多预报思路的水库中长期水文预报系统探讨

吴蓉

摘要：水库中长期水文预测系统的开发和设计，不仅需要符合国际通用标准和我国有关信息技术、软件工程的设计要求和规范，还要满足水文气象部门的相关技术标准。立足用户需求角度，对三种不同类型的中长期水文预报对象，汇集了七种方法，分别是时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归。同时，针对不同的预报对象，通过历史数据检验对相应的算法方案进行了提供。本文从计算流程、计算框架、实现程序、数据流程等方面进行分析，对构建水库中长期水文预报系统进行了探讨。

关键词：预报思路 水库 水文预报 预报系统

水库中长期水文预报系统的开发需要将水文气象预报平台和水文气象资料数据库作为开发的基本条件，并且要满足国际通用的标准和我国相关信息技术、软件工程设计的要求，同时还要符合水文气象部门的相关技术标准。在预报的方法方面，水文预报系统应结合国际上新研发的方法和我国水文预报行业常用的成熟方法，将年、月等的水文预报系统提供给水库调度。

1 建立预报模型库

预报模型库的建立应按照《水文情报预报规范》的要求，从物理角度出发，中长期预报中常用的方法主要为统计预测和成因预测。统计预测是基于径流和径流影响因素的统计关系、成因的统计模型，成因预测是局域天气过程的演变规律、大气环流、流域下垫面物理情况的成因动力模型，是径流长期预测的发展趋势。从影响因素角度出发，中长期预报可以分为多要素预报和单要素预报。多要素预报方法主要是对外界各种因素对水文预报对象的影响进行分析，对预报对象和影响因素间的关系及变化的物理因素进行分析，使用数理统计方法进行预报模型的建立。单要素预报方法则是对水文预报对象自身的历史演变规律进行分析，对预报对象前后各时段的有关联系进行探讨，以此为依据进行预报模型的建立。

目前，随着智能优化技术和非线性系统模拟技术的不断发展和进步，在预报中使用多种模型进行比较，可以使预报的可靠性得到有效的提高。本研究中，将从时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归等方案中选择预报效果较好的方案进行预报运行体系的建立。

2 预报对象的种类

本研究中的水库中长期水文预报系统的预报对象主要有：①当年汛期逐月流量和最大流量预报，发布时间为3月，预报结果为推荐值和7种方法月预报值，汛期最大流量和发生时间；②次年最大流量和次年逐月流量预报，发布时间为每年6月和11月，预报结果根据推荐值和7种方法月平均流量预报值，年最大流量预报值和发生时间；③下月枯期最小流量预报，发布时间为当月10日和25日，预报结果为推荐值和7种方法月极值流量预报值。使用独立窗口进行显示，同时将预报结果储存在气象水文中长期数据库中，方便用户查阅。按照降水预报产品、流域站点蒸发资料、气温资料和历年月流量资料、北半球长波辐射资料、西北太平洋月平均SST资料、北半球500HPa高度场旬、月资料和100Hpa高度场月值资料、北半球850Hpa、200Hpa UV分量格点场资料为基础，根据预见期的差异进行因子的选择。

3 编制预报方案的要求

在水文资料年限方面，编制预报方案时应以《水文情报预报规范》的依据，在使用经验和统计方法进行长期水文预报时，选取的样本数应超出30例。在方案误差方面，汛期预报值的误差允许范围不应超出实际测量值变幅的±30%，极值发生时间可允许误差范围应按照该标准进行规范，非汛期预报值可允许误差范围不可以超出实际测量值变幅的±20%。在方案精准度方面，预报方案应按照《水文情报预报规范》进行检验和判断，精准度的判断标准应使用确定系系数的大小和合格率进行分类。

4 水库中长期水文预报系统的设计和实现

4.1 水库中长期水文预报系统框架结构

水库中长期水文预报系统主要有以下几部分组成：预报产品检索、预报方法、质量评定、数据统计分析、统计集成方法等。每个组成部分又由多个子模块组成。数据加工处理模块主要包括各种指数加计算、数据检索、数据采集处理、数据管理维护、预报对象管理等。预报方法模块主要是包括降水场预报模式、概念模型、模式产品适用、相关分析、回归分析方法、多因子综合方法、相似分析方法等。数据统计分析模块主要包括合成分析、指数资料分析、预报对象统计分析、场资料分析等。统计集成方法模块是对具有可集成性的多种预报模块、相同类型的预报结果、相同的预报结果按设计的集成方法进行运作。

