(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111388527.2 (22)申请日 2021.11.22 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 蒋志强　王随玲　刘懿　袁晓辉　 陈璐　覃晖　 (74)专利代理 机构 华中科技大 学专利中心 42201 代理人 夏倩 (51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于多情景划分的水库入库径流预报 校正方法和系统 (57)摘要 本发明公开了一种基于多情景划分的水库 入库径流预报校正方法和系统， 属于水文水资源 和水文预报领域。 本发明针对水库入库流量预报 问题， 提供了一种基于多情景划分的水库入库径 流预报校正方法， 不仅可以考虑前期时段的预报 误差信息及其对应预报情景信息， 增加校正模型 的有效信息输入， 提高径流预报模型精度， 还可 以突破传统基于单维度、 单属性时间序列径流预 报校正方法的局限性。 本发明方法的构建不受限 于具体的流域和对象， 可以根据实际情形(数据、 外界环境等)选择不同的情景、 不同的误差分布 函数类型、 不同的预报 模型， 适应性强， 应用门槛 低， 可广泛推广应用。 权利要求书1页 说明书6页 附图9页 CN 114169590 A 2022.03.11 CN 114169590 A 1.一种基于多情景划分的水库入库径流预报校正方法， 其特 征在于， 包括： S1.获取径流历史预报误差， 并将预报误差数据按照预报发生时的情景进行归类； S2.统计各个情景 下的预报误差分布规 律， 并推求设定 置信度水平下的置信区间； S3.利用历史预报误差， 构建基于神经网络的预报误差预测模型； S4.利用预报误差预测模型对每种预报 情景下的预报误差进行 预测； S5.根据各情景 下的误差分布规 律以及置信区间对预测的预报误差进行修 正； S6.利用修正后的预报误差， 对已构建的径流预报模型预报值进行校正， 得到最终的预 报值。 2.根据权利要求1所述的一种基于多情景划分的水库入库径流预报校正方法， 其特征 在于， 根据径流历史预报数据与实测数据， 得到历史预报误差 。 3.根据权利要求2所述的一种基于多情景划分的水库入库径流预报校正方法， 其特征 在于， 历史预报误差计算公式如下： 式中Qactual、 Qforcast分别为实际流 量与预报流 量。 4.根据权利要求1 ‑3任一项所述的一种基于多情景划分的水库入库径流预报校正方 法， 其特征在于， 预报发生时的情景包括： 降雨 量、 预见期、 流量级别、 预报人员、 预报时间。 5.根据权利要求1 ‑4任一项所述的一种基于多情景划分的水库入库径流预报校正方 法， 其特征在于， 步骤S3具体包括： 将每种情景 下的历史预报误差利用VMD方法进行分解； 将分解后的序列分别输入LSTM网络， 进行迭代训练， 得到训练好的预报误差预测模型； 利用训练好的预报误差预测模型对经过VMD分解后的每个序列分量分别预测， 将所得 结果叠加得到预报误差的预测结果。 6.根据权利要求1 ‑4任一项所述的一种基于多情景划分的水库入库径流预报校正方 法， 其特征在于， 步骤S5具体为， 将各情景下预测的预报误差与置信区间进行对比， 若落在 置信区间内， 则不需要修 正， 若落在置信区间外， 则将其 修正到临近的区间边界上。 7.根据权利要求1 ‑4任一项所述的一种基于多情景划分的水库入库径流预报校正方 法， 其特征在于， 步骤S6具体为， 采用如下公式对径流预报预报值进行 校正： 式中 Qforcast分别为校正后的预报流量和校正前的预报流量， e ′表示修正后的 预报误差 。 8.一种基于多情景划分的水库入库径流预报校正系统， 其特征在于， 包括： 计算机可读 存储介质和处 理器； 所述计算机可读存 储介质用于存 储可执行指令； 所述处理器用于读取所述计算机可读存储介质中存储的可执行指令， 执行权利要求1 至7任一项所述的基于多情景划分的水库入库径流预报校正方法。权　利　要　求　书 1/1 页 2 CN 114169590 A 2一种基于多情 景划分的水库入库径流预报 校正方法和系统 技术领域 [0001]本发明属于水文水资源和水文预报领域， 更具体地， 涉及一种基于多情景划 分的 水库入库径流预报校正方法和系统。 背景技术 [0002]入库径流预测对水资源高效利用、 防洪抗灾、 发电优化等工作的影响巨大。 在实际 水库调度运行中， 只有准确预知了未来时段的来流大小， 并进 行合理的调度操作， 才能得到 最大的效益。 所以对于水文 预报， 其中最受人们关注的指标就是模型预报精度。 预报精度受 诸多不确定性因素的影响， 例如 模型输入不确定性， 模型本身 结构不确定性， 以及人为不确 定性等。 一个预报模型的精度高低可以在 模型运行一段时间后通过实际预报数据和实测数 据进行相关分析得到。 虽然诸多学者对此已经做了很多研究， 但是对于预报发生时不同外 界因素对预报结果的影响问题， 相关研究很少。 [0003]此外， 作为提升径流预报模型精度的有效方式之一， 目前在水文预报结果校正研 究方面， 也同样很少考虑预报发生时的不同外界环境， 即没有考虑预报情景 的差异性及其 所带来的预报难度差异 性。 例如传统的径流预报校正模型以不同模型或过去时段的预报误 差进行预报结果校正， 其基本思路是将已出现的误差系列作为一个时间序列进行分析， 寻 求已经出现的预报误差规律， 外推未来时段的预报误差， 以校正尚未出现的预报值。 在实际 水文预报中， 预报误差来源广泛， 且这些误差一般不可避免且不易控制， 而传统方法中当前 预报误差多与前期时段的预报误差(绝对值或相对值)有关， 没有考虑不同时段预报情景的 不同， 也没有考虑不同预报情景下的预报误差差异 性问题。 事实上， 不同的预报情景及其对 应的预报误差 分布情况， 是预估 未来时段预报误差大小的一个重要信息源， 因此， 在已知前 期预报误差的情况下， 将对应的预报情景及其分布规律信息耦合到径流预报校正模型中对 于提升当前时段或未来时段的预报误差推算准确度具有重要意义， 可有效提高径流预报模 型的预报精度。 发明内容 [0004]针对现有技术的以上缺陷或改进需求， 本发明提供了一种基于多情 景划分的水库 入库径流预报校正方法和系统， 其目的在于将对应的预报情景及其分布规律信息耦合到径 流预报校正模型中， 以提升当前时段或未来时段的预报误差推算准确度， 进而实现径流预 报精度的提升 。 [0005]为实现上述目的， 本发明提供了一种基于多情景划分的水库 入库径流预报 校正方 法， 包括： [0006]S1.获取径流历史预报误差， 并将预报误差数据按照预报发生时的情景进行归类； [0007]S2.统计各个情景 下的预报误差分布规 律， 并推求设定 置信度水平下的置信区间； [0008]S3.利用历史预报误差， 构建基于神经网络的预报误差预测模型； [0009]S4.利用预报误差预测模型对每种预报 情景下的预报误差进行 预测；说　明　书 1/6 页 3 CN 114169590 A 3