多模型综合集成洪水预报系统及其预报方法

摘要

本发明公开的多模型综合集成洪水预报系统，包括依次连接的数据集成、组件集成、模型集成、方案集成和结果发布模块。本发明还公开了利用上述多模型综合集成洪水预报系统进行洪水预报的方法：通过数据集成对历史或实时的水文数据进行统一的处理，使其符合组件集成使用的规范和要求；将上步得到的各组数据，按照组建的构架需要，封装为多个组件；将上步得到的若干个组件按照模型的结构要求，分别进行搭建得到多个洪水预报模型，得出相应的洪水预报结果；将上步得到的多个洪水预报结果进行统一化处理，得到最终的预报结果及预报方案；对最终的结果进行发布。本发明的方法实现了多种洪水预报模型的快速搭建，能够提供多方案预报及方案优选。

说明书

技术领域

本发明属于洪水预报与计算机结合的技术领域，具体涉及一种多模型综合集成洪水预报系统，本发明还涉及一种利用该多模型综合集成洪水预报系统进行洪水预报的方法。

背景技术

传统洪水预报方法在应用中存在以下几个问题：一方面，往往局限于某一个流域、一段河道、一个断面、一个水库的应用，而且预报模型本身和其系统“死死”的绑定在一起，限制了模型的灵活性，要想将模型应用于另一个流域或河段，可以说除了重做系统外别无他法，对于模型的推广非常不利。另一方面，洪水预报模型的应用往往停留在某个流域或河道的单一模型的应用。对于某个流域的洪水预报，可选的模型不止一个，如果条件成熟，这些模型都可以用来进行预报，并且预报效果都是不错的，到底选哪个方法进行预报很难确定。实际情况往往是，对于同一个河段，某场洪水用其中一种是最接近真值的；而对另一场洪水，用另一种是最接近真值的。

发明内容

本发明的目的是提供一种多模型综合集成洪水预报系统，对于不同流域、不同河道及不同断面可快速搭建出适合的预报模型来进行洪水预报，同时实现多模型的综合集成预报。

本发明的另一目的是提供一种利用上述多模型综合集成洪水预报系统进行洪水预报的方法。

本发明所采用的技术方案是，一种多模型综合集成洪水预报系统，包括依次连接的五个模块单元，即数据集成、组件集成、模型集成、方案集成和结果发布，

所述的数据集成，用于对不同的水文数据进行统一处理，使其符合模型使用的规范和要求，并将各种水文数据处理成组提供给组件集成，其中的水文数据包括降雨数据、蒸发数据、径流数据、流域和断面数据的基本资料；

所述的组件集成，用于接收数据集成输出的处理成组的水文数据，并将其封装成组件，同时将洪水预报模型按照其结构拆分成相对独立的模块，并将该模块封装成组件，一并提供给模型集成，每个组件都有多个接入口和输出口，每个组件的输入是经过数据集成处理后的数据，每个组件的输出是提供给模型集成的各种过渡的或最终的结果；

所述的模型集成，用于将组件集成输出的各个组件按照需要搭建成多个洪水预报模型，并进行洪水预报，然后，将各个模型预报结果提供给方案集成；

所述的方案集成，根据模型来划分，对各个模型预报结果进行统一化，通过多模型洪水预报评价指标体系进行各个方案的对比和优选；另外，通过多模型洪水预报方案制作体系，将各个模型预报结果中的洪水要素提出来，采取洪水要素值中最大值和最小值的区间作为参考的预报方案；

所述的结果发布，对方案集成得到的最终结果进行发布。

本发明所采用的另一技术方案是，利用上述的多模型综合集成洪水预报系统进行洪水预报的方法，按照以下步骤实施：

步骤1、数据的集成：采用数据集成模块单元对历史或实时的水文数据进行统一处理，使其符合组件集成使用的规范和要求；

步骤2、组件的集成：将上步经过数据集成后得到的数据输入组件集成模块单元，在该组件集成模块单元内按照组建的构架需要，封装为多个组件，包括蒸散发组件、产流组件、水源划分组件、坡地汇流、流域汇流组件、河道汇流组件、流域产汇流组件、退水组件、参数估计组件和精度评定组件，并将经过封装业务处理后的数据输出；