4.2 水库中长期水文预报系统计算流程（见图一）

图一 水库中长期水文预报系统计算流程

4.3 水库中长期水文预报系统流程

水库中长期水文预报系统的主界面主要由用户查询、选择预报对象、系统帮助三部分组成。点击进入到相应的界面后，选择预报对象界面中的不同预报时段按键，进入后选择预报方法界面，主要由时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归7种预报模块组成，可以按照不同的预报时间进行相应的预报模块选择，模块在执行操作时，会先在气象水文数据库中对所需要的数据进行读取和检查，对符合要求的数据进行计算后显示出来，之后将结果存储到中长期气象水文数据库中。如系统给出的信息是错误的，则会返回到预报系统界面中。其中信息错误主要有：①预报对象不存在；②所需要的数据不存在、错误、缺测；③应用服务器连接错误；④模型计算错误等。

4.4 水库中长期水文预报系统结构功能（见图二）

图二 水库中长期水文预报系统结构功能

4.5 水库中长期水文预报系统的实现

水库中长期水文预报系统使用Microsoft中Visual Basic6.0语言进行实现。

5 总结

在本研究中，从用户需求角度出发，对三种不同类型的中长期水文预报对象使用了时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归7种模式，通过历史数据检验对每一种预报对象进行了相应的算法方案推荐，构建了一个较为实用的水库中长期水文预报系统，该系统能够更好的为其他水库调度优化提供信息系统基础。

参考文献：

[1]张铭，李承军，张勇传等.贝叶斯概率水文预报系统在中长期径流预报中的应用[J].水科学进展，2009，20（1）：40-44.

[2]Yong-Ying Zhu，Hui-Cheng Zhou.Rough Fuzzy Inference Model And Its Application In Multi-factor Medium And Long-term Hydrological Forecast[J].Water resources management，2009，23（3）：493-507.

[3]李红波，夏潮军，王淑英等.中长期径流预报研究进展及发展趋势[J].人民黄河，2012，34（8）：36-38，40.

[4]徐启宝，许尔金.浅析水库中长期水文预报方案的编制——以泽雅水库为例[J].浙江水利科技，2010，01：11-15.

[5]Wenchuan Wang，Dongmei Xu，Lin Qiu et al.Genetic Programming for Modelling Long-term Hydrological Time Series[C].//2009 Fifth International Conference on Natural Computation （ICNC 2009）.Volume 4.2009：265-269.endprint

摘要：水库中长期水文预测系统的开发和设计，不仅需要符合国际通用标准和我国有关信息技术、软件工程的设计要求和规范，还要满足水文气象部门的相关技术标准。立足用户需求角度，对三种不同类型的中长期水文预报对象，汇集了七种方法，分别是时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归。同时，针对不同的预报对象，通过历史数据检验对相应的算法方案进行了提供。本文从计算流程、计算框架、实现程序、数据流程等方面进行分析，对构建水库中长期水文预报系统进行了探讨。

关键词：预报思路 水库 水文预报 预报系统

水库中长期水文预报系统的开发需要将水文气象预报平台和水文气象资料数据库作为开发的基本条件，并且要满足国际通用的标准和我国相关信息技术、软件工程设计的要求，同时还要符合水文气象部门的相关技术标准。在预报的方法方面，水文预报系统应结合国际上新研发的方法和我国水文预报行业常用的成熟方法，将年、月等的水文预报系统提供给水库调度。

