强风期浅水湖泊水位逐时预报方法与流程

摘要: 本发明涉及水文预报与湖泊水动力学交叉,具体而言,涉及一种强风期浅水湖泊水位逐时预报方法。背景技术:1、大型浅水湖泊在流域防洪、水资源调配及水生态维护中发挥着核心...
强风期浅水湖泊水位逐时预报方法与流程

本发明涉及水文预报与湖泊水动力学交叉,具体而言,涉及一种强风期浅水湖泊水位逐时预报方法。

背景技术:

1、大型浅水湖泊在流域防洪、水资源调配及水生态维护中发挥着核心枢纽作用。在台风等极端气象条件下,强风应力及气压骤变会驱动湖泊水体产生剧烈的动力学响应,导致水面发生明显倾斜与壅高。准确预测强风期湖泊水位的时空演变过程,对于评估环湖堤防漫溢风险、优化水利工程调度策略,以及保障流域整体防汛安全具有重要的水文动力学意义。

2、当前针对大型浅水湖泊的水位预报,通常采用零维水量平衡模型或二维水动力学模型。零维水量平衡模型将湖泊概化为单一节点,通过直接平均各测站的实测水位作为初始场进行演算,该方式计算速度快,但无法输出环湖各站点的空间差异化水位。二维水动力模型通过网格离散求解浅水方程组,能够模拟复杂的风生流场与水位空间分布,但在高分辨率网格下,数值迭代求解过程会消耗庞大的计算资源,单次预报耗时较长,难以满足防汛调度中逐时高频滚动更新的时效性要求。此外,在极端高风速工况下,水面风应力拖曳参数的非线性演变特征,常导致常规外推计算出现数值发散或偏离物理极限的现象。

3、综上,现有方法在处理极端气象强迫下的浅水湖泊水位演变时,难以在预报的空间解析度与计算的实时性之间取得良好平衡,且在复杂强迫条件下的预报稳健性仍有待提升。因此,有必要研究一种能够兼顾计算时效性与空间差异刻画能力,且在极端工况下具备较高鲁棒性的水位预报方法。

技术实现思路

1、鉴于此,本申请提供一种强风期浅水湖泊水位逐时预报方法,以期解决现有技术存在的上述问题。

2、根据本申请的一个方面,一种强风期浅水湖泊水位逐时预报方法,包括:

3、获取当前时刻的实测水文气象数据;

4、基于实测水文气象数据,剥离当前风场和气压场对水位的倾斜强迫效应,还原得到各代表站的初始静水位,并提取全湖初始静水代表水位;

5、获取无风条件下的水量平衡驱动要素;

6、以全湖初始静水代表水位为起点,结合水量平衡驱动要素进行逐时水量平衡递推,获得未来预见期内的全湖静水代表水位序列;

7、获取未来预见期内的预报气象数据;

8、基于预报气象数据,计算未来各时刻各代表站的预报风场强迫效应和预报气压强迫效应;

9、以初始静水位为基准,叠加全湖静水代表水位序列相对于全湖初始静水代表水位的变化量,并分别叠加对应的预报风场强迫效应和预报气压强迫效应,合成得到各代表站的逐时预报水位序列。

10、可选地,获取未来预见期内的预报气象数据时,若处于台风影响期,具体包括:

11、获取预报时段内的台风路径与强度预报参数;

12、基于台风参数化风场模型,结合台风路径与强度预报参数以及各代表站的空间位置,反演计算各代表站位置处的局部梯度风速与局部梯度风向;

13、对局部梯度风速进行高度折减,获得各代表站独立的预报风速和预报风向,替代全湖统一的预报风场,用于计算各代表站的预报风增水。

14、可选地,计算风增水所需的综合风增水系数通过以下方式预先率定并在线更新:

15、从历史水文气象样本中筛选出准静风样本和有风样本,将准静风样本中各代表站实测水位的算术平均值标定为静水位真值;

16、针对有风样本,利用候选风增水系数进行静水位还原,得到对应的还原静水代表水位,并计算还原静水代表水位与对应时刻静水位真值的还原误差;

17、在设定的一维搜索区间内,以还原误差最小化为目标,搜索最优的综合风增水系数;若搜索得到的最优值落在一维搜索区间的边界,则向该边界方向自适应扩展搜索区间并重新搜索,直至最优值脱离边界;

18、在日常预报作业中,基于逐日滚动预报生成的预报水位与对应的实测水位计算预报误差双指标;当预报误差双指标连续多个预报周期超出预设阈值时,截取最新滑动窗口内的样本作为新的历史水文气象样本,重新执行综合风增水系数的率定。

19、可选地,按照预设的优先级顺序执行根因诊断逻辑,具体包括跨变量联合判定:

20、当检测到实测水位的变化率超出物理最大变化速率阈值时,提取对应时刻的风速变化特征;

21、若风速变化特征未表现出同步突变,则诊断异常记录的根因为水位传感器故障;

22、若风速变化特征表现出同步突变,则诊断异常记录的根因为极端风速突变引起的真实物理响应过程,并维持实测水文气象数据的有效性。

23、可选地,历史滞后的无量纲水位差指数以及历史滞后的无量纲净入湖水量指数的滞后阶数,通过以下方式预先确定:

24、依据赤池信息准则对包含不同候选滞后阶数的多元线性回归模型进行拟合优度评估,选取评估值最小的候选滞后阶数作为最优滞后阶数;

25、利用残差自相关函数对最优滞后阶数下的模型残差序列进行诊断,验证模型残差序列在各滞后阶数下均落入置信区间内,以消除残差自相关性。

26、根据本申请的另一个方面,还提供一种强风期浅水湖泊水位逐时预报系统,包括:

27、至少一个处理器;以及,与至少一个所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现本申请所述的一种强风期浅水湖泊水位逐时预报方法。

28、基于以上技术方案,本发明兼顾了水量平衡的物理一致性与风压强迫的空间差异性,提升了强风期站点级预报的准确性与计算时效性。

1.一种强风期浅水湖泊水位逐时预报方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取当前时刻的实测水文气象数据时,通过异常诊断模块进行数据质量监控,包括:

3.根据权利要求1所述的方法,其特征在于,倾斜强迫效应包括气压增水和风增水;预报风场强迫效应为预报风增水,预报气压强迫效应为预报气压增水;

4.根据权利要求3所述的方法,其特征在于,获取有效风区长度时,采用梯度自适应插值策略,包括:

5.根据权利要求3所述的方法,其特征在于,计算风增水或预报风增水时,包括:

6.根据权利要求5所述的方法,其特征在于,计算风增水或预报风增水时,通过动态响应递推模型获得,包括:

7.根据权利要求1所述的方法,其特征在于,水量平衡驱动要素包括湖面降水、水面蒸发、环湖取用水以及环湖净入湖水量;逐时水量平衡递推通过逐时累加各项水量平衡驱动要素的水量变化实现。

8.根据权利要求7所述的方法,其特征在于,环湖净入湖水量通过以下步骤获取:

9.根据权利要求1所述的方法,其特征在于,获取当前时刻的实测水文气象数据时,还包括数据中断容错策略:

10.一种强风期浅水湖泊水位逐时预报系统,其特征在于,包括: