水文预报方法及设备
阅读：201发布：2020-05-08
专利汇可以提供水文预报方法及设备专利检索，专利查询，专利分析的服务。并且本 发明 实施例 提供一种 水 文预报方法及设备，该方法包括将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据；将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。本发明实施例可以延长有效预见期，使人们可以更准确掌握在 全球变暖 趋势下十到百年以上的全球 气候 变化 。，下面是水文预报方法及设备专利的具体信息内容。
1.一种水文预报方法，其特征在于，包括：
将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据；
将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。
2.根据权利要求1所述的方法，其特征在于，所述通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据之前，还包括：
评估CLIGEN模型对降水量参数的模拟效果；所述降水量参数包括以下中至少一种：降水发生概率、日月年降水量、年日最大降水量；
判断所述模拟效果是否满足预设条件，若满足，则将历史月尺度气象数据输入CLIGEN，通过评估后的CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据。
3.根据权利要求2所述的方法，其特征在于，所述评估CLIGEN模型对降水量参数的模拟效果，包括：
通过标准差和绝对误差值算法，评估CLIGEN模型对降水量参数的模拟效果。
4.根据权利要求1所述的方法，其特征在于，所述通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据，包括：
通过CLIGEN模型，对所述历史月尺度气象数据进行尺度转换，得到历史日尺度气象数据，并根据所述历史日尺度气象数据进行未来预测，得到未来日尺度气象数据。
5.根据权利要求1所述的方法，其特征在于，所述通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果之前，还包括：
构建SWAT模型，并对所述SWAT模型进行验证和率定；
所述将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，包括：
将所述未来日尺度气象数据输入验证和率定后的SWAT模型，并通过所述验证和率定后的SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述历史月尺度气象数据包括以下中至少一种：降水日降水量的均值、标准差和偏度系数，降水转移概率，日最高、最低温度均值及标准差，日均露点温度，降水日的日均最大30分钟降水强度，日太阳辐射均值及标准差，最大降水强度出现的时间与总历时的比值的累积分布，16个方向上的风速的均值、标准差、偏度系数、各风向的风的出现概率。
7.根据权利要求1-5任一项所述的方法，其特征在于，所述未来日尺度气象数据包括以下中至少一种：降水量、降雨历时、相对峰值雨强、达到峰值雨强的历时与降雨历时的比值、最高温度、最低温度、太阳辐射、风向、风速、露点温度。
8.一种水文预报设备，其特征在于，包括：
确定模块，用于将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据；
预估模块，用于将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。
9.一种水文预报设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的水文预报方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的水文预报方法。
水文预报方法及设备
技术领域
背景技术
[0002] 水文预报(hydrologic forecasting)是指根据前期或现时的水文气象资料，对某一水体、某一地区或某一水文站在未来一定时间内的水文情况作出定性或定量的预测。在由工程和非工程措施构成的流域防洪减灾体系中，水文预报占据十分重要的地位。在水文预报中，有效预见期越长，预报精度越高，其对于防洪减灾行动的价值就越大。
[0003] 现有技术中，水文预报通常以落地降水作为起始点，使得有效预见期受到流域平均汇流时间的限制。流域平均汇流时间是指不同水源由于汇集到流域出口断面所经历的时间不同，因此，在出口断面洪水过程线的退水段上，表现出不同的终止时刻。或者同一种水源，位于流域上不同地点的水质点，由于路径及流速不同，具有不同的汇流时间。因此取其流域平均汇流时间来研究流域汇流的术语。
发明内容
[0005] 本发明实施例提供一种水文预报方法及设备，以延长水文预报的有效预见期。
[0006] 第一方面，本发明实施例提供一种水文预报方法，包括：
[0007] 将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据；
[0008] 将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。