1 建立预报模型库

预报模型库的建立应按照《水文情报预报规范》的要求，从物理角度出发，中长期预报中常用的方法主要为统计预测和成因预测。统计预测是基于径流和径流影响因素的统计关系、成因的统计模型，成因预测是局域天气过程的演变规律、大气环流、流域下垫面物理情况的成因动力模型，是径流长期预测的发展趋势。从影响因素角度出发，中长期预报可以分为多要素预报和单要素预报。多要素预报方法主要是对外界各种因素对水文预报对象的影响进行分析，对预报对象和影响因素间的关系及变化的物理因素进行分析，使用数理统计方法进行预报模型的建立。单要素预报方法则是对水文预报对象自身的历史演变规律进行分析，对预报对象前后各时段的有关联系进行探讨，以此为依据进行预报模型的建立。

目前，随着智能优化技术和非线性系统模拟技术的不断发展和进步，在预报中使用多种模型进行比较，可以使预报的可靠性得到有效的提高。本研究中，将从时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归等方案中选择预报效果较好的方案进行预报运行体系的建立。

2 预报对象的种类

本研究中的水库中长期水文预报系统的预报对象主要有：①当年汛期逐月流量和最大流量预报，发布时间为3月，预报结果为推荐值和7种方法月预报值，汛期最大流量和发生时间；②次年最大流量和次年逐月流量预报，发布时间为每年6月和11月，预报结果根据推荐值和7种方法月平均流量预报值，年最大流量预报值和发生时间；③下月枯期最小流量预报，发布时间为当月10日和25日，预报结果为推荐值和7种方法月极值流量预报值。使用独立窗口进行显示，同时将预报结果储存在气象水文中长期数据库中，方便用户查阅。按照降水预报产品、流域站点蒸发资料、气温资料和历年月流量资料、北半球长波辐射资料、西北太平洋月平均SST资料、北半球500HPa高度场旬、月资料和100Hpa高度场月值资料、北半球850Hpa、200Hpa UV分量格点场资料为基础，根据预见期的差异进行因子的选择。

3 编制预报方案的要求

在水文资料年限方面，编制预报方案时应以《水文情报预报规范》的依据，在使用经验和统计方法进行长期水文预报时，选取的样本数应超出30例。在方案误差方面，汛期预报值的误差允许范围不应超出实际测量值变幅的±30%，极值发生时间可允许误差范围应按照该标准进行规范，非汛期预报值可允许误差范围不可以超出实际测量值变幅的±20%。在方案精准度方面，预报方案应按照《水文情报预报规范》进行检验和判断，精准度的判断标准应使用确定系系数的大小和合格率进行分类。

4 水库中长期水文预报系统的设计和实现

4.1 水库中长期水文预报系统框架结构

水库中长期水文预报系统主要有以下几部分组成：预报产品检索、预报方法、质量评定、数据统计分析、统计集成方法等。每个组成部分又由多个子模块组成。数据加工处理模块主要包括各种指数加计算、数据检索、数据采集处理、数据管理维护、预报对象管理等。预报方法模块主要是包括降水场预报模式、概念模型、模式产品适用、相关分析、回归分析方法、多因子综合方法、相似分析方法等。数据统计分析模块主要包括合成分析、指数资料分析、预报对象统计分析、场资料分析等。统计集成方法模块是对具有可集成性的多种预报模块、相同类型的预报结果、相同的预报结果按设计的集成方法进行运作。

4.2 水库中长期水文预报系统计算流程（见图一）

图一 水库中长期水文预报系统计算流程

4.3 水库中长期水文预报系统流程

水库中长期水文预报系统的主界面主要由用户查询、选择预报对象、系统帮助三部分组成。点击进入到相应的界面后，选择预报对象界面中的不同预报时段按键，进入后选择预报方法界面，主要由时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归7种预报模块组成，可以按照不同的预报时间进行相应的预报模块选择，模块在执行操作时，会先在气象水文数据库中对所需要的数据进行读取和检查，对符合要求的数据进行计算后显示出来，之后将结果存储到中长期气象水文数据库中。如系统给出的信息是错误的，则会返回到预报系统界面中。其中信息错误主要有：①预报对象不存在；②所需要的数据不存在、错误、缺测；③应用服务器连接错误；④模型计算错误等。

4.4 水库中长期水文预报系统结构功能（见图二）

图二 水库中长期水文预报系统结构功能

4.5 水库中长期水文预报系统的实现

水库中长期水文预报系统使用Microsoft中Visual Basic6.0语言进行实现。

5 总结

在本研究中，从用户需求角度出发，对三种不同类型的中长期水文预报对象使用了时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归7种模式，通过历史数据检验对每一种预报对象进行了相应的算法方案推荐，构建了一个较为实用的水库中长期水文预报系统，该系统能够更好的为其他水库调度优化提供信息系统基础。

参考文献：

[1]张铭，李承军，张勇传等.贝叶斯概率水文预报系统在中长期径流预报中的应用[J].水科学进展，2009，20（1）：40-44.

