CN110648007B - 一种降雨预报指数校正方法和*** - Google Patents

一种降雨预报指数校正方法和*** Download PDF

Info

Publication number
CN110648007B
CN110648007B CN201810668210.6A CN201810668210A CN110648007B CN 110648007 B CN110648007 B CN 110648007B CN 201810668210 A CN201810668210 A CN 201810668210A CN 110648007 B CN110648007 B CN 110648007B
Authority
CN
China
Prior art keywords
rainfall
time interval
historical
predicted
error
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810668210.6A
Other languages
English (en)
Other versions
CN110648007A (zh
Inventor
丁煌
程序
王知嘉
陈卫东
周海
丁杰
崔方
李登宣
朱想
吴骥
秦昊
彭佩佩
丛从
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810668210.6A priority Critical patent/CN110648007B/zh
Publication of CN110648007A publication Critical patent/CN110648007A/zh
Application granted granted Critical
Publication of CN110648007B publication Critical patent/CN110648007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种降雨预报指数校正方法和***，包括：将采集预测降雨量按设定的时间区间进行划分；基于预先建立的降雨预报指数校正模型，按照设定的时间区间对预测降雨量进行校正。该方法和***将采集预测降雨量按设定的时间区间进行划分，并利用预先建立的降雨预报指数校正模型，按照设定的时间区间对所述预测降雨量进行校正，提高了降雨量预报的精确度，并且涵盖历史时段中导致各类误差特性的影响因素，校正效果优良，具有很好的普适性。

Description

一种降雨预报指数校正方法和***
技术领域
本发明属于可再生能源发电技术领域，具体涉及一种降雨预报指数校正方法和***。
背景技术
中短期水文预报、洪水预报追求的是高精度和预见期长，要得到高精度和长预见期预报，必须从提高降雨估算精度开始，结合降雨预报，采取流域降雨径流模型和河道洪水演算模型的途径来实现。气象预报同水文预报的结合为防洪和水库调度等工作，带来巨大的优越性和必要性，是水文预报发展的必然趋势。
随着计算机网络、地理信息***GIS、遥感、数值天气预报等现代技术在水文预报领域的推广应用，以及水文理论和方法的不断发展，当前基于雷达和数值模式的定量降雨估算与预报技术、基于数字高程模型DEM的分布式水文模型研发、基于水文气象耦合的洪水预报、洪水实时预报***研发的等正成为当前流域中短期水文预报、暴雨洪水预报技术研究和发展的方向。
水文预报的重点在于精度水平。因此在研究过程中尤其重视预报误差校正研究。其中，较为常见的方式是基于误差自身的时间序列的分析，采用自回归模型或BP神经网络等手段实现误差校正，这种方式的不足之处在于缺乏有效的误差成因分析，校正模型的输入因子中难以涵盖导致各类误差特性的影响因素，因而容易导致校正效果不良、普适性差等问题。
发明内容
为克服上述现有技术校正效果不良、普适性差的不足，本发明提出一种降雨预报指数校正方法和***。该方法和***将降雨量划分区间，逐个区间进行修正，从而在延长水文预报预见期的同时提高预报准确性。