[0009] 在一种可能的设计中，所述通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据之前，还包括：
[0010] 评估CLIGEN模型对降水量参数的模拟效果；所述降水量参数包括以下中至少一种：降水发生概率、日月年降水量、年日最大降水量；
[0011] 判断所述模拟效果是否满足预设条件，若满足，则将历史月尺度气象数据输入CLIGEN，通过评估后的CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据。
[0012] 在一种可能的设计中，所述评估CLIGEN模型对降水量参数的模拟效果，包括：
[0014] 在一种可能的设计中，所述通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据，包括：
[0015] 通过CLIGEN模型，对所述历史月尺度气象数据进行尺度转换，得到历史日尺度气象数据，并根据所述历史日尺度气象数据进行未来预测，得到未来日尺度气象数据。
[0016] 在一种可能的设计中，所述通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果之前，还包括：
[0017] 构建SWAT模型，并对所述SWAT模型进行验证和率定。
[0018] 所述将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，包括：
[0019] 将所述未来日尺度气象数据输入验证和率定后的SWAT模型，并通过所述验证和率定后的SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果。
[0020] 在一种可能的设计中，所述历史月尺度气象数据包括以下中至少一种：降水日降水量的均值、标准差和偏度系数，降水转移概率，日最高、最低温度均值及标准差，日均露点温度，降水日的日均最大30分钟降水强度，日太阳辐射均值及标准差，最大降水强度出现的时间与总历时的比值的累积分布，16个方向上的风速的均值、标准差、偏度系数、各风向的风的出现概率。
[0021] 在一种可能的设计中，所述未来日尺度气象数据包括以下中至少一种：降水量、降雨历时、相对峰值雨强、达到峰值雨强的历时与降雨历时的比值、最高温度、最低温度、太阳辐射、风向、风速、露点温度。
[0022] 第二方面，本发明实施例提供一种水文预报设备，包括：
[0023] 确定模块，用于将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据；
[0024] 预估模块，用于将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。
[0025] 第三方面，本发明实施例提供一种水文预报设备，包括：至少一个处理器和存储器；
[0026] 所述存储器存储计算机执行指令；
[0027] 所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的方法。
[0028] 第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的方法。
[0029] 本实施例提供的水文预报方法及设备，该方法通过将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据，将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布，能够延长水文预报的有效预见期，使人们可以更准确掌握在全球变暖趋势下十到百年以上的全球气候变化。附图说明
[0030] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0031] 图1为本发明实施例一实施例提供的水文预报系统的结构示意图；
[0032] 图2为本发明实施例又一实施例提供的水文预报方法的流程示意图；
[0033] 图3为本发明实施例又一实施例提供的水文预报方法的流程示意图；
[0034] 图4为本发明实施例又一实施例提供的水文预报设备的结构示意图；
[0035] 图5为本发明实施例又一实施例提供的水文预报设备的结构示意图；
具体实施方式
[0037] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明实施例一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。
[0038] 图1为本发明实施例一实施例提供的水文预报系统的结构示意图。如图1所示，该水文预报系统包括气象采集设备101、水文局和水利局服务器102，以及水文预报终端设备103。气象采集设备101，与所述水文局和水利局服务器102连接，用于采集气象数据并将采集的气象数据发送给，该气象数据可以包括日平均气温和日平均降水量。所述水文局和水利局服务器102，用于接收所述气象数据，并对该气象数据进行统计分析，得到基础的气象数据并存储，作为水文预报的数据基础。所述水文预报终端设备103，从所述水文局和水利局服务器102获取目标区域的基础气象数据，并将该基础气象数据输入水文预报模型，得到预设预见期内的水文预报数据并发布。预见期长度与获取的气象数据的时间有关。可选地，所述气象采集设备101可以为多个，设置在被测区域，例如在被测河流两岸进行设置。所述水文预报模型可以采用HBV模型、PULSE模型或SWAT模型。通过该水文预报系统可以进行短期洪水预报、流域预报、水质预报等。水文预报终端设备103可以为计算机或者服务器。