[2]Yong-Ying Zhu，Hui-Cheng Zhou.Rough Fuzzy Inference Model And Its Application In Multi-factor Medium And Long-term Hydrological Forecast[J].Water resources management，2009，23（3）：493-507.

[3]李红波，夏潮军，王淑英等.中长期径流预报研究进展及发展趋势[J].人民黄河，2012，34（8）：36-38，40.

[4]徐启宝，许尔金.浅析水库中长期水文预报方案的编制——以泽雅水库为例[J].浙江水利科技，2010，01：11-15.

[5]Wenchuan Wang，Dongmei Xu，Lin Qiu et al.Genetic Programming for Modelling Long-term Hydrological Time Series[C].//2009 Fifth International Conference on Natural Computation （ICNC 2009）.Volume 4.2009：265-269.endprint

摘要：水库中长期水文预测系统的开发和设计，不仅需要符合国际通用标准和我国有关信息技术、软件工程的设计要求和规范，还要满足水文气象部门的相关技术标准。立足用户需求角度，对三种不同类型的中长期水文预报对象，汇集了七种方法，分别是时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归。同时，针对不同的预报对象，通过历史数据检验对相应的算法方案进行了提供。本文从计算流程、计算框架、实现程序、数据流程等方面进行分析，对构建水库中长期水文预报系统进行了探讨。

关键词：预报思路 水库 水文预报 预报系统

水库中长期水文预报系统的开发需要将水文气象预报平台和水文气象资料数据库作为开发的基本条件，并且要满足国际通用的标准和我国相关信息技术、软件工程设计的要求，同时还要符合水文气象部门的相关技术标准。在预报的方法方面，水文预报系统应结合国际上新研发的方法和我国水文预报行业常用的成熟方法，将年、月等的水文预报系统提供给水库调度。

1 建立预报模型库

预报模型库的建立应按照《水文情报预报规范》的要求，从物理角度出发，中长期预报中常用的方法主要为统计预测和成因预测。统计预测是基于径流和径流影响因素的统计关系、成因的统计模型，成因预测是局域天气过程的演变规律、大气环流、流域下垫面物理情况的成因动力模型，是径流长期预测的发展趋势。从影响因素角度出发，中长期预报可以分为多要素预报和单要素预报。多要素预报方法主要是对外界各种因素对水文预报对象的影响进行分析，对预报对象和影响因素间的关系及变化的物理因素进行分析，使用数理统计方法进行预报模型的建立。单要素预报方法则是对水文预报对象自身的历史演变规律进行分析，对预报对象前后各时段的有关联系进行探讨，以此为依据进行预报模型的建立。

目前，随着智能优化技术和非线性系统模拟技术的不断发展和进步，在预报中使用多种模型进行比较，可以使预报的可靠性得到有效的提高。本研究中，将从时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归等方案中选择预报效果较好的方案进行预报运行体系的建立。

2 预报对象的种类

本研究中的水库中长期水文预报系统的预报对象主要有：①当年汛期逐月流量和最大流量预报，发布时间为3月，预报结果为推荐值和7种方法月预报值，汛期最大流量和发生时间；②次年最大流量和次年逐月流量预报，发布时间为每年6月和11月，预报结果根据推荐值和7种方法月平均流量预报值，年最大流量预报值和发生时间；③下月枯期最小流量预报，发布时间为当月10日和25日，预报结果为推荐值和7种方法月极值流量预报值。使用独立窗口进行显示，同时将预报结果储存在气象水文中长期数据库中，方便用户查阅。按照降水预报产品、流域站点蒸发资料、气温资料和历年月流量资料、北半球长波辐射资料、西北太平洋月平均SST资料、北半球500HPa高度场旬、月资料和100Hpa高度场月值资料、北半球850Hpa、200Hpa UV分量格点场资料为基础，根据预见期的差异进行因子的选择。

