我院2021级博士生莫然在Journal of Hydrology发表论文

发布者:管理员发布时间:2021-09-01浏览次数:24

中长期径流预测是水资源规划与管理、水利工程调度计划编制的基本依据。相对于短期径流预测而言,由于中长期天气系统以及降水过程无法有效预测,导致中长期径流预测精度偏低,常呈现高度不确定性。传统时间序列预测模型常假定中长期径流预测误差服从平稳性条件,未能充分挖掘误差的特征规律以及考虑误差实时校正的作用,导致不确定性偏高。

针对以往研究不足,20217月,我院青年教授徐斌指导博士生莫然在水文学知名期刊Journal of Hydrology上发表题为Dynamic long-term streamflow probabilistic forecasting model for a multisite system considering real-time forecast updating through spatio-temporal dependent error correction的论文。论文构建了一种考虑预测误差时空关联特性及实时校正作用的多站点中长期径流滚动概率预测方法,采用Copula函数对预测改进误差序列的高阶时程-空间关联性进行精细描述(如图1),拓展考虑实时校正作用下的单站点误差演化鞅模型(MMFE)至多站点系统,将该模型用于预测洪泽湖-骆马湖两湖系统入流过程(如图2)。根据研究结果:与未考虑关联校正的基准预测模型相比,该模型可降低标准差(SD)、连续排位概率得分(CRPS)和Brier评分(BS)近40%11.4%和分别为34.6%;与仅考虑时程校正的预测模型相比,CRPS平均降低2.1%(最高值3.7%),BS平均降低1.2%(最高2.0%)。成果可提高多站点系统中长期径流概率预测的准确性和可靠性,对提升水资源综合开发利用效率、降低不确定性及其风险具有重要意义,在水资源集约节约利用与最严格水资源管理背景下具有一定推广应用潜力。

论文链接:Mo R, Xu B, Zhong P, Zhu F, Huang X, Liu W, Xu S, Wang G, Zhang J. (2021). Dynamic long-term streamflow probabilistic forecasting model for a multisite system considering real-time forecast updating through spatio-temporal dependent error correction. J HYDROL, 601, 126666. doi: 10.1016/j.jhydrol.2021.126666. https://www.sciencedirect.com/science/article/pii/S0022169421007149

1  多站点预测误差关联实时校正下的径流预测不确定性时-空关联演化示意图

2  不同预测模型在洪泽湖-骆马湖两湖系统的径流滚动概率预测过程

(蓝色为本模型预测结果)

供稿:莫然,编辑:何肖微,审核:徐斌