[0039] 在具体实现过程中，通过气象采集设备101采集气象数据，通过水文局和水利局服务器102对采集的气象数据进行统计分析并存储，以为后续水文预报提供数据基础。通过水文预报终端设备103构建水文预报模型，可以先对该模型进行验证和率定。从水文局和水利局服务器102获取气象数据，即现时发生或前期发生的水文气象信息，通过水文预报终端的水文预报模型算出即将发生的水文预报要素大小和出现时间，并及时将信息发布出去，供有关部门应用。
[0040] 由此可见，在此过程中，水文预报以落地降水作为起始点，水文预报的有效预见期受到实际采集的气象数据的时间的限制，仅能进行短期的预报。然而，全球变暖趋势下，人们更关注的是十到百年以上的全球气候变化所带来的影响，因为关系到人类社会所面临的问题和如何发展的问题。基于此，本发明实施例提供一种水文预报方法，以延长水文预报的有效预见期。
[0041] 下面以具体地实施例对本发明实施例的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0042] 图2为本发明实施例又一实施例提供的水文预报方法的流程示意图。如图2所示，该方法包括：
[0043] 201、将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据。
[0044] 实际应用中，本实施例的执行主体可以为图1所示的水文预报终端设备103。水文预报终端设备103可以为计算机或者服务器。
[0045] 本实施例中，所述历史月尺度气象数据是某一被研究区域的历史阅读气象数据。该被研究区域可以是一条河流的流域。
[0046] 本实施例中，数值天气发生器模型CLIGEN是美国农业部为WEPP而开发的一种天气发生器。CLIGEN是根据实测数据的统计特征生成日天气数据，
[0047] 可选地，所述通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据，可以包括：
[0048] 通过CLIGEN模型，对所述历史月尺度气象数据进行尺度转换，得到历史日尺度气象数据，并根据所述历史日尺度气象数据进行未来预测，得到未来日尺度气象数据。
[0049] 可选地，所述历史月尺度气象数据包括以下中至少一种：降水日降水量的均值、标准差和偏度系数，降水转移概率，日最高、最低温度均值及标准差，日均露点温度，降水日的日均最大30分钟降水强度，日太阳辐射均值及标准差，最大降水强度出现的时间与总历时的比值的累积分布，16个方向上的风速的均值、标准差、偏度系数、各风向的风的出现概率。
[0050] 可选地，所述未来日尺度气象数据包括以下中至少一种：降水量、降雨历时、相对峰值雨强、达到峰值雨强的历时与降雨历时的比值、最高温度、最低温度、太阳辐射、风向、风速、露点温度。
[0051] 具体的，首先可以根据实测的逐日天气数据计算降雨、气温的统计参数从而建立CLIGEN的参数输入文件(.par)。.par文件中包含如下参数(每个参数均包含12个月的数据，是按实测的月数据计算的均值)：降水日降水量的均值、标准差和偏度系数，降水转移概率，日最高、最低温度均值及标准差，日均露点温度，降水日的日均最大30min降水强度，日太阳辐射均值及标准差，最大降水强度出现的时间与总历时的比值的累积分布，16个方向上的风速的均值、标准差、偏度系数、各风向的风的出现概率等。用建立的参数输入文件运行CLIGEN模型，便可以产生日天气数据文件(.cli文件)，文件中包含十个天气参数的日值数据：降水量、降雨历时、相对峰值雨强、达到峰值雨强的历时与降雨历时的比值、最高温度、最低温度、太阳辐射、风向、风速和露点温度。
[0052] 以下对CLIGEN模型的工作原理进行示例说明：
[0053] CLIGEN模型的计算方法是在SWRRB和EPIC模型的基础上进行改编而来，该模型主要是采用二阶Markov链来计算降雨，通过计算研究区域内降水天-不降水天、不降水天-降水天的概率来模拟。将各月的降水天-不降水天、不降水天-降水天的概率计算出来进一步计算季节间的转换。模型在计算出各月的平均标准差和非对称系数基础上，利用非对称正态分布对流域内的日降雨进行模拟，利用如下公式计算出正态标准变量χ，进而得到日降水量值。
[0054]
[0055] 其中，χ是正态标准变量；X是原始变量；μ、g、s分别是原始变量的均值、非对称系数和标准差。
[0056] GLIGEN计算气温的前提是该日内有无降雨，若连续性降雨，则温度较低，反之，则温度较高，在CLIGEN模型中温度计算公式如下式所示：
[0057] Tmax＝Tmx+STmx×ν (2)
[0058] Tmin＝Tmn+STmn×ν (3)
[0059] 式中，Tmax和Tmin分别代表最高温和最低温；Tmx和Tmn分别代表具体某月内的日最高温和最低温；STmx和STmn代表具体某月内日最高温和日最低温的标准差；ν是标准正态偏差。