步骤3、模型的集成：将上步组件集成得到的若干个组件输入模型集成模块单元，按照模型的结构要求，分别进行搭建得到多个洪水预报模型，每个模型按照自己的运行得出相应的洪水预报结果；

步骤4、方案的集成：将上步模型集成得到的多个洪水预报结果输入方案集成模块单元中进行统一化处理，采用多模型洪水预报评价指标体系得到最终的预报结果，采用多模型洪水预报方案制作方法得到最终的预报方案；

步骤5、结果的发布：对上步的结果输入结果发布模块单元进行输出。

本发明的有益效果是，实现了不同流域、不同河道及不同断面洪水预报模型的快速搭建，为同一流域提供多方案预报的优选，从而更有利于领导层快速、科学地做出决策。

附图说明

图1是本发明多模型综合集成洪水预报系统的模型结构示意图；

图2是本发明的方法实施例东洋河流域多模型洪水预报流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

如图1，本发明多模型综合集成洪水预报系统的结构是，包括依次连接的五个模块单元，即数据集成、组件集成、模型集成、方案集成和结果发布。其中的数据集成为组件集成提供各种水文数据，组件集成接收数据将其封装成组件与已经封装好的模型组件一并提供给模型集成，模型集成将各个组件组装成模型并将各个模型预报结果提供给方案集成，方案集成最后进行结果发布和方案发布。下面对这五个模块单元进行详细说明。

（1）数据集成

数据集成主要是对不同的水文数据进行统一的处理，使其符合使用的规范和要求。数据集成是对流域水文数据的集成，其中的数据包括降雨数据、蒸发数据、径流数据、流域和断面数据等的基本资料（图2中有流域水文数据组件），数据集成主要用来解决数据的统一性问题。

（2）组件集成

组件是组成洪水预报模型的基础，用于接收数据集成输出的处理成组的水文数据，并将其封装成组件，同时将洪水预报模型按照其结构拆分成相对独立的模块，并将该模块封装成组件，一并提供给模型集成。每个组件都有一个或多个接口和输出口。各组件的输入是经过集成后的数据，输出即是提供给模型集成的各种过渡的或最终的结果。

2.1）输入和输出的统一

输入和输出的统一是组件集成的核心问题，输入的不一致和输出的不一致往往导致组件无法运行。例如，一个组件的输入降雨量用大写P表示，而另一个组件的降雨量用小写p表示，都表示降雨，却不一致，这必将导致在数据传入的过程中某一个组件出现bug。因此，首先必须解决组件的输入输出统一问题。为此，采用对输入数据的识别机制，如果数据的数据格式与预先定义的格式相同则可以进行下一步计算，若不相同则报错，使错误停滞到当前，不向下蔓延。

2.2）接口的统一

接口的统一同组件的统一一样，接口往往是一个或多个get方法，接口的统一主要表现在get方法的命名统一上。Get方法是否统一也直接决定组件是否能正确运行。例如，getTM()方法表示获取时间，而另一组件却用gettm()表示，那么当然就不能获得数据。为此，仍然采用对于接口的识别机制，采用统一的接口，若其它接口与预先定义的接口不一致，则不能得到数据，也不能进行下一步计算，只有使接口与预先定义的保持一致才可进行下一步计算。

2.3）组件的归类

在输入、输出和接口统一以后，组件的独立运行就不会出现问题，但此时的组件是杂乱无章的聚集在一块的，无法从众多组件中看到组件的归属。为此，有必要将组件进行归类。为此，将洪水预报模型组件归为10种类型，分别为蒸散发组件、产流组件、水源划分组件、流域汇流组件、坡地汇流组件、河道汇流组件、流域产汇流组件、退水组件、参数估计组件和精度评定组件。

（3）模型集成

模型本身是在组件基础上实现，模型是由一个个组件按照模型的结构要求搭建而成。例如蒸散发组件可以和产流组件、水源划分组件、流域汇流组件、河道汇流组件搭建成新安江模型组件。因而模型的集成是以组件的集成为基础的。模型集成的主要任务就是将各个组件按照需要搭建成模型，以便同时采用搭建好的多个洪水预报模型对流域洪水进行多方案预报，然后，将各个模型预报结果提供给方案集成。

