基于共轭梯度优化的多模型集成气象预报方法及系统与流程

本发明涉及多模型集成气象预报，具体而言，涉及基于共轭梯度优化的多模型集成气象预报方法及系统。

背景技术：

1、随着数值天气预报（nwp）技术的快速发展，单一确定性预报模式已难以满足梯级水电站群防洪调度与发电优化对降水预报精度的要求。受大气运动固有的非线性与混沌特性制约，单一模式对初始场误差敏感，且不同模式因动力框架、物理参数化方案及分辨率差异，在复杂地形流域的降水预报表现各异，系统性偏差显著。此外，单一模式的预报性能随预见期延长呈现明显的衰减特征，尤其在流域暴雨等转折性天气过程中，不确定性急剧增大。多模式集成预报方法通过融合多个模式的预报结果以降低单一模式的不确定性，已成为提升降水预报可靠性的重要技术路径。现有集成预报技术主要采用消除偏差集合平均、概率匹配集合平均、贝叶斯模型平均及基于广义三角帽理论的动态权重分配等方法。

2、然而，上述方法在应用于梯级水电调度场景时存在明显局限：其一，权重分配多基于模式历史统计性能，未充分考虑地形动力因子对不同模式在复杂地形流域预报表现的影响，导致集成权重与局地地形条件的适应不足；其二，权重系数通常为固定的全局值，未随预见期延长自适应调整，无法反映模式预报性能随预见期衰减的物理规律；其三，多数方法止步于降水集成预报，未将集成预报结果与流域水文模型及梯级水库调洪演算有效衔接，难以直接支撑水电站入库径流预报。

技术实现思路

1、本发明的目的在于提供基于共轭梯度优化的多模型集成气象预报方法及系统，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

2、第一方面，本技术提供了一种基于共轭梯度优化的多模型集成气象预报方法，包括：

3、获取覆盖目标流域的多源气象水文监测数据与多模式数值天气预报输出场，经三维变分同化处理生成网格化多要素驱动场；

4、将网格化多要素驱动场映射至多尺度嵌套数值预报模式网格，驱动各模式前向积分并提取降水预报场；基于目标流域数字高程模型计算逐网格地形坡向，结合各模式历史主导气流方向与历史系统性降水偏差计算逐网格地形适应性指数，对各模式降水预报场完成地形适应性标定后，输出多模式定量降水预报集合；

5、收集各模式的长时序历史预报样本，求解贝叶斯模型平均框架下的逐预见期初权分配矩阵，结合逐网格地形适应性指数与预见期衰减函数生成动态权重系数场；

6、基于目标流域数字高程模型计算逐网格地形湿度指数得到空间非均匀权重系数，以动态权重系数场为先验约束构建地形加权均方误差目标函数，在权重非负与归一化约束下采用共轭梯度法迭代求解最优集成权重，加权生成多模型集成降水预报场；

7、将多模型集成降水预报场输入分布式水文模型，依次完成子流域产流、河道汇流与梯级水库调洪演算，输出基于多模型集成气象预报的各水电站入库流量过程预报序列。

8、优选地，所述获取覆盖目标流域的多源气象水文监测数据与多模式数值天气预报输出场，经三维变分同化处理生成网格化多要素驱动场，其中包括：

9、通过目标流域内的气象水文站点采集多要素气象水文观测数据，按站点经纬度与海拔构建三维空间坐标；对缺测序列采用以站点为图节点、以地理距离倒数为边权重的图结构插补算法修复，生成站点观测时间序列矩阵；其中，多要素气象水文观测数据包括降水量、气温、相对湿度、风速、气压、水位及流量；

10、读取天气雷达体扫反射率因子，经地物杂波剔除与z-r关系反演生成雷达定量降水估测场；读取静止气象卫星云顶亮温数据，经亮温阈值分割与云分类处理生成卫星反演降水指示场；

11、将站点观测时间序列矩阵、雷达定量降水估测场与卫星反演降水指示场通过双线性守恒插值映射至中尺度模式三维网格，生成多源异构数据融合体；以模式前期预报场为背景场向量，采用递归滤波器构建背景误差协方差矩阵，以多源异构数据融合体作为观测向量构建观测算子，构建带地形平滑约束的三维变分同化代价函数，采用有限内存拟牛顿法迭代求解得到分析增量场，叠加至背景场向量后生成网格化多要素驱动场。

12、优选地，所述结合各模式历史主导气流方向与历史系统性降水偏差计算逐网格地形适应性指数，对各模式降水预报场完成地形适应性标定后，输出多模式定量降水预报集合，其中包括：