[0060] CLIGEN模型需要的气象资料为日尺度，为准确模拟天气现象的统计特征，需要至少30年以上的日气象实测数据为基础。用实测的数据进行统计参数的建立，并将“*.par”文件输入到CLIGEN发生器内，然后将其作为CLIGEN的输入文件，结合未来气候预估数据集下的不同情景的气候预测数据，利用CLIGEN产生未来的日气候数据“*.cli”，包含日降水量、最高温和最低温。
[0061] 202、将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。
[0062] 本实施例中，分布式水文模型(Soil and Water Assessment Tool，SWAT)是美国农业部Jeff博士基于SWRRB模型开发而来，可以对较长时间序列的数据进行分析，并内在较细的物理过程机制，但是无法模拟流域内的单次降雨事件。该模型通过构建反应流域真实地表情况的数据库，来模拟流域内土地覆被变化下流域内的水资源、侵蚀、和营养元素迁移等过程的响应。SWAT模型是由SWRRB模型基础上，合成了ARS模型的一些特征，衍生而来，如CREAMS2(Chemicals,Runoff,and Erosion from Agricultural Management Systems)，GLEAMS3(Groundwater Loading Effects on Agricultural Management Systems)和EPIC(Erosion-Productivity Impact Calculator)。由于SWAT模型在时间和空间尺度上模拟范围比较广泛，目前已有很多研究区域利用SWAT进行模拟，最小面积为0.395平方公里，最大为491700平方公里。不仅应用范围广，模拟精度也较高，在垂直方向上，对土壤进行分层，并利用物理和水力方程求解流域内的产流汇流，减小了空间差异影响，能够更精确的模拟流域的产汇流。在水平方向上，由于下垫面具有空间差异，将流域划分成n个子流域。
[0063] 以下对本实施例提供的SWAT模型的工作原理进行示例说明：SWAT模型内部主要由八个主要模块组成，包括水文、气候、土壤侵蚀、养分/农药、土地利用、管理措施、主河道过程和水体等八大模块，主要用来模拟各种农业管理措施的实施(耕地、施肥、灌溉、收割)等对流域内地表径流、泥沙、非点源污染、土壤水含量、蒸散发等造成的影响。本实施例中主要使用水文和气候模块。当SWAT模拟某一区域的水循环时，会先将研究区划分成n个子流域。子流域的划分主要是考虑土地利用变化造成的水文影响对不同土地利用或不同土壤所造成的影响程度不同。每个子单元内包括的信息主要有降雨、气温、HRU、池塘、河道等。每个HRU都只有一个土地利用信息。
[0064] 无论利用SWAT进行哪方面的研究，其中水平衡模拟是最基础也是最重要的，所有的模拟都是以它为主。流域内的整体模拟分为两部分，包含水循环的陆地部分和水循环的水面部分，其中陆地部分主要是模拟坡面产汇流，而水面部分主要是模拟河道的汇流过程。其中陆地模拟主要包括每个响应单元中的水、泥沙、营养元素、污染物等向主河道运移的过程；水面循环部分主要是流域内产生的各种物质通过河流网汇集到流域出口的过程。
[0065] SWAT模型中水平衡计算公式如下：
[0066]
[0067] 式中，SWt是最终土壤含水量，SWo是初始土壤含水量，t是时间，Rday是指第i天的降雨量，Qsurf是第i天的径流量，Ea为第i天的蒸散量；wseep为第i天的渗透量；Qgw为第i天的地下径流量。
[0068] 陆地部分的水文模拟主要包含水文模拟和气候模拟：
[0069] 具体的，水文模拟过程为：
[0070] 流域内发生降雨事件时，一部分被灌层节流，一部分直接降落到地表。降雨一部分通过入渗进入到土壤剖面层，一部分则来不及入渗则产生径流汇入河道。渗透到土层中的水一部分滞留在土壤中，一部分蒸发进入大气层，最终通过地下水通道进入水循环系统。SWAT模型在计算径流时提供了两种方法，一种是SCS径流曲线法，一种是Green-Ampt入渗法。SCS-CN曲线法是根据当天降雨量来计算土壤水分条件，结合曲线数值的确定来计算地表径流。Green-Ampt方法是以次降水数据为基础，根据土壤导水率和基质吸力等物理参数估算入渗量，其余部分便是径流量。模型在计算蒸发时考虑到的有水面蒸发、裸地蒸发和植被蒸腾等。计算潜在蒸发可选择的公式主要有Hargreaves、Priestley-Taylor和Penman-Monteith。本申请中选择SCS-CN径流曲线法，公式如下：
[0071]
[0072]
[0073] 其中，Qsurf是径流量；Rday是当天的降雨深；Ia是径流产生前的土壤含水量情况；S是径流产生后的土壤含水量；CN是当天的径流曲线值。
[0074] 气候模拟过程为：
[0075] 气候是流域内的水分和能量的输入，它控制流域内水量的平衡并决定水文循环中的各个组成部分的比例。SWAT模型需要输入的气象数据包含日降雨量、最大最小温度、太阳辐射、风速和相对湿度。当一系列的气象数据中间有缺测或遗漏的数据时，该模型可根据历史数据特征值，来对缺测数据进行模拟。模型是通过斜马尔科夫链或者指数马尔科夫链模型来模拟降雨，而日降雨量是通过偏正态分布或者混合指数分布进行模拟。
