(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111312143.2 (22)申请日 2021.11.08 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 武汉大学 (72)发明人 周丽婷　刘攀　夏倩　刘杨合　 谢康　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 代理人 俞琳娟 (51)Int.Cl. G06F 30/28(2020.01) G06F 119/14(2020.01) (54)发明名称 水文模型结构诊断方法、 径 流预报方法及装 置 (57)摘要 本发明提供基于时变参数的水文模型结构 诊断方法、 径流预报方法及装置， 能够构建出准 确反映目标区域流域水文物理过程的模型结构， 从而更精 准地进行径流模拟和预报 。 水文模型结 构诊断方法包括： 步骤1.收集目标流域的水文数 据； 步骤2.筛选敏感参数； 步骤3.水文模型参数 率定以确定非敏感参数， 数据同化以识别敏感参 数时变序列； 步骤4.分析敏感参数时变序列的影 响因子； 步骤5.根据影 响因子诊断模型可能存在 缺陷的模块， 并选择该模块其他的概化结构， 形 成待测试模型； 步骤6.识别待测试模型敏感参数 的时变序列； 步骤7.当参数的时间变化减弱、 模 拟效果改善时， 则确定相应的待测试模型为结构 更优的修 正模型； 步骤8.确定最终模型。 权利要求书3页 说明书7页 附图3页 CN 114117953 A 2022.03.01 CN 114117953 A 1.一种水文模型 结构诊断方法， 其特 征在于， 包括以下步骤： 步骤1、 选择水文模型M作为初始模型， 收集目标流域的水文数据和同时期的水文气象 因子数据； 步骤2、 利用率定期的数据对水文模型M的参数进行敏感性分析， 以误差平方和作为目 标函数筛 选敏感参数； 步骤3、 使用优化算法在率定期对水文模型M的所有参数进行率定得到常参数， 非敏感 参数取值定为常参数值， 敏感参数使用数据同化方法进行时变序列识别， 集合卡尔曼滤波 数据同化 算法将径流观测值同化入水文模型中， 以识别在每 个计算步长的模型参数； 步骤4、 将水文模型M敏感参数的时间变化序列与 水文气象因子数据进行皮尔逊相关性 分析， 筛选与敏感参数时变序列高相关的因子作为影响因子； 步骤5、 根据筛选出的影响因子， 分析模型M中可能存在缺陷的水文模块， 该水文模块在 其他模型中具有多种不同的概化方法， 选择其他概化方法作为替代结构， 形成待测试 的水 文模型{M1,M2,…,Mm}； 步骤6、 对待测试的水文模型{M1,M2,…,Mm}进行敏感参数的时变序列识别； 步骤7、 各个水文模型的适用性从两点进行分析， 一是分析初始模型M、 测试模型{M1, M2,…,Mm}的参数时变性， 若模型Mi参数时间变化程度减弱， 说明模型Mi中时变参数对结构 缺陷的补偿效应减弱， 二是采用水文预报的评价指标NSE、 NSElog、 KGE、 VE、 KGESRM来评估模型 模拟效果， Mi模拟指标提升说明模型Mi的结构在该流域适用性 更强； 选取参 数时间变 化程度 减弱、 模拟指标 得到提升的模型Mi作为修正模型； 步骤8、 判断修正模型Mi中敏感参数是否平稳， 若平稳则确定Mi为本次模型结构诊断的 最终模型； 否则返回步骤4将修 正模型Mi作为水文模型M， 依次执 行。 2.根据权利要求1所述的水文模型 结构诊断方法， 其特 征在于： 其中， 在步骤2中， 敏感性分析方法采用MORRIS敏感性分析， 各个参数以同一个相对变 化量变化， 越敏感的参数对模型输出 的影响越大， 以误差平方和作为 目标函数筛选敏感参 数， 式中， Qoi为第i时刻的观测径流， Qsi为第i时刻的模拟径流， n 为径流序列长度。 3.根据权利要求1所述的水文模型 结构诊断方法， 其特 征在于： 其中， 在步骤1中收集的水文数据包括降雨、 蒸发、 径流数据； 水文气象因子包括降雨P、 潜在蒸散发E、 相对湿度Wet、 日照时数Sun、 平均温度T、 最高 温度Tmax、 最低温度Tmin、 风速因子Vw。 4.根据权利要求1所述的水文模型 结构诊断方法， 其特 征在于： 其中， 在步骤7中， 评价指标NSE、 NSElog、 KGE、 VE、 KGESRM分别采用如下公式计算得到： 权　利　要　求　书 1/3 页 2 CN 114117953 A 2式中， Qoi为第i时刻的观测径流， Qsi为第i时刻的模拟径流， 为观测径流平均值， 为对观测径流取对数后的序列平均值， n为径流序列长度， k为模型参数个数， r为 观测径流和模拟径流的相关系数， μo和 μs分别为观测径流和模拟径流的平均值， σo和σs分别 为观测径流和模拟径流的标准差 。 5.根据权利要求1所述的水文模型 结构诊断方法， 其特 征在于： 其中， 在步骤7中， 当存在多个模型参数时间变化程度减弱， 选取参数时间变化程度最 小的模型作为 修正模型。 6.根据权利要求1所述的水文模型 结构诊断方法， 其特 征在于： 其中， 在步骤8中， 平稳 是指参数序列趋势性、 周期性和变点均不显著。 7.基于水文模型 结构诊断的径流预报方法， 其特 征在于， 包括以下步骤： 步骤1、 选择水文模型M作为初始模型， 收集目标流域的水文数据和同时期的水文气象 因子数据； 步骤2、 利用率定期的数据对水文模型M的参数进行敏感性分析， 以误差平方和作为目 标函数筛 选敏感参数； 步骤3、 使用优化算法在率定期对水文模型M的所有参数进行率定得到常参数， 非敏感 参数取值定为常参数值， 敏感参数使用数据同化方法进行时变序列识别， 集合卡尔曼滤波 数据同化 算法将径流观测值同化入水文模型中， 以识别在每 个计算步长的模型参数； 步骤4、 将水文模型M敏感参数的时间变化序列与 水文气象因子数据进行皮尔逊相关性 分析， 筛选与敏感参数时变序列高相关的因子作为影响因子； 步骤5、 根据筛选出的影响因子， 分析模型M中可能存在缺陷的水文模块， 该水文模块在 其他模型中具有多种不同的概化方法， 选择其他概化方法作为替代结构， 形成待测试 的水 文模型{M1,M2,…,Mm}； 步骤6、 对待测试的水文模型{M1,M2,…,Mm}进行敏感参数的时变序列识别； 步骤7、 各个水文模型的适用性从两点进行分析， 一是分析初始模型M、 测试模型{M1, M2,…,Mm}的参数时变性， 若模型Mi参数时间变化程度减弱， 说明模型Mi中时变参数对结构 缺陷的补偿效应减弱， 二是采用水文预报的评价指标NSE、 NSElog、 KGE、 VE、 KGESRM来评估模型 模拟效果， Mi模拟指标提升说明模型Mi的结构在该流域适用性 更强； 选取参 数时间变 化程度 减弱、 模拟指标 得到提升的模型Mi作为修正模型； 步骤8、 判断修正模型Mi中敏感参数是否平稳， 若平稳则确定Mi为本次模型结构诊断的 最终模型， 进入步骤9； 否则返回步骤4将修 正模型Mi作为水文模型M， 依次执 行； 步骤9、 将实测水文数据输入最终模型中， 进行径流预报。 8.基于水文模型 结构诊断的径流预报装置， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 114117953 A 3