实现上述目的所采用的解决方案为：
一种降雨预报指数校正方法，其改进之处在于：
将采集预测降雨量按设定的时间区间进行划分；
基于预先建立的降雨预报指数校正模型，按照所述设定的时间区间对所述预测降雨量进行校正；
所述降雨预报指数校正模型包括：基于时间区间的降雨预报指数校正公式。
本发明提供的第一优选技术方案，其改进之处在于，所述降雨预报指数校正模型的建立，包括：
基于历史实测降雨量，统计每个时间区间的平均历史实测降雨量以及所述时间区间降雨个数占总降雨个数的比例；
基于所述历史实测降雨量和历史预测降雨量计算降雨绝对误差；
基于所述平均历史实测降雨量、比例和降雨绝对误差按所述时间区间修正所述的降雨预报指数校正公式。
本发明提供的第二优选技术方案，其改进之处在于，所述基于所述历史实测降雨量和历史预测降雨量计算降雨绝对误差，包括：
基于每次历史降雨，计算实测降雨量和对应预测降雨量差值的绝对值；
基于所有历史降雨，计算所述绝对值的平均值，所述绝对值的平均值为降雨绝对误差。
本发明提供的第三优选技术方案，其改进之处在于，所述基于所述平均历史实测降雨量、比例和降雨绝对误差按所述时间区间修正预设的降雨预报指数校正公式，包括：
基于每个时间区间，根据平均历史实测降雨量、比例和降雨绝对误差，得到所述时间区间的***性误差，并将所述时间区间的***性误差与历史预测降雨量的和作为校正优化目标值代入降雨预报指数校正公式，计算所述时间区间的修订指数；
根据各时间区间的修订指数，修正每个时间区间的降雨预报指数校正公式。
本发明提供的第四优选技术方案，其改进之处在于，所述降雨预报指数校正公式如下式所示：
Figure BDA0001708336550000021
其中，P'j_preview表示第j个预测降雨量的校正优化目标值，P'j表示第j个预测降雨量的值，i表示第j个预测降雨所在时间区间，avg(Pi)表示时间区间i实测降雨量的平均值，ai表示时间区间i的修订指数，f(Pi)表示时间区间i内降雨数目占据所有降雨数目的比例，errorj表示第j个实测降雨量和对应预测降雨量差值的绝对值，avg(error)降雨绝对误差；其中，0<ai<1。
本发明提供的第五优选技术方案，其改进之处在于，所述基于预先建立的降雨预报指数校正模型，按照所述设定的时间区间对所述预测降雨量进行校正，包括：
将预测降雨量和预测降雨量所在时间区间代入降雨预报指数校正模型，根据所述降雨预报指数校正模型中的降雨预报指数校正公式对所述预测降雨量进行校正。
一种降雨预报指数校正***，其改进之处在于，包括：数据划分模块和降雨校正模块；
所述数据划分模块，用于将采集预测降雨量按设定的时间区间进行划分；
所述降雨校正模块，基于预先建立的降雨预报指数校正模型，按照所述设定的时间区间对所述预测降雨量进行校正；
所述降雨预报指数校正模型包括：基于时间区间的降雨预报指数校正公式。
本发明提供的第六优选技术方案，其改进之处在于，还包括用于建立降雨预报指数校正模型的建模模块，所述建模模块包括：统计单元、绝对误差单元和公式修正单元；
所述统计单元，用于基于历史实测降雨量，统计每个时间区间的平均历史实测降雨量以及所述时间区间降雨个数占总降雨个数的比例；
所述绝对误差单元，用于基于所述历史实测降雨量和历史预测降雨量计算降雨绝对误差；
所述公式修正单元，用于基于所述平均历史实测降雨量、比例和降雨绝对误差按所述时间区间修正所述的降雨预报指数校正公式。
本发明提供的第七优选技术方案，其改进之处在于，所述绝对误差单元包括：差值计算子单元和绝对误差子单元；
所述差值计算子单元，用于基于每次历史降雨，计算实测降雨量和对应预测降雨量差值的绝对值；
所述绝对误差子单元，用于基于所有历史降雨，计算所述绝对值的平均值，所述绝对值的平均值为降雨绝对误差。
本发明提供的第八优选技术方案，其改进之处在于，所述公式修正单元包括：修订指数子单元和公式修正子单元；
所述修订指数子单元，用于基于每个时间区间，根据平均历史实测降雨量、比例和降雨绝对误差，得到所述时间区间的***性误差，并将所述时间区间的***性误差与历史预测降雨量的和作为校正优化目标值代入降雨预报指数校正公式，计算所述时间区间的修订指数；