[0076] SWAT模型水循环的水面部分包括流域内产生的径流、泥沙、营养物质及污染物质通过径流携带作用从流域内主河网逐渐被运移至流域出口的过程。径流通过蒸发、运移过程中会损失掉一部分。水文单元内产生的径流先由河网汇至子流域，在通过河道汇至流域出口，整个过程中通过蒸发、运移，径流会损失掉一部分，整个输移过程主要计算方法采用Variable-rate和Muskingum两种方法。
[0077] 本实施例提供的水文预报方法，通过将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据，将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布，能够延长水文预报的有效预见期，使人们可以更准确掌握在全球变暖趋势下十到百年以上的全球气候变化。
[0078] 图3为本发明实施例又一实施例提供的水文预报方法的流程示意图。如图3所示，在上述实施例的基础上，本实施例对水文预报的完整过程进行了说明，该方法包括：
[0079] 301、评估CLIGEN模型对降水量参数的模拟效果；所述降水量参数包括以下中至少一种：降水发生概率、日月年降水量、年日最大降水量；
[0080] 可选地，所述评估CLIGEN模型对降水量参数的模拟效果，包括：
[0081] 通过标准差和绝对误差值算法，评估CLIGEN模型对降水量参数的模拟效果。
[0082] 302、判断所述模拟效果是否满足预设条件，若满足，则将历史月尺度气象数据输入CLIGEN，通过评估后的CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据。
[0083] 本实施例中步骤302与上述实施例中步骤201相类似，此处不再赘述。
[0084] 303、构建SWAT模型，并对所述SWAT模型进行验证和率定。
[0085] 304、将所述未来日尺度气象数据输入验证和率定后的SWAT模型，并通过所述验证和率定后的SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。
[0086] 本实施例中步骤304与上述实施例中步骤202相类似，此处不再赘述。
[0087] 实际应用中，本实施例采用数值天气发生器模型CLIGEN和分布式水文模型SWAT对研究区时段进行降水模拟和水文预报，通过尺度转换,将月尺度的气象数据，转换为日尺度的气候数据，整理成SWAT模型所需的气象数据格式，输入到SWAT模型中，实现数值天气发生器模型CLIGEN和分布式水文模型SWAT的单向耦合。
[0088] 具体的，首先，从降水发生概率，日、月、年降水量，年日最大降水量等方面评估模型对降水的模拟效果；采用标准差和绝对误差值来评估模型对降水量的模拟效果。其次，将月尺度下的区域气候预估数据集带入CILGEN天气发生器模型，根据实测数据建立的统计参数，生成区域未来日尺度下的气候数据。最后，将CLIGEN天气发生器生成的日尺度数据整理成SWAT模型输入格式，并代入SWAT模型运行，模拟未来气候变化可能导致的水文变化趋势，针对特定区域进行中长期的水文预报，能够延长水文预报的有效预见期，使人们可以更准确掌握在全球变暖趋势下十到百年以上的全球气候变化。
[0089] 本实施例提供的水文预报方法中，SWAT模型运行所需的气象数据为日尺度，而未来气候预估数据大多数为月尺度，CLIGEN天气发生器计算降雨主要是通过马尔科夫链进行计算降雨天-非降雨天和降雨天-降雨天的概率。在进行模拟时，必须计算出日降标准偏差、偏态系数和月尺度数据的最大半小时降雨量。因此，本发明实施例利用CLIGEN天气发生器，将月尺度的气象数据降尺度为日尺度数据，然后将日尺度的气候数据作为输入因子，输入到SWAT模型中，利用率定和验证过的模型对研究区未来水文变化趋势进行预测，能够延长水文预报的有效预见期，使人们可以更准确掌握在全球变暖趋势下十到百年以上的全球气候变化。
[0090] 图4为本发明实施例又一实施例提供的水文预报设备的结构示意图。如图4所示，该水文预报设备40包括：确定模块401，以及预估模块402。
[0091] 确定模块401，用于将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据；
[0092] 预估模块402，用于将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。
[0093] 本发明实施例提供的水文预报设备，通过确定模块401将历史月尺度气象数据输入数值天气发生器模型CLIGEN，通过CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据；通过预估模块402将所述未来日尺度气象数据输入分布式水文模型SWAT，通过SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果，并根据所述径流模拟结果预估长期水文预报数据并发布。该设备能够延长水文预报的有效期。
[0094] 图5为本发明实施例又一实施例提供的水文预报设备的结构示意图。如图5所示，该水文预报设备40还包括：评估模块403、构建模块404。
[0095] 可选地，该设备40还包括：
[0096] 评估模块403，用于评估CLIGEN模型对降水量参数的模拟效果；所述降水量参数包括以下中至少一种：降水发生概率、日月年降水量、年日最大降水量；
