預(yù)報(bào)因子,包括太陽輻射、太陽黑子數(shù)、地震場(chǎng)、地溫場(chǎng)等地球物理量,海洋表面溫度、ENSO指數(shù)等海洋物理量,氣壓高度場(chǎng)、大氣環(huán)流指數(shù)等大氣物理量.由于上述很多因子對(duì)流量的影響往往有幾個(gè)月甚至更長的滯后時(shí)間才能反映出來,因此,考慮這些因子會(huì)有助于提高長期預(yù)報(bào)精度.這方面的研究成果很多,比如,有研究表明地震場(chǎng)、地溫場(chǎng)與年流量均有較大相關(guān)性;許多研究成果表明ENSO事件與河流流量變化有關(guān),這種關(guān)系可用于進(jìn)行長期流量預(yù)報(bào).2.2季節(jié)均值與方差,擬合arma模型時(shí)間序列分析是水文學(xué)研究的一個(gè)重要工具.在流量過程預(yù)報(bào)中用到的時(shí)間序列模型很多,按模型中包含的時(shí)間序列的數(shù)目,可以分兩大類:單變量模型與多變量模型.單變量模型以自回歸滑動(dòng)平均(ARMA)模型及其衍生類型最常用.自回歸(AR)模型是ARMA模型的一種特殊類型,在年、月徑流量模擬和預(yù)報(bào)中使用較廣,如盧華友采用三階自回歸模型AR(3)對(duì)丹江口水庫年徑流進(jìn)行預(yù)報(bào).但ARMA模型是建立在時(shí)間序列平穩(wěn)的假設(shè)之上的,而時(shí)間尺度小于年的流量序列(如月、旬流量)通常具有很強(qiáng)的季節(jié)性,并非平穩(wěn)序列,因此直接使用ARMA模型一般不合適.模擬和預(yù)報(bào)這種季節(jié)性序列的模型主要有3種:①用季節(jié)性ARIMA模型(簡(jiǎn)稱為SARIMA);②除季節(jié)性ARMA模型,即先除去原流量序列中的季節(jié)性均值與方差,再對(duì)除季節(jié)性序列擬合ARMA模型;③周期ARMA模型(簡(jiǎn)稱為PARMA),包括PAR模型.這3種模型在流量中長期預(yù)報(bào)中都很常用.近年來,河流流量過程的長記憶特性研究受到關(guān)注.具有長記憶特性的隨機(jī)過程可以用分?jǐn)?shù)階差分自回歸滑動(dòng)平均(ARFIMA)模型較好地描述,如Montanari等用ARFIMA模型進(jìn)行尼羅河阿斯旺月流量過程的模擬與預(yù)報(bào);Ooms等將PARMA模型與ARFIMA模型相結(jié)合,提出用周期長記憶模型(PARFIMA,PeriodicARFIMA)擬合月流量過程;王文采用包括ARFIMA模型在內(nèi)的多種時(shí)間序列模型進(jìn)行黃河上游唐乃亥站未來10d的逐日平均流量預(yù)報(bào).如果考慮外部輸入因素的影響,可以構(gòu)建多變量時(shí)間序列模型,最常用的是含外部變量的自回歸滑動(dòng)平均(ARMAX)模型或傳遞函數(shù)噪聲(TFN)模型.例如,Awadallahl等以不同海區(qū)的海溫作為外部輸入變量建立TFN模型,進(jìn)行尼羅河夏季徑流量的預(yù)報(bào).由于考慮了外部影響因素,利用了更多的預(yù)報(bào)信息,TFN模型的預(yù)報(bào)精度一般高于單變量的ARIMA類模型的預(yù)報(bào)精度.例如,Thompstone等對(duì)1/4月流量過程建立了除季節(jié)性ARMA模型、周期自回歸(PAR)模型、考慮降水與融雪輸入的TFN模型及一個(gè)概念性模型進(jìn)行預(yù)報(bào)試驗(yàn),結(jié)果表明TFN模型精度優(yōu)于其他模型.如果流量過程顯著受某種外部因素干擾而呈現(xiàn)異常波動(dòng),則可以采用干擾模型來模擬這種干擾,它可以看作是TFN模型的一種特殊類型.Kuo等在AR(1)模型的基礎(chǔ)上,考慮臺(tái)風(fēng)因素的影響,建立干擾模型進(jìn)行臺(tái)灣淡水河的10d平均流量的預(yù)報(bào)和模擬.流量過程時(shí)間序列預(yù)報(bào)模型還可以根據(jù)模型是否具有線性結(jié)構(gòu)分為線性模型與非線性模型.