13、将网格化多要素驱动场通过守恒插值分别映射至由全球谱模式、区域中尺度模式与局地高分辨率模式构成的三级嵌套网格，生成的各层级网格场分别作为对应模式的初始场，并为内层嵌套模式提供侧边界条件，驱动各模式完成前向积分，提取得到各模式降水预报场；

14、读取目标流域数字高程模型，计算得到各网格点的地形坡向，统计各模式历史样本中预设等压面的主导气流方向；

15、根据各模式在网格点上的历史系统性降水预报偏差，通过指数衰减函数计算得到降水偏差适配因子；根据地形坡向与主导气流方向夹角的余弦值，计算得到地形流向适配因子；

16、以降水偏差适配因子与地形流向适配因子的乘积作为对应网格点的地形适应性指数；将地形适应性指数逐网格作用于各模式降水预报场，完成地形适应性标定后输出多模式定量降水预报集合。

17、优选地，所述求解贝叶斯模型平均框架下的逐预见期初权分配矩阵，结合逐网格地形适应性指数与预见期衰减函数生成动态权重系数场的具体步骤包括：

18、收集各模式的长时序历史预报样本，建立各模式在不同预见期τ下以正态分布为概率密度的条件概率模型，统计各模式的系统性偏差与预报方差，构建模式性能档案库；

19、从模式性能档案库中提取各模式的统计特征，采用期望最大化算法迭代求解最大似然估计，得到各模式在各预见期τ下的初权分配矩阵；

20、构建随预见期延长单调递减的指数型预见期衰减函数，将初权分配矩阵、逐网格地形适应性指数与预见期衰减函数逐元素相乘，在每个网格点与每个预见期下对所有权重归一化，生成逐网格逐预见期的动态权重系数场。

21、优选地，所述以动态权重系数场为先验约束构建地形加权均方误差目标函数，在权重非负与归一化约束下采用共轭梯度法迭代求解最优集成权重，加权生成多模型集成降水预报场的具体步骤包括：

22、基于目标流域数字高程模型计算逐网格地形湿度指数，将地形湿度指数归一化得到空间非均匀权重系数；

23、定义待优化权重张量，明确权重非负约束与归一化约束；其中，非负约束为各权重值大于等于零，归一化约束为同一网格点同一预见期下所有模式权重之和等于1；

24、以动态权重系数场作为l2正则化项的先验中心，以空间非均匀权重系数为空间加权项，构建地形加权均方误差目标函数；

25、将待优化权重张量初始化为等权重作为迭代初值，采用带投影的共轭梯度法，通过弗莱彻-里夫斯公式计算共轭方向，结合精确线搜索确定步长，每轮迭代后采用欧氏投影将权重投影至约束可行域，直至梯度范数满足收敛阈值时终止迭代，得到最优集成权重；

26、将最优集成权重与多模式定量降水预报集合逐点逐时加权求和，生成多模型集成降水预报场。

27、优选地，所述依次完成子流域产流、河道汇流与梯级水库调洪演算，输出基于多模型集成气象预报的各水电站入库流量过程预报序列的具体步骤包括：

28、采用空间分割算法将多模型集成降水预报场划分为多个自然子流域单元，对各子流域采用多层蒸散发模式计算产流量，通过时段单位线法将净雨量转换为坡面汇流出口流量过程；

29、将各子流域的坡面汇流出口流量过程沿河网采用马斯京根法进行河道汇流演算至干流控制断面，叠加上游水库出库流量与区间来水，形成各级水库的入库流量过程；

30、将各级水库的入库流量过程作为输入，依据水量平衡方程，通过查表插值联立各级水库水位-库容曲线与泄流能力曲线，在以汛限水位为蓄水上限的约束下逐时段开展调洪演算，输出各水电站入库流量过程预报序列。

31、优选地，各模式降水预报场均通过空间重采样统一至预设空间分辨率的标准网格，统一分辨率后的降水场用于构建多模式定量降水预报集合与后续集成加权计算；预见期范围与时间步长均按预设预报尺度配置，站点观测数据的时间分辨率与模式输出时间分辨率保持一致；

32、构建模式性能档案库时，针对降水预报性能采用多评分指标加权的方式进行综合评估，评估结果用于模式性能排序与初权求解，历史预报样本采用滑动窗口动态更新，窗口长度根据流域汛期与枯水期的水文特征自适应调整，滚动更新的历史样本用于动态权重系数场的逐次求解。

33、优选地，所述标准网格的空间分辨率为3km×3km，预报时效范围为1小时至72小时，时间步长为1小时；所述多评分指标加权采用的指标包括连续分级概率评分与均方根误差，二者权重均为0.5；所述滑动窗口的长度汛期设置为48小时，枯水期设置为96小时；所述长时序历史预报样本的时间跨度不少于三年。