3 编制预报方案的要求

在水文资料年限方面，编制预报方案时应以《水文情报预报规范》的依据，在使用经验和统计方法进行长期水文预报时，选取的样本数应超出30例。在方案误差方面，汛期预报值的误差允许范围不应超出实际测量值变幅的±30%，极值发生时间可允许误差范围应按照该标准进行规范，非汛期预报值可允许误差范围不可以超出实际测量值变幅的±20%。在方案精准度方面，预报方案应按照《水文情报预报规范》进行检验和判断，精准度的判断标准应使用确定系系数的大小和合格率进行分类。

4 水库中长期水文预报系统的设计和实现

4.1 水库中长期水文预报系统框架结构

水库中长期水文预报系统主要有以下几部分组成：预报产品检索、预报方法、质量评定、数据统计分析、统计集成方法等。每个组成部分又由多个子模块组成。数据加工处理模块主要包括各种指数加计算、数据检索、数据采集处理、数据管理维护、预报对象管理等。预报方法模块主要是包括降水场预报模式、概念模型、模式产品适用、相关分析、回归分析方法、多因子综合方法、相似分析方法等。数据统计分析模块主要包括合成分析、指数资料分析、预报对象统计分析、场资料分析等。统计集成方法模块是对具有可集成性的多种预报模块、相同类型的预报结果、相同的预报结果按设计的集成方法进行运作。

4.2 水库中长期水文预报系统计算流程（见图一）

图一 水库中长期水文预报系统计算流程

4.3 水库中长期水文预报系统流程

水库中长期水文预报系统的主界面主要由用户查询、选择预报对象、系统帮助三部分组成。点击进入到相应的界面后，选择预报对象界面中的不同预报时段按键，进入后选择预报方法界面，主要由时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归7种预报模块组成，可以按照不同的预报时间进行相应的预报模块选择，模块在执行操作时，会先在气象水文数据库中对所需要的数据进行读取和检查，对符合要求的数据进行计算后显示出来，之后将结果存储到中长期气象水文数据库中。如系统给出的信息是错误的，则会返回到预报系统界面中。其中信息错误主要有：①预报对象不存在；②所需要的数据不存在、错误、缺测；③应用服务器连接错误；④模型计算错误等。

4.4 水库中长期水文预报系统结构功能（见图二）

图二 水库中长期水文预报系统结构功能

4.5 水库中长期水文预报系统的实现

水库中长期水文预报系统使用Microsoft中Visual Basic6.0语言进行实现。

5 总结

在本研究中，从用户需求角度出发，对三种不同类型的中长期水文预报对象使用了时间系列-马尔科夫分析、门限回归、多维混合回归、神经网络及小波分析、模糊分析、非线性动力系统学、投影寻踪回归7种模式，通过历史数据检验对每一种预报对象进行了相应的算法方案推荐，构建了一个较为实用的水库中长期水文预报系统，该系统能够更好的为其他水库调度优化提供信息系统基础。

参考文献：

[1]张铭，李承军，张勇传等.贝叶斯概率水文预报系统在中长期径流预报中的应用[J].水科学进展，2009，20（1）：40-44.

[2]Yong-Ying Zhu，Hui-Cheng Zhou.Rough Fuzzy Inference Model And Its Application In Multi-factor Medium And Long-term Hydrological Forecast[J].Water resources management，2009，23（3）：493-507.

[3]李红波，夏潮军，王淑英等.中长期径流预报研究进展及发展趋势[J].人民黄河，2012，34（8）：36-38，40.

[4]徐启宝，许尔金.浅析水库中长期水文预报方案的编制——以泽雅水库为例[J].浙江水利科技，2010，01：11-15.

[5]Wenchuan Wang，Dongmei Xu，Lin Qiu et al.Genetic Programming for Modelling Long-term Hydrological Time Series[C].//2009 Fifth International Conference on Natural Computation （ICNC 2009）.Volume 4.2009：265-269.endprint