Page 111 - 水文预报与水资源优化管理技术

水文预报与水资源优化管理技术

前的机器学习方法主要基于数据黑箱模型构建，缺乏对具体物理机制的解释，其
应用存在精度模拟不够以及难以让人信服的问题；③ 参数选择的问题，由于现

阶段对机器学习的原理认识还不足，其参数选择只能依靠人员经验和反复试验得
到，耗费大量的精力且存在局部最优解的问题。因此，针对具体预报任务，如何

建立机器学习，应用人工智能方法，实现适应变化环境下的智慧水文预报，仍是
当前极具挑战性的技术难题之一。

（4）基于耦合气候模型的长期径流预测
目前，国内外气候数值模式可以做到输出月尺度的逐日定量降水和气温预

报，但由于预见期长、影响因素复杂、不确定性大等原因，导致其预报精度差，
在业务应用中通常采用平均、累计等方法对其产品进行再处理。尽管目前气候模

式对定量降水预报的精度较低，但随着气候模式集合预报技术的发展，一定程度
上减小了长期定量降水预报的误差，并反映出预报不确定信息。因此利用气候模

式输出的长期定量降水预测结果驱动水文模型，从而获取中长期水文气象耦合
预测结果，成为当前国内外研究的热点之一。如，欧洲委员会和欧洲中期天气

预报中心于 2018 年发布了全球范围的中长期水文气象预报系统 GloFAS Seasonal
（https：∥ www.globalfloods.eu），将 ECMWF 的季节性降水预报产品与水文模型

结合，提供全球任意集水面积大于 1 500 km2 的河网且预见期长达 16 周的集合径
流预报产品。国内相关研究起步较晚，尚处于探索阶段，刘甜等利用 CFS 模式输

出的未来 9 个月降水预报产品与 SWAT 水文模型进行耦合，建立了汉江流域长期

水文水资源预测系统。陈柯兵等检验了 GloFAS 季节径流预报产品对长江上游长
期径流的预测效果，发现提前 1 个月的枯水期预测效果较好。

模式耦合方法的优点在于计算效率高、物理机制清晰、可输出任意断面预测
结果，但限于当前学科研究水平，该方法仍处在模拟试验阶段，投入业务应用较

少。可以预见，随着气候模式的不断发展，今后气候模式和分布式水文模型的耦
合应用将是实现中长期水文径流预测业务的重要发展方向。

104