34、优选地，生成多模型集成降水预报场之后，还包括不确定性区间估算步骤：基于多模式定量降水预报集合与最优集成权重构建降水预报后验概率分布，提取指定分位数生成降水预报概率区间；将降水预报概率区间作为输入驱动分布式水文模型，经蒙特卡洛模拟生成入库流量置信区间，其中入库流量置信区间用于梯级水库群调度的风险评估。

35、第二方面，本技术还提供了一种基于共轭梯度优化的多模型集成气象预报系统，包括：

36、同化处理模块：用于获取覆盖目标流域的多源气象水文监测数据与多模式数值天气预报输出场，经三维变分同化处理生成网格化多要素驱动场；

37、地形标定模块：用于将网格化多要素驱动场映射至多尺度嵌套数值预报模式网格，驱动各模式前向积分并提取降水预报场；基于目标流域数字高程模型计算逐网格地形坡向，结合各模式历史主导气流方向与历史系统性降水偏差计算逐网格地形适应性指数，对各模式降水预报场完成地形适应性标定后，输出多模式定量降水预报集合；

38、求解生成模块：用于收集各模式的长时序历史预报样本，求解贝叶斯模型平均框架下的逐预见期初权分配矩阵，结合逐网格地形适应性指数与预见期衰减函数生成动态权重系数场；

39、迭代求解模块：用于基于目标流域数字高程模型计算逐网格地形湿度指数得到空间非均匀权重系数，以动态权重系数场为先验约束构建地形加权均方误差目标函数，在权重非负与归一化约束下采用共轭梯度法迭代求解最优集成权重，加权生成多模型集成降水预报场；

40、演算输出模块：用于将多模型集成降水预报场输入分布式水文模型，依次完成子流域产流、河道汇流与梯级水库调洪演算，输出基于多模型集成气象预报的各水电站入库流量过程预报序列。

41、第三方面，本技术还提供了一种基于共轭梯度优化的多模型集成气象预报设备，包括：

42、存储器，用于存储计算机程序；

43、处理器，用于执行所述计算机程序时实现所述基于共轭梯度优化的多模型集成气象预报方法的步骤。

44、第四方面，本技术还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于基于共轭梯度优化的多模型集成气象预报方法的步骤。

45、本发明的有益效果为：

46、本发明通过三维变分同化融合多源气象水文监测数据与多模式数值天气预报输出场，并在代价函数中引入地形梯度正则约束项，使同化后的网格化驱动场在地形过渡区保持物理协调性，避免了分析场在陡峭地形区域产生虚假梯度；在此基础上，通过构建融合历史系统性降水预报偏差指数衰减与地形坡向-主导气流方向夹角余弦的地形适应性指数，并以该指数对各模式降水预报场进行逐网格标定，使预报偏差小且位于迎风坡的模式降水场获得保留、背风坡方向因余弦取零而适应性指数归零，实现了复杂地形条件下模式预报的动力学一致性修正，有效抑制了地形引起的虚假降水，为多模式嵌套预报提供了更真实的大气动力场初始条件与地形适应性标定降水场。

47、本发明通过将贝叶斯模型平均初权、逐网格地形适应性指数与预见期衰减函数逐元素相乘并归一化，生成同时包含模式历史统计性能、地形动力适应性与预报时效衰减三重约束的动态权重系数场，使集成权重随预见期延长自适应衰减、随地形条件自适应调整，克服了传统固定权重无法反映模式性能时空变化的缺陷；进而以动态权重系数场为l2正则化先验中心、以地形湿度指数为空间非均匀权重系数构建地形加权均方误差目标函数，采用带投影的共轭梯度法配合弗莱彻-里夫斯共轭方向公式与精确线搜索求解含模式、网格、时间三维权重张量，并在非负与归一化约束下通过欧氏投影确保权重物理合理性，使共轭梯度迭代求解的最优集成权重在河谷与低洼等汇流敏感区获得更高的优化优先级，显著提升了集成降水场在产流关键区的预报精度。

48、本发明通过将多模型集成降水预报场依次驱动分布式水文模型的子流域产流计算、河道马斯京根汇流演算与梯级水库调洪演算，并在汛限水位约束下逐时段开展水量平衡计算，将降水集成预报的不确定性有效传递至入库流量过程，实现了从降水预报到入库径流的端到端物理耦合，使最终输出的入库流量过程预报序列能够直接支撑梯级水库群防洪调度决策与发电优化控制，克服了现有集成预报方法止步于降水预报而无法有效衔接水文模型的缺陷。

49、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。