所述公式修正子单元，用于根据各时间区间的修订指数，修正每个时间区间的降雨预报指数校正公式。
与最接近的现有技术相比，本发明具有的有益效果如下：
本发明将采集预测降雨量按设定的时间区间进行划分，并利用预先建立的降雨预报指数校正模型，按照设定的时间区间对所述预测降雨量进行校正，提高了利用降雨预报指数对降雨量预报的精确度，并且涵盖历史时段中导致各类误差特性的影响因素，校正效果优良，具有很好的普适性。
附图说明
图1为本发明提供的一种降雨预报指数校正方法流程示意图；
图2为本发明提供的一种降雨预报指数校正方法中建立降雨预报指数校正模型流程示意图；
图3为本发明提供的降雨预报指数校正方法在日前0-24h、时间分辨率为15min的预测降雨量校正中的应用流程示意图；
图4为本发明提供的一种降雨预报指数校正***结构示意图；
图5为本发明提供的一种降雨预报指数校正***详细结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
实施例1：
本发明提供的一种降雨预报指数校正方法流程示意图如图1所示，包括：
步骤1：将采集预测降雨量按设定的时间区间进行划分；
步骤2：基于预先建立的降雨预报指数校正模型，按照设定的时间区间对所述预测降雨量进行校正；
降雨预报指数校正模型包括：基于时间区间的降雨预报指数校正公式。
其中，降雨预报指数校正模型的建立如图2所示，包括：
步骤101：采集历史时段的实测降雨量和与该实测降雨量对应的预测降雨量，以Pj表示第j个实测降雨量，以P'j表示Pj对应的预测降雨量。
步骤102：将历史实测降雨量和与预测降雨量对应的预测降雨量划分到时间区间上，以i对时间区间进行标志。具体划分时间区间时，可根据具体要求进行划分，例如12小时、一天或一周等。
步骤103：根据实测降雨量和预测降雨量进行统计并计算降雨绝对误差。步骤103具体包括：
步骤103-1：计算每个时间区间内降雨数目占据所有降雨数目的比例，也即计算每个时间区间内样本的频率f(Pi)，其中Σf(Pi)＝1。
步骤103-2：计算每个时间区间内的平均历史实测降雨量avg(Pi)。
步骤103-3：基于每次历史降雨，计算实测降雨量和对应预测降雨量差值的绝对值errorj，即errorj＝|P'j–Pj|。其中errorj表示第j个实测降雨量和对应预测降雨量差值的绝对值。
步骤103-4：计算所有实测降雨量和对应预测降雨量差值的绝对值的平均值avg(error)，即avg(error)＝Σerrorj/N，其中N表示采集历史时段内降雨的总数目。avg(error)作为降雨绝对误差。
步骤104：基于统计的平均历史实测降雨量、比例和降雨绝对误差，按时间区间修正预设的降雨预报指数校正公式。
降雨预报指数校正公式如下式：
Figure BDA0001708336550000051
其中，P'j_preview表示第j个预测降雨量的校正优化目标值，P'j表示第j个预测降雨量的值，i表示第j个预测降雨所在时间区间，avg(Pi)表示时间区间i实测降雨量的平均值，ai表示时间区间i的修订指数，f(Pi)表示时间区间i内降雨数目占据所有降雨数目的比例，errorj表示第j个实测降雨量和对应预测降雨量差值的绝对值，avg(error)降雨绝对误差；其中，0<ai<1。
步骤104具体包括：
步骤104-1：根据步骤103得到的平均历史实测降雨量、比例和降雨绝对误差，获得时间区间i内降雨量的***性误差δi；***性误差计算方法较多，也有成熟方法，简单的方法是将这一时间区间的实测降雨与预测降雨绝对误差之和，作为***性误差。
步骤104-2：以δi及P'j的和作为P'j对应的校正优化目标值P'j_preview，即：
P'j_preview＝P'j+δi(2)
步骤104-3：将P'j_preview代入降雨预报指数校正公式，得到时间区间i的修订指数ai。
步骤104-4：重复上述步骤104-1至步骤104-3，取遍所有区间，得到各时间区间的修订指数。
步骤104-5：根据各时间区间的修订指数，逐个时间区间修正预设的降雨预报指数校正公式。
