[发明专利]一种考虑预报不确定性关联演化特征的多站中长期径流滚动概率预测方法

权利要求书

1.一种考虑预报不确定性关联演化特征的多站径流中长期滚动概率预测方法，其特征在于，包括以下步骤：

S1、收集、整理待预测站点所在流域的长系列中长期径流数据资料，选取合适的预报模型进行滚动模拟预测得到单值预报结果，并分析预报误差统计特征参数；包括以下步骤：

S11、长系列中长期径流数据资料平稳化转化处理；

将长系列中长期径流数据资料按月份分类，从而得到一个12列的实测径流矩阵X_n×12，其中n表示年数，按列求其均值与标准差σ_i，对矩阵内的每一个数进行去季节化，即：

其中，X(n,i)与X(n,i)分别表示去季节化前后实测径流矩阵第n行第i列的值；

S12、中长期径流预测ARMA模型建模；

对得到的平稳序列X采用ARMA模型进行建模并开展滚动预报，X(n,i)为平稳序列X中的元素；ARMA模型由自回归模型AR与滑动平均模型MA组合构成，假设其自回归阶数为p，滑动平均阶数为q，即ARMA(p，q)模型，其结构为：

其中，{X_t，X_t-1，...，X_t-p}为p阶时间序列，即平稳序列X；{ε_t，ε_t-1，...，ε_t-q}为q阶白噪声序列；为p阶自回归系数；θ₁,…,θ_q为q阶滑动平均系数；对得到的模型预报结果还需进行季节化还原从而得到预报值样本，计算公式为：

其中，X_pre(n,i)与X_pre(n,i)分别表示季节化还原前后预报值矩阵第n行第i列的值；

S13、预报误差参数统计；

将s时刻预报t时刻的流量值记作Q_s,t，t时刻实测流量值记为q_t，则此时的误差值记作：

e_s,t＝Q_s,t-q_t (4)；

其中，e_s,t表示s时刻预报t时刻的预报误差值，对得到的预报误差样本按站点、起报时间与预见期进行分类整理，得到多站点在不同起报时间与不同预见期下的预报误差序列，对各误差序列的统计特性进行参数统计；

S2、在考虑多站点径流预报误差时程、空间维度的关联演变特性条件下，耦合Copula函数改进鞅模型描述滚动预报改进误差情景序列统计特征，以描述预报误差时空关联特性；

S3、采用拉丁超立方抽样LHS对滚动预报改进误差情景序列进行随机抽样，将其叠加在单值预报结果上得到滚动概率预测情景序列。