前面提到的ARMA,TFN等模型可以視為線性模型.近年來,水文系統(tǒng)的非線性研究越來越受到關(guān)注,相應(yīng)地非線性模型的應(yīng)用實(shí)例也增多.門限自回歸模型(TAR)是中長期流量過程預(yù)報(bào)中常用的一種非線性時(shí)間序列模型.前面提到的很常用的PARMA及PAR模型實(shí)際上可以視為TAR模型的一種特殊類型,它們以季節(jié)為門限值,對(duì)不同季節(jié)分別建立線性模型.如果考慮外部因素的影響,TAR可以擴(kuò)展為門限回歸模型,因其可以描述為樹形結(jié)構(gòu),也被部分研究者稱為模型樹模型,這種方法有應(yīng)用于實(shí)時(shí)降雨徑流預(yù)報(bào)的實(shí)例,在中長期預(yù)報(bào)中也會(huì)很有應(yīng)用價(jià)值.2.3undv飲料和zeahens網(wǎng)絡(luò)的流量預(yù)報(bào)人工神經(jīng)網(wǎng)絡(luò)(ANN)具有良好的非線性映射能力,而且,ANN模型構(gòu)建方便,對(duì)數(shù)據(jù)的適應(yīng)性很好,因而ANN可以說是近10多年來最廣為關(guān)注的一種非線性預(yù)報(bào)方法,已被廣泛應(yīng)用于實(shí)時(shí)中長期水文預(yù)報(bào)中.最常用于徑流預(yù)報(bào)的ANN類型為采用誤差后向傳播(BP)算法的多層感知器(MLP)神經(jīng)網(wǎng)絡(luò)(也被稱為BP網(wǎng)絡(luò)),廣泛應(yīng)用于年、月徑流量或平均流量的預(yù)報(bào).Birikundavyi等用MLP網(wǎng)絡(luò)進(jìn)行未來1~7d的流量預(yù)報(bào);Zealand等采用MLP網(wǎng)絡(luò)進(jìn)行未來1~4周的流量預(yù)報(bào);Markus,Jain,Kisi等用MLP網(wǎng)絡(luò)模型進(jìn)行月流量預(yù)報(bào)研究.徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)也被不少研究者用于月平均流量預(yù)報(bào)(如).此外,為了更好地?cái)M合流量過程的非線性特征,可以采用模塊化神經(jīng)網(wǎng)絡(luò)進(jìn)行流量過程的中長期預(yù)報(bào).采用ANN模型進(jìn)行預(yù)報(bào)時(shí)最重要的是確定哪些數(shù)據(jù)作為輸入,采用什么類型的神經(jīng)網(wǎng)絡(luò)以及相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu).關(guān)于如何確定ANN輸入變量,有兩個(gè)問題需要考慮:一是當(dāng)訓(xùn)練數(shù)據(jù)長度較短,無法覆蓋序列的全部可能范圍時(shí),如何提高ANN對(duì)可能出現(xiàn)的極端情況的預(yù)報(bào)能力.為解決這一問題,Cigizoglu在用MLP模型進(jìn)行月平均流量預(yù)報(bào)時(shí),先用AR模型生成模擬序列,以此增加訓(xùn)練數(shù)據(jù)量,提高預(yù)報(bào)精度.二是在進(jìn)行多步預(yù)報(bào)時(shí),如何解決ANN模型的氣象輸入數(shù)據(jù).理想的選擇是采用氣象預(yù)報(bào)數(shù)據(jù),如Birikundavyi等采用預(yù)報(bào)的降水、氣溫?cái)?shù)據(jù)進(jìn)行未來1~7d的流量預(yù)報(bào).但是有研究表明,由于氣象預(yù)報(bào)精度的限制,采用氣象預(yù)報(bào)數(shù)據(jù)對(duì)流量預(yù)報(bào)的精度提高是有限的,因此,也有研究者采用歷史氣象數(shù)據(jù)作為ANN模型的輸入進(jìn)行多步預(yù)報(bào),如Zealand等.2.4類別特征值與特征值之間的回歸在水文領(lǐng)域應(yīng)用模糊數(shù)學(xué)進(jìn)行預(yù)測(cè)的方法有兩類,一類是模糊模式識(shí)別預(yù)測(cè)法,另一類是模糊邏輯方法.