（4）方案集成

方案集成的主要目的是进行多个方案的对比和优选，以确定最终参考的预报方案。洪水预报方案是在模型预报结果上建立的，所以洪水预报方案的集成是以洪水预报模型集成为基础的。例如，同时用4种模型进行预报，那么就会产生4种预报方案，对这些预报方案进行统一化，通过多模型洪水预报评价指标体系进行各个方案的对比和优选；另外，通过多模型洪水预报方案制作体系，将预报方案中的各个要素提出来，而采取各个要素值中最大值和最小值的区间作为最终的预报方案，而不是采用一个定值。多模型洪水预报评价指标体系和多模型洪水预报方案制作方法，按照以下步骤进行评定：

（4.1）多模型洪水预报评价指标体系

多模型洪水预报评价指标体系是针对多个模型同时预报的特殊性提出来的。对于多个模型预报结果，首先采用参数确定性系数、洪水预报合格率、降雨量相似度、前期影响雨量相似度、降雨历时相似度这五个指标进行评价，得到各个评价数值，最后采用这五个指标评价数值的加权值之和作为单个模型的可信度。那个模型可信度越大，则该模型预报结果越可靠，即将可信度最大的模型预报流量过程作为推荐预报流量。下面对这五个指标进行逐一论述：

4.11）参数确定性系数。洪水预报参数最好是实时率定，那么每次率定参数都要进行洪水模拟，洪水模拟效果的好坏可以通过确定性系数来确定，确定性系数按下式计算：

                   （1）

式（1）中：为确定性系数（取两位小数）；为时段预报值，单位是m³/s；为时段实测值，单位是m³/s；为实测值的均值；为资料系列长度，。而确定性系数越高则率定出的参数相对越好，当然参数越好，预报的结果越理想，对于日模拟，取模拟最好的那次确定性系数，对于次洪模拟可以取各场洪水的均值。因此将确定性系数作为一个评价预报好坏的指标。

4.12）洪水预报合格率。根据《水文情报预报规范》（SL250-2000）的要求，一次预报的误差小于许可误差时，为合格预报。合格预报次数与预报总次数之比的百分数为合格率，表示多次预报总体的精度水平，合格率按下式计算：

                            （2）

式（2）中，为合格率（取一位小数）；为合格预报次数；为预报总次数。则每种预报模型对于历史洪水都有一个合格率，合格率越高说明预报模型对于此流域的预报效果更好，因此将合格率作为一个评价指标。

4.13）降雨量相似度。对于本场要求预报的洪水有一个降雨量，历史中的每场洪水同样有一个降雨量，那么可以在历史洪水中找出与本场洪水降雨量相似度最大的那场洪水。相似度按下式计算：

                           （3）

式（3）中为第场洪水的相似度，为预报洪水的降雨量，为第场洪水的降雨量，、为历史降雨量的最大值和最小值，进行相似度计算时，首先将预报洪水降雨量放入历史进行降雨量大小排序得到和，然后按上式进行计算，得到预报洪水与历史中每场洪水的相似度，然后排序得到相似度的最大值和最大值对应的那场洪水的降雨量，由于每个模型均对此场洪水做过预报，将预报后的确定性系数再乘以相似度作为最终每个模型的降雨量相似度。

4.14）前期影响雨量相似度。前期影响雨量对于洪水的过程影响很大。历史中的每场洪水同样有一个前期影响雨量，那么可以在历史洪水中找出与本场洪水前期影响雨量相似度最大的那场洪水。场次洪水前期影响雨量相似度按下式计算：

                                             （4）

式（4）中为第场洪水的前期影响雨量相似度，为预报洪水的前期影响雨量，为第场洪水的前期影响雨量，、为历史前期影响雨量的最大值和最小值，进行相似度计算时，首先将预报洪水前期影响雨量放入历史进行前期影响雨量大小排序得到和，然后按上式进行计算，得到预报洪水与历史中每场洪水的相似度，然后排序得到相似度的最大值和最大值对应的那场洪水的前期影响雨量，由于每个模型均对此场洪水做过预报，将预报后的确定性系数再乘以相似度作为最终每个模型的前期影响雨量相似度。

