申请/专利权人：武汉大学

申请日：2021-11-08

公开（公告）日：2024-06-28

公开（公告）号：CN114117953B

主分类号：G06F30/28

分类号：G06F30/28;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明提供基于时变参数的水文模型结构诊断方法、径流预报方法及装置，能够构建出准确反映目标区域流域水文物理过程的模型结构，从而更精准地进行径流模拟和预报。水文模型结构诊断方法包括：步骤1.收集目标流域的水文数据；步骤2.筛选敏感参数；步骤3.水文模型参数率定以确定非敏感参数，数据同化以识别敏感参数时变序列；步骤4.分析敏感参数时变序列的影响因子；步骤5.根据影响因子诊断模型可能存在缺陷的模块，并选择该模块其他的概化结构，形成待测试模型；步骤6.识别待测试模型敏感参数的时变序列；步骤7.当参数的时间变化减弱、模拟效果改善时，则确定相应的待测试模型为结构更优的修正模型；步骤8.确定最终模型。

主权项：1.一种水文模型结构诊断方法，其特征在于，包括以下步骤：步骤1、选择水文模型M作为初始模型，收集目标流域的水文数据和同时期的水文气象因子数据；步骤2、利用率定期的数据对水文模型M的参数进行敏感性分析，以误差平方和作为目标函数筛选敏感参数；步骤3、使用优化算法在率定期对水文模型M的所有参数进行率定得到常参数，非敏感参数取值定为常参数值，敏感参数使用数据同化方法进行时变序列识别，集合卡尔曼滤波数据同化算法将径流观测值同化入水文模型中，以识别在每个计算步长的模型参数；步骤4、将水文模型M敏感参数的时间变化序列与水文气象因子数据进行皮尔逊相关性分析，筛选与敏感参数时变序列高相关的因子作为影响因子；步骤5、根据筛选出的影响因子，分析模型M中可能存在缺陷的水文模块，该水文模块在其他模型中具有多种不同的概化方法，选择其他概化方法作为替代结构，形成待测试的水文模型{M1,M2,…,Mm}；步骤6、对待测试的水文模型{M1,M2,…,Mm}进行敏感参数的时变序列识别；步骤7、各个水文模型的适用性从两点进行分析，一是分析初始模型M、测试模型{M1,M2,…,Mm}的参数时变性，若模型Mi参数时间变化程度减弱，说明模型Mi中时变参数对结构缺陷的补偿效应减弱，二是采用水文预报的评价指标NSE、NSElog、KGE、VE、KGESRM来评估模型模拟效果，Mi模拟指标提升说明模型Mi的结构在该流域适用性更强；选取参数时间变化程度减弱、模拟指标得到提升的模型Mi作为修正模型；步骤8、判断修正模型Mi中敏感参数是否平稳，若平稳则确定Mi为本次模型结构诊断的最终模型；否则返回步骤4将修正模型Mi作为水文模型M，依次执行。

全文数据：

权利要求：

百度查询： 武汉大学 水文模型结构诊断方法、径流预报方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD