[发明专利]一种基于CPP的水文模型参数动态率定方法

权利要求书

1.一种基于CPP的水文模型参数动态率定方法，其特征在于，包括以下步骤：

S1.将率定期在年尺度上划分为多个子期，并计算所有子期的气象聚类指标和下垫面聚类指标；基于聚类指标与流量之间的非线性关系来筛选出候选聚类指数；

S2.采用PCA算法消除聚类指标之间的多重共线性；

S3.对所有年份的每个子期的聚类指标值进行平均；并根据气象指标和下垫面指标依次进行两次聚类操作，最终将年内水文过程划分为四个子期进行率定，即干旱期，雨期I，雨期II和雨期III；

S4.采用改进的并行率定方案在每个子期对TOPMODEL模型参数进行独立地优选，并组合以生成连续的流量序列值；

S5.利用多指标综合评价体系评估水文模型在不同流量条件下的模拟性能。

2.根据权利要求1所述的基于CPP的水文模型参数动态率定方法，其特征在于，所述的S1步骤具体包括：

1)将率定期在年尺度上划分为24个子期，时间尺度为半个月；

2)对于气象指标，除了考虑所有年份的各子期平均降水和蒸发量，还考虑了流域的水文行为对极端气候事件高度敏感性，相应的极端气象指标也被视为聚类指标的另一部分；

3)考虑径流系数以反映降水与径流之间关系的相关关系；

4)采用最大信息系数来确定上述聚类指标间以及聚类指标和径流量时间序列间的非线性相关性。

3.根据权利要求2所述的基于CPP的水文模型参数动态率定方法，其特征在于，所述的S2步骤具体包括：

S21.分析所有聚类指标间的非线性相关性；

S22.利用主成分分析以消除聚类指标间的多重共线性和冗余信息。

4.根据权利要求2所述的基于CPP的水文模型参数动态率定方法，其特征在于，所述的S3步骤具体包括：

S31.利用24组气象指标，利用模糊C均值聚类方法在年尺度上将率定期划分为三个子期，包括干旱期，平水期和湿润期，即聚类操作I；

S32.基于下垫面指标对平水期进行进一步的聚类划分操作，最终将年内水文过程划分为四个子期进行率定，即干旱期，雨期I，雨期II和雨期III，即聚类操作II；

S33.将最优参数组输入至TOPMODEL模型，实现水文预报。

5.根据权利要求4所述的基于CPP的水文模型参数动态率定方法，其特征在于，所述的S5步骤中多套指标综合评价体系中的评价指标包括纳什系数NSE、对数纳什系数LNSE、和基于均方根误差RMSE的五个分段流量历时曲线5FDC。