4.15）降雨历时相似度。对于本场要求预报的洪水有一个降雨历时，历史中的每场洪水同样有一个降雨历时，那么可以在历史洪水中找出与本场洪水降雨历时相似度最大的那场洪水。场次洪水降雨历时相似度按下式计算：

                                      （5）

式（5）中为第场洪水的降雨历时相似度，为预报洪水的降雨历时，为第场洪水的降雨历时，、为历史降雨历时的最大值和最小值，进行相似度计算时，首先将预报洪水降雨历时放入历史进行降雨历时大小排序得到和，然后按上式进行计算，得到预报洪水与历史中每场洪水的相似度，然后排序得到相似度的最大值和最大值对应的那场洪水的降雨历时，由于每个模型均对此场洪水做过预报，将预报后的确定性系数再乘以相似度作为最终每个模型的降雨历时相似度。

（4.2）多模型洪水预报方案制作方法

根据多模型预报结果可以进行预报方案的制作。预报方案涉及洪峰流量、峰现时间和径流量三个指标，预报方案制作中并不采用推荐的预报流量，而选取每个模型预报洪水的特征值，再以这些特征值的区间作为预报方案，从而形成带有范围的预报方案，更有利于实际决策。

（5）结果发布

结果发布主要是将方案集成提供的预报方案进行发布，可以通过联网上传，通过显示设备显示，或者打印等方式输出。

如图2所示，是本发明方法应用在东洋河流域，进行多模型综合集成预报的实施例。

一方面，通过多模型洪水预报评价指标体系进行各个方案的对比和优选：首先从组件库中通过Web服务的方式定制所需的洪水预报模型组件，然后将其搭建成所要的几个洪水预报模型，然后连接东洋河流域数据就可以进行预报。图2中，每一个方框代表一个组件，方框中的名称为其所代表的组件的名称，连接线代表数据流，方向代表数据的流向，这只是列出其中一种实施例的选模方式，并不是每个模型都要用全部的组件。选取新安江模型、萨克拉门托模型、水箱模型和陕北模型，采集公同的流域水文数据，完成数据集成的步骤。然后，四个模型按照各自的特点搭建具体洪水预报模型：

其中新安江模型，通过参数率定，得到蒸发产流参数、水源划分参数、坡地汇流参数、河道汇流参数，依次进一步得到蒸发产流、水源划分、坡地汇流、河道汇流四个组件，连同设置在水源划分与坡地汇流之间的单位线，得到了预报洪峰流量和预报洪水过程的结果；

萨克拉门托模型，通过流域水文数据、模型参数和单位线得到单元流域产汇流，结合河道汇流参数得到河道汇流组件，得出预报洪峰流量和预报洪水过程的结果；

水箱模型，依次通过模型参数率定、水箱模型预报，得到预报洪水过程的结果；

陕北模型，依次通过超渗产流参数、坡地汇流参数、河道汇流参数分别得到超渗产流、坡地汇流、河道汇流组件，再通过超渗产流和坡地汇流之间的单位线，分别得出预报洪峰流量和预报洪水过程的结果；

可见，上述四个模型分别通过相应的组件搭建后，对东洋河流域进行预报，得到了四组各自的预报结果，对于这四组结果并不知道那组最好，然后再通过多模型洪水预报评价指标体系的评估计算，如表1所示，新安江模型的可信度为0.798，萨克拉门托为0.773，陕北模型为0.77，水箱模型为0.752。综合表1中的结果，推荐新安江模型预报流量过程为优选的流域预报流量过程。

表1、四种洪水预报模型的可信度评定表

另一方面，通过多模型洪水预报方案制作方法进行预报方案的制作：从表2中可以看出，东洋河流域1982年这场洪水共有2个洪峰，1号洪水洪峰流量的最小值为1797，最大值为2364，则1号洪水洪峰流量预报方案为[1797,2364]这个区间，峰现时间和洪量可以以此类推得到。

表2各个模型得到的洪水预报特征值

   综上所述，本发明的多模型综合集成洪水预报系统，灵活实现了不同流域洪水预报系统的快速搭建，为同一流域洪水预报提供多方案预报，从而更有利于领导层做出更加科学的决策。