Page 133 - 水文预报与水资源优化管理技术
P. 133
水文预报与水资源优化管理技术
洪水过程随机性较大，可以针对不同洪水选取合适的遗忘因子； 卡尔曼滤波算法
可以有效滤掉实测及预报噪声，关键在于模型噪声和量测噪声方差矩阵的确定；
基于贝叶斯理论的自适应实时校正模型其能够充分利用先验信息以及实测信息得
到预报的后验分布，关键在于误差分布的估计以及模型参数的确定。这些方法都
能根据实测信息及时更新预报数据，来提高预报精度。
二、河流系统实时洪水预报误差多点联合校正方法研究
由于水文物理过程的复杂性和人类认识水平的局限性，实时洪水预报中不可
避免地存在由于数据输入、模型结构和模型参数等不确定性带来的误差。实时校
正是减轻不确定性影响，改善实时洪水预报精度的重要措施。
从 20 世纪 60 年代开始，国内外学者对洪水预报实时校正方法进行了广泛的
研究。Koren V.I. 等将广义差分 ARMA 模型引入预报模型，在多瑙河布达佩斯至
巴加河段采取自我校正预报器算法进行水位预报；Wood E.F. 在大流域上使用卡
尔曼滤波器技术，建议采用分区子系统的处理方式，采用增补噪声过程的技术补
偿预报误差，来处理各个子系统之间互相影响的问题；葛守西指出了托尼迪建议
的 MISP 算法存在的问题，建议了一种用衰减记忆在线识别、衰减卡尔曼滤波和
匹配法自适应滤波联合运用的算法；李致家等讨论了基于马斯京根流量演算河道
洪水实时预报的半自适应滤波模型；田雨、雷晓辉等对典型的水文模型流量预报
实时校正算法、误差自回归校正算法、衰减记忆最小二乘算法和卡尔曼滤波算法
四种洪水预报实时校正方法进行了对比分析，讨论了各种方法的利弊。
国内外专家学者对洪水预报实时校正的研究成果丰富，但较少考虑河流水系
整体对校正结果的影响。本节针对以往实时校正方法对预报误差空间关联性考虑
不足的问题，基于动态自适应的自回归方法，构建多点关联的系统校正模型，并
以淮河王家坝断面为背景验证模型的有效性。
126
