[发明专利]一种基于CPP的水文模型参数动态率定方法

说明书

本发明涉及一种基于CPP的水文模型参数动态率定方法。包括：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；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。本发明有效提高了水文模型在变化环境下的预测能力。

技术领域

本发明涉及水文模拟和预报技术领域，更具体地，涉及一种基于CPP的水文模型参数动态率定方法。

背景技术

水文预报在防汛、抗旱、水资源开发利用、国民经济建设和国防等领域都有广泛的应用，经济效益巨大，应用单位众多。准确的水文预报为农业灌溉，生态系统管理，灾害管理，水力发电以及农村和城市供水提供了有价值的信息。因此，越来越多的过程驱动型或数据驱动型水文模型被设计开发。概念性水文模型用概化的方法表达流域的水文过程，模型结构简单，模拟结果有时不理想，但实用性强。分布式水文模型能够更准确地描述水文过程，但是对所需资料过于详细，计算过程过于复杂。无论是何种类型的水文模型，当前仍面临着诸多问题和挑战，例如模型参数的收敛性、参数的不确定性、参数的敏感性、模型结构的不确定性、模型的复杂性、模型的鲁棒性以及不同流量相位预测精度的冲突等等。

发明内容

本发明为克服上述现有技术中的缺陷，提供一种基于CPP的水文模型参数动态率定方法，提高了水文模型在变化环境下的预测能力。

为解决上述技术问题，本发明采用的技术方案是：一种基于CPP的水文模型参数动态率定方法，包括以下步骤：

步骤1.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。

将率定期在年尺度上划分为24个子期，时间尺度为半个月。半个月时间尺度不仅避免了连续的水文过程被打乱，而且保证了聚类的最小分类单元。聚类指标包括气象指标和下垫面指标。对于气象指标，除了考虑所有年份的各子期(半月时间尺度)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。极端气象指标是参照世界气象组织联合专家组针对气候变化检测生成的指标(ETCCDI)而确定的。以往的研究主要集中在研究气象条件的变化对动态模型参数的影响，即基于单个或多个气象指标实现水文过程的聚类(划分)。然而，除了显著的气候季节性变化，下垫面变化(如土壤湿度，土地利用和植被变化)也是流域特征变化的另一种重要形式，其在流域水文响应方面发挥着重要的作用。值得注意的是，下垫面变化的实测数据是很难获得的，特别是在无资料地区。前期的流量可间接地反映前期的土壤水分和地下水储存量。因此，它被作为本发明中的下垫面指标之一。水文数据挖掘不仅需要考虑单个水文气象数据，还需要考虑多维度水文气象数据之间的相关性。径流系数是反映降水与径流之间关系的最简单的指标。它可以描述河流的下渗，蒸发，滞留和拦截等综合水文过程的影响。因此，径流系数被用作另一个下垫面指标。表1列出了聚类指标的详细说明。

表1本发明选取的水文气象聚类指标

除了选择合适的聚类指标外，聚类指标的预处理在子期聚类中起着重要作用。聚类指标之间复杂的非线性关系以及与径流量之间的弱相关性可能会严重干扰水文过程聚类。因此，在进行聚类操作之前，本发明首先利用MIC指标分析所有聚类指标间以及聚类指标与径流量时间序列之间复杂的相关性来筛选聚类指标。