通过步骤101至步骤104，得到建好的降雨预报指数校正模型，可在步骤2中用来对预测降雨量进行校正。具体的，采用下式计算校正的预测降雨量P'l_revised：
P'l_revised＝(P'l/avg(Pr))^ar·avg(Pr)(3)
其中，P'l表示步骤1采集的预测降雨量，avg(Pr)和ar分别表示与预报时间最接近的时间区间r的实测降雨量平均值和修订指数。
实施例2：
为说明本发明在日前0-24h、时间分辨率为15min的预测降雨量校正中的应用，给出以下如图3所示的示例。
设实测降雨样本、预测降雨样本均为x个，用于统计的日数为D，实测降雨量为Px、预测降雨量为P'x。
步骤201：实测降雨的基本数据统计。
将x个实测降雨划分至m个区间，统计第i个区间样本的频率，即区间i内降雨数目占据所有降雨数目的比例f(Pi)及第i个区间的平均历史实测降雨量avg(Pi)，1≤i≤m，Σf(Pi)＝1。
步骤202：降雨绝对误差计算。
历史某日96个时间点的预报绝对误差等于逐15min预测降雨量P'j与实测值Pj之差的绝对值，即errorj＝|P'j–Pj|。其中，j表示时间点的标志。
计算历史样本中各日96点降雨预报的绝对误差errorjd＝|P'jd–Pjd|，再计算所有降雨预报绝对误差的平均值avg(error)作为降雨绝对误差；其中，下标d为日期的标志，Pjd为利用日期和日内时间点标记的实测降雨量Px，P'jd为利用日期和日内时间点标记的预测降雨量为P'x。本实施例中，96*D＝x。
步骤203：建立历史预测降雨量P'jn校正模型。
预测降雨量P'jn根据下式调整，
Figure BDA0001708336550000061
其中，ai为第i个时间区间内预测降雨量P'jn的修订指数，0<ai<1，P'jn_preview为P'jn的校正优化的目标值。
步骤204：依据历史训练得出的ai值。
在以实测降雨为基准的m个时间区间中，每个区间均对应一个有效的校正指数，即第i个区间均有一个与之对应的ai值。
如步骤203中，当P'jn介于第i个区间时，统计这一区间的***性误差δi，得到
P'jn_preview＝P'jn+δi (2)
将公式(2)代入公式(1)中，取遍所有区间，得到样本集中各i个区间对应的ai值。
步骤205：得到用于24小时降雨预报优化的指数校正模型，进行预测降雨量优化校正。
将步骤204中得到的与预报时间最接近的区间r的修订指数ar和区间r的实测降雨样本avg(Pr)代入公式(1)，得到用于未来时刻预报值校正的公式(3)，即相对于未来某日逐15分钟的预测降雨量P'l利用公式(3)给出校正值P'l_revised：
P'l_revised＝(P'l/avg(Pr))^ar·avg(Pr) (3)
实施例3：
基于同一发明构思，本发明还提供了一种降雨预报指数校正***，由于这些设备解决技术问题的原理与降雨预报指数校正方法相似，重复之处不再赘述。
该***如图4所示，包括：
数据划分模块和降雨校正模块；
其中，数据划分模块，用于将采集预测降雨量按设定的时间区间进行划分；
降雨校正模块，基于预先建立的降雨预报指数校正模型，按照设定的时间区间对预测降雨量进行校正；
降雨预报指数校正模型包括：基于时间区间的降雨预报指数校正公式。
降雨预报指数校正***详细结构如图5所示，其中，该***还包括用于建立降雨预报指数校正模型的建模模块，建模模块包括：统计单元、绝对误差单元和公式修正单元；
统计单元，用于基于历史实测降雨量，统计每个时间区间的平均历史实测降雨量以及时间区间降雨个数占总降雨个数的比例；
绝对误差单元，用于基于历史实测降雨量和历史预测降雨量计算降雨绝对误差；
公式修正单元，用于基于平均历史实测降雨量、比例和降雨绝对误差按时间区间修正的降雨预报指数校正公式。
其中，绝对误差单元包括：差值计算子单元和绝对误差子单元；
差值计算子单元，用于基于每次历史降雨，计算实测降雨量和对应预测降雨量差值的绝对值；
绝对误差子单元，用于基于所有历史降雨，计算绝对值的平均值，绝对值的平均值为降雨绝对误差。
其中，公式修正单元包括：修订指数子单元和公式修正子单元；
