[发明专利]基于年降雨长期预报方法的矿区生态需水量计算方法

说明书

本发明公开了基于年降雨长期预报方法的矿区生态需水量计算方法，本发明先获取预报因子，该预报因子包括天文尺度因子、全球循环尺度因子和流域因子，并对该预报因子进行定量化处理，然后建立预报神经网络也即多层前馈神经网络，通过预报因子和历史降雨量对该预报神经网络进行训练，最后通过训练好的预报神经网络确定所述矿区的生态需水量，通过本方案，能够提高年降雨预报的准确性，从而精确地在预测年进行生态需水量的计算。

技术领域

本发明属于生态需水量计算技术领域，具体涉及基于年降雨长期预报方法的矿区生态需水量计算方法。

背景技术

年降雨长期预报是一种对于未来全年降雨的预报，其对于区域内生态需水量确定以及区域内水资源调配或汛期防汛、农作物指导等具有重要意义。

现有技术中一方面关于年降雨的长期预报的物理机制不明确，预报因子受到时间尺度和空间尺度限制，且预报因子的选择缺乏科学论证，预报结果的可靠度和精度不能满足工程实际的需要，另一方面关于年降雨的长期预报采用大气环流指数、厄尔尼诺数、高空气压场和降水气温等1431个因子，选用因子较多，且难以有效获得。

因此，如何提高年降雨长期预报的准确度从而精准的确定出矿区生态需水量，是本领域技术人员有待解决的技术问题。

发明内容

本发明的目的是为了提高年降雨长期预报的准确度从而精准的确定出矿区生态需水量，提出了一种基于年降雨长期预报方法的矿区生态需水量计算方法。

本发明的技术方案为：基于年降雨长期预报方法的矿区生态需水量计算方法，包括以下步骤：

S1、获取预报因子，所述预报因子包括天文尺度因子、全球循环尺度因子和流域尺度因子；

S2、建立预报神经网络，并通过所述预报因子和所述历史降雨量对所述预报神经网络进行训练；

S3、基于训练好的所述预报神经网络确定出所述矿区的生态需水量。

进一步地，所述天文尺度因子具体为太阳黑子相对数、月球赤纬角和二十四节气阴历日期，所述全球循环尺度因子具体为拉马德雷、厄尔尼诺和拉尼娜，所述流域尺度因子具体为秋季降雨量，其中，获取所述预报因子时对所述预报因子进行定量化处理，所述定量化处理具体为将所述拉马德雷的暖位相、所述拉马德雷的冷位相、所述厄尔尼诺、所述拉尼娜和所述天文尺度因子进行赋值。

进一步地，所述预报神经网络具体为多层前馈神经网络。

进一步地，所述步骤S2具体包括以下分步骤：

S21、建立所述预报神经网络；

S22、初始化所述预报神经网络；

S23、将所述预报因子和所述历史降雨量作为所述预报神经网络的输入，同时运用灰狼算法对所述预报神经网络进行优化，从而完成训练。

进一步地，所述通过灰狼算法对所述预报神经网络进行优化具体为：通过所述灰狼算法优化所述预报神经网络从而得到所述预报神经网络的最优参数。

进一步地，所述步骤S3具体包括以下分步骤：

S31、获取所述矿区预测年的预测预报因子；

S32、将所述预测预报因子输入所述预报神经网络得到所述预测年的所述年降雨预报信息；

S33、基于所述年降雨预报信息确定出所述矿区生态需水量。

进一步地，所述步骤S33具体包括以下分步骤：

S331、根据所述年降雨预报信息确定所述矿区在所述预测年的年预报信息，所述年预报信息具体为特丰水年、丰水年、偏丰水年、平水年、偏枯水年、枯水年和特枯水年；