模糊模式識(shí)別預(yù)測(cè)法的基本思路是:以對(duì)歷史樣本模式的模糊聚類為基礎(chǔ),計(jì)算待測(cè)狀態(tài)的類別特征值,從而根據(jù)預(yù)報(bào)值與類別特征值之間的回歸方程進(jìn)行預(yù)報(bào);或者比較直接的做法是,從歷史樣本中尋找與當(dāng)前待測(cè)狀態(tài)具有最小模糊距離或最大貼近度的那個(gè)狀態(tài),以此狀態(tài)的下一時(shí)刻值作為預(yù)報(bào)值.就本質(zhì)而言,模糊模式識(shí)別預(yù)測(cè)法與下文提到的近鄰預(yù)報(bào)方法相似,主要差別在于近鄰的選擇方法不同,以及找到近鄰狀態(tài)(或者稱貼近狀態(tài))后建立預(yù)報(bào)方程的方法有所不同.模糊邏輯方法可以描述變量之間不十分明確的因果關(guān)系.根據(jù)變量之間的模糊邏輯關(guān)系,可以建立模糊邏輯模型(或稱為模糊專家系統(tǒng))進(jìn)行流量預(yù)報(bào),例如Zhu,Mahabir等采用模糊邏輯模型進(jìn)行長期流量預(yù)報(bào).2.5基于線性常微分方程模型的徑流預(yù)報(bào)水資源系統(tǒng)可以當(dāng)作灰色系統(tǒng)看待.最常用的描述灰色系統(tǒng)模型的數(shù)學(xué)模型為GM(1,1),G代表Grey(灰色),M代表Model(模型),GM(1,1)指1階、1個(gè)變量的線性常微分方程模型.它在徑流預(yù)報(bào)、災(zāi)變預(yù)測(cè)中有不少應(yīng)用實(shí)例.夏軍提出了用灰關(guān)聯(lián)模式識(shí)別的方法進(jìn)行中長期徑流預(yù)測(cè).此后有研究者將此類模型應(yīng)用于年、月徑流預(yù)測(cè).2.6均生函數(shù)方法除了上述幾種數(shù)據(jù)驅(qū)動(dòng)模型,下述幾類模型也有少量應(yīng)用實(shí)例.a.Markov鏈.Markov鏈預(yù)測(cè)技術(shù)是根據(jù)隨機(jī)過程的狀態(tài)轉(zhuǎn)移概率來預(yù)測(cè)其未來變化趨勢(shì).該方法可用于河川徑流系列的年際變化,如水庫年平均入庫流量.b.均生函數(shù)模型.均生函數(shù)模型根據(jù)系統(tǒng)狀態(tài)前后記憶的特性,由時(shí)間序列按不同的時(shí)間間隔計(jì)算均值,生成一組周期函數(shù),即所謂均生函數(shù),通過建立原序列與這組函數(shù)間的回歸預(yù)報(bào)方程,利用均生函數(shù)的外延值,可以對(duì)原時(shí)間序列作多步預(yù)報(bào).馮建英利用均生函數(shù)模型對(duì)河西地區(qū)3條內(nèi)陸河1992~1996年春季各月和總流量進(jìn)行了預(yù)報(bào).c.經(jīng)驗(yàn)正交函數(shù).經(jīng)驗(yàn)正交函數(shù)(EOF)分析方法是長期天氣預(yù)報(bào)和短期氣候預(yù)測(cè)中應(yīng)用較為廣泛的一種方法,可以移用到河流流量預(yù)報(bào)中,如李杰友等應(yīng)用經(jīng)驗(yàn)正交函數(shù)分析方法,以月平均500hPa,100hPa高度場(chǎng)及月平均海溫場(chǎng)為預(yù)報(bào)因子,進(jìn)行月徑流預(yù)報(bào).d.典型相關(guān)分析.典型相關(guān)分析是分析兩組隨機(jī)變量間線性密切程度的統(tǒng)計(jì)方法,在氣象氣候研究領(lǐng)域應(yīng)用較多.Uvo等根據(jù)太平洋和大西洋海溫,采用典型相關(guān)分析方法預(yù)報(bào)南美洲東北部亞馬遜河流域若干地點(diǎn)的季節(jié)徑流量.e.近鄰預(yù)報(bào)方法.其基本思想是