申请/专利权人：武汉大学

申请日：2023-12-15

公开（公告）日：2024-02-23

公开（公告）号：CN117408171B

主分类号：G06F30/27

分类号：G06F30/27;G06Q10/04;G06Q50/26;G06N3/045;G06N3/0442;G06N3/0499;G06F111/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.23#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明提供一种Copula多模型条件处理器的水文集合预报方法，属于水文预报技术领域，包括：依据实测水文资料，训练和验证多种水文模型，预测预报洪水过程，构建基于Vine‑Copula函数多模型条件处理器；确定实测和集合预报流量的边缘分布函数，采用Vine‑Copula函数构建实测流量和集合预报流量的联合分布函数；推导在多个模型预报流量条件下实测流量的条件概率分布函数，进而推求中位数预报流量，并获得一定置信水平下预报不确定性的区间范围。本发明通过综合多个预报模型的结果，减少模型结构带来的不确定性，还可以避免流量服从正态分布的假设，降低正态分位数转换带来的不确定性，为水文集合预报提供了新方法。

主权项：1.一种Copula多模型条件处理器的水文集合预报方法，其特征在于，包括：采集目标流域的实测气象水文数据；确定多种水文模型，基于所述实测气象水文数据和所述多种水文模型，获得多模型水文集合预报流量数据；构建所述实测气象水文数据和所述多模型水文集合预报流量数据的边缘分布函数，确定边缘分布函数参数；采用Vine-Copula函数构建所述实测气象水文数据与所述多模型水文集合预报流量数据的联合分布函数以及所述多模型水文集合预报流量数据的联合分布函数，并估计所述Vine-Copula函数的参数获得优选Vine-Copula函数；利用所述边缘分布函数和所述优选Vine-Copula函数推导得到多模型预报流量条件下实测流量的条件概率分布函数；根据所述条件概率分布函数得到预设分位数流量值，以所述预设分位数流量值为确定性集合预报结果，获得预设置信水平对应的预报不确定性区间范围；确定多种水文模型，基于所述实测气象水文数据和所述多种水文模型，获得多模型水文集合预报流量数据，包括：分别采用新安江XAJ水文模型、前期降水指数API水文模型、长短期记忆神经网络LSTM水文模型和极限学习机ELM水文模型进行多模型的洪水预报，输出所述多模型水文集合预报流量数据；基于自适应矩估计Adam算法，利用训练期数据训练多模型参数，采用验证期数据验证多模型有效性，优化目标函数均方误差最小准测包括： 其中，t为样本数，表示实测气象水文数据，表示多模型水文集合预报流量数据。

全文数据：

权利要求：

百度查询： 武汉大学 一种Copula多模型条件处理器的水文集合预报方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD