[发明专利]一种基于卡尔曼滤波的洪水预报实时修正方法及系统

权利要求书

1.一种基于卡尔曼滤波的洪水预报实时修正方法，其特征在于，包括以下步骤：

分别获取预报模型的观测值第一流量序列和计算值第二流量序列；

根据第一流量序列和第二流量序列，计算误差序列；

利用最优分割法对误差序列分段；

对第k段误差x_i构建误差AR(p)模型；

以卡尔曼滤波误差校正值作为AR(p)模型的输入进行误差估计，进而得到流量估计值。

2.根据权利要求1所述的一种基于卡尔曼滤波的洪水预报实时修正方法，其特征在于，第k段误差x_i构建误差AR(p)模型为：

式中，第k段误差序列均值为u_k；为自回归系数；ε_i为自回归模型的残差。

3.根据权利要求1所述的一种基于卡尔曼滤波的洪水预报实时修正方法，其特征在于，AR(p)模型的方差为

式中，为误差x_i(i＝LL_k-1+1～LL_k)的方差；ρ₁、ρ₂,...,ρ_p为第k段误差序列x_i(i＝LL_k-1+1～LL_k)的自相关系数；LL_k为第k段误差，LL_k-1为第k-1段误差。

4.根据权利要求1所述的一种基于卡尔曼滤波的洪水预报实时修正方法，其特征在于，流量估计值为：

其中，xy_i-j为卡尔曼滤波融合x_i-j、y_i-j两种误差后的误差校正值；x_i-j为基于的AR(p)模型的误差预报值；y_i-j为以相应涨差法计算的时刻i-j的预报值作为真值的替代与计算值Q_cal(i-j)之差。

5.根据权利要求1所述的一种基于卡尔曼滤波的洪水预报实时修正方法，其特征在于，利用最优分割法对误差序列分段具体如下：

长度为N的序列数据为X＝(x₁,x₂,...,x_N)，被分成K段，第k段内的数据量为n_k(k＝1,2,...,K)；整个序列数据的均值为u、总离差平方和为σ₂，第k段内的均值为u_k，K个段的段内离差平方和为

式中，N_k为序列前k段数据个数，N₀＝0，N₁＝n₁，N₂＝n₁+n₂，N_K＝N。

6.一种基于卡尔曼滤波的洪水预报实时修正方法，其特征在于，包括：

流量序列获取模块：用于分别获取预报模型的观测值第一流量序列和计算值第二流量序列；

误差序列计算模块：用于根据第一流量序列和第二流量序列，计算误差序列；

误差序列分段模块：用于利用最优分割法对误差序列分段；

AR(p)模型构建模块：用于对第k段误差x_i构建误差AR(p)模型；

流量估计模块：用于以卡尔曼滤波误差校正值作为AR(p)模型的输入进行误差估计，进而得到流量估计值。