准确、可靠、稳定的径流预测方案是水资源管理与水量调度的重要支撑。中长期径流预测因预测期长,径流成因机理复杂,预测误差叠加累积等影响导致预测精度偏低,有效预见期短,不确定性程度高。研究表明,在单值预测过程难以提供有效预测信息的条件下,通过优选预测因子与方程,辨析预测误差的统计规律,结合单值预测过程和误差样本规律构建中长期概率预测模型及方案,能够丰富预测信息量,提高径流预测对调度的支撑作用。
近期,我院徐斌教授指导博士生莫然在水文学权威期刊Journal of Hydrology上发表题为Long-term probabilistic streamflow forecast model with “inputs–structure–parameters” hierarchical optimization framework的论文。论文提出了一种“输入-结构-参数”全要素分层组合优选的中长期径流时变概率预测方法(图1),分别对传统径流预测模型的预测因子筛选、预测方程建模以及预测误差模拟方法进行改进:(1)在预测因子筛选环节,基于信息熵理论筛选驱动因子集,在定量化因子重要性的同时考虑气象、水文、下垫面等多因子对中长期径流形成的交互效应影响,通过选取关键预测因子提高预测可靠性;(2)在预测方程建模环节,采用长短期记忆神经网络(LSTM)模型构建径流预测函数,挖掘预测因子与径流的非线性映射关系,提高了模拟准确性;(3)在预测误差随机模拟环节,结合广义自回归条件异方差(GARCH)模型辨识预测误差的时变规律,从而在模拟中考虑误差的非平稳与波动聚集特征,提高误差模拟的准确性和预测稳定性。采用该方法对洪泽湖、骆马湖两湖的月径流开展概率预测实例验证(图2),结果表明:考虑预测因子与方程改进的预测模型提升了径流预测的准确性(均方根误差降低6.7%~34.8%)与可靠性(Brier评分降低15.3%~27.9%);依据预测误差时变特性和相关性规律建立的概率预测方案能够降低置信区间阈宽,提高预测稳定性(图3)。本成果可为水资源管理提供更高质量的预测信息,为水资源精细化调度与节约集约利用提供支撑。
论文链接:Mo R, Xu B, Zhong P, Dong Y, Wang H, Yue H, Zhu J, Wang H, Wang G, Zhang J. (2023). Long-term probabilistic streamflow forecast model with “inputs–structure–parameters” hierarchical optimization framework. J HYDROL, 622, 129736. doi: 10.1016/j.jhydrol.2023.129736.
https://www.sciencedirect.com/science/article/pii/S0022169423006789?via%3Dihub
图1 径流概率预测“输入-结构-参数”分层优化流程示意图
图2 不同预测模型在洪泽湖径流概率预测过程(蓝色区间为本模型,灰色区间为基准模型),分图(a-d)分别对应1~4个月预见期下的概率预测结果
图3 不同预测模型在骆马湖径流概率预测的“精准性-可靠性-稳定性”多维评价结果(I为考虑组合优化的本模型,III为基准模型,II-1~II-3分别为仅考虑单一优化的对照模型)