[0097] 确定模块401，具体用于判断所述模拟效果是否满足预设条件，若满足，则将历史月尺度气象数据输入CLIGEN，通过评估后的CLIGEN模型，根据所述历史月尺度气象数据确定未来日尺度气象数据。
[0098] 可选地，评估模块403具体用于：
[0099] 通过标准差和绝对误差值算法，评估CLIGEN模型对降水量参数的模拟效果。
[0100] 可选地，确定模块401具体用于：
[0101] 通过CLIGEN模型，对所述历史月尺度气象数据进行尺度转换，得到历史日尺度气象数据，并根据所述历史日尺度气象数据进行未来预测，得到未来日尺度气象数据。
[0102] 可选地，该设备40还包括：
[0103] 构建模块404，用于构建SWAT模型，并对所述SWAT模型进行验证和率定。
[0104] 预估模块402具体用于：
[0105] 将所述未来日尺度气象数据输入验证和率定后的SWAT模型，并通过所述验证和率定后的SWAT模型，根据所述未来日尺度气象数据进行径流模拟，得到径流模拟结果。
[0106] 可选地，所述历史月尺度气象数据包括以下中至少一种：降水日降水量的均值、标准差和偏度系数，降水转移概率，日最高、最低温度均值及标准差，日均露点温度，降水日的日均最大30分钟降水强度，日太阳辐射均值及标准差，最大降水强度出现的时间与总历时的比值的累积分布，16个方向上的风速的均值、标准差、偏度系数、各风向的风的出现概率。
[0107] 可选地，所述未来日尺度气象数据包括以下中至少一种：降水量、降雨历时、相对峰值雨强、达到峰值雨强的历时与降雨历时的比值、最高温度、最低温度、太阳辐射、风向、风速、露点温度。
[0108] 本发明实施例提供的水文预报设备，可用于执行上述的方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
[0109] 图6为本发明实施例又一实施例提供的水文预报设备的硬件结构示意图。如图6所示，本实施例提供的水文预报设备60包括：至少一个处理器601和存储器602。该水文预报设备60还包括通信部件603。其中，处理器601、存储器602以及通信部件603通过总线604连接。
[0110] 在具体实现过程中，至少一个处理器601执行所述存储器602存储的计算机执行指令，使得至少一个处理器601执行如上水文预报设备60所执行的水文预报方法。
[0111] 当本实施例的水文预报方法由服务执行时，该通信部件603可以将未来日尺度气象数据发送给服务器。
[0112] 处理器601的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
[0113] 在上述的图6所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：
Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0114] 存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
[0115] 总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
[0116] 本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上水文预报设备执行的水文预报方法。
[0117] 本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上水文预报设备执行的水文预报方法。
[0118] 上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0119] 一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
[0120] 本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0121] 最后应说明的是：以上各实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种用于防治宠物腹泻的中兽药组合物及其制备方法 | 2020-05-08 | 775 |
| 一种新的基于网格化流域和分类率定的水文模型 | 2020-05-15 | 614 |
| 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 | 2020-05-08 | 512 |
| 一种适合规模化应用的波浪发电单元及其系统 | 2020-05-12 | 621 |
| 一种工业大麻的育苗方法 | 2020-05-12 | 947 |
| 用于大棚蔬菜温湿度控制的装置 | 2020-05-08 | 552 |
| 一种基于系统动力学的生产需水预测方法 | 2020-05-12 | 103 |
| 基于分类监管与当量协调的碳市场机制的优化方法及装置 | 2020-05-14 | 121 |
| 一种工民建伸缩缝防水结构 | 2020-05-14 | 165 |
| 一种分离式音板扬琴 | 2020-05-14 | 269 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
气候变化热门专利
-
10 简易冷暖两用沙发
QQ群二维码
意见反馈
意见反馈