修订指数子单元，用于基于每个时间区间，根据平均历史实测降雨量、比例和降雨绝对误差，得到时间区间的***性误差，并将时间区间的***性误差与历史预测降雨量的和作为校正优化目标值代入降雨预报指数校正公式，计算时间区间的修订指数；
公式修正子单元，用于根据各时间区间的修订指数，修正每个时间区间的降雨预报指数校正公式。
其中，降雨预报指数校正公式如下式所示：
Figure BDA0001708336550000081
其中，P'j_preview表示第j个预测降雨量的校正优化目标值，P'j表示第j个预测降雨量的值，i表示第j个预测降雨所在时间区间，avg(Pi)表示时间区间i实测降雨量的平均值，ai表示时间区间i的修订指数，f(Pi)表示时间区间i内降雨数目占据所有降雨数目的比例，errorj表示第j个实测降雨量和对应预测降雨量差值的绝对值，avg(error)降雨绝对误差；其中，0<ai<1。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (7)

1.一种降雨预报指数校正方法，其特征在于：
将采集预测降雨量按设定的时间区间进行划分；
基于预先建立的降雨预报指数校正模型，按照所述设定的时间区间对所述预测降雨量进行校正；
所述降雨预报指数校正模型包括：基于时间区间的降雨预报指数校正公式；
所述降雨预报指数校正模型的建立，包括：
基于历史实测降雨量，统计每个时间区间的平均历史实测降雨量以及所述时间区间降雨个数占总降雨个数的比例；
基于所述历史实测降雨量和历史预测降雨量计算降雨绝对误差；
基于所述平均历史实测降雨量、比例和降雨绝对误差按所述时间区间修正所述的降雨预报指数校正公式；
所述基于所述平均历史实测降雨量、比例和降雨绝对误差按所述时间区间修正预设的降雨预报指数校正公式，包括：
基于每个时间区间，根据平均历史实测降雨量、比例和降雨绝对误差，得到所述时间区间的***性误差，并将所述时间区间的***性误差与历史预测降雨量的和作为校正优化目标值代入降雨预报指数校正公式，计算所述时间区间的修订指数；
根据各时间区间的修订指数，修正每个时间区间的降雨预报指数校正公式；
所述降雨预报指数校正公式如下式所示：
Figure FDA0003710458430000011
其中，P'j_preview表示第j个预测降雨量的校正优化目标值，P'j表示第j个预测降雨量的值，i表示第j个预测降雨所在时间区间，avg(Pi)表示时间区间i实测降雨量的平均值，ai表示时间区间i的修订指数，f(Pi)表示时间区间i内降雨数目占据所有降雨数目的比例，errorj表示第j个实测降雨量和对应预测降雨量差值的绝对值，avg(error)表示降雨绝对误差；其中，0<ai<1。
2.如权利要求1所述的方法，其特征在于，所述基于所述历史实测降雨量和历史预测降雨量计算降雨绝对误差，包括：
基于每次历史降雨，计算实测降雨量和对应预测降雨量差值的绝对值；
基于所有历史降雨，计算所述绝对值的平均值，所述绝对值的平均值为降雨绝对误差。
3.如权利要求1所述的方法，其特征在于，所述基于预先建立的降雨预报指数校正模型，按照所述设定的时间区间对所述预测降雨量进行校正，包括：
将预测降雨量和预测降雨量所在时间区间代入降雨预报指数校正模型，根据所述降雨预报指数校正模型中的降雨预报指数校正公式对所述预测降雨量进行校正。
4.一种采用如权利要求1-3任一项所述的降雨预报指数校正方法的降雨预报指数校正***，其特征在于，包括：数据划分模块和降雨校正模块；
所述数据划分模块，用于将采集预测降雨量按设定的时间区间进行划分；
所述降雨校正模块，基于预先建立的降雨预报指数校正模型，按照所述设定的时间区间对所述预测降雨量进行校正；
所述降雨预报指数校正模型包括：基于时间区间的降雨预报指数校正公式。
5.如权利要求4所述的***，其特征在于，还包括用于建立降雨预报指数校正模型的建模模块，所述建模模块包括：统计单元、绝对误差单元和公式修正单元；
所述统计单元，用于基于历史实测降雨量，统计每个时间区间的平均历史实测降雨量以及所述时间区间降雨个数占总降雨个数的比例；
所述绝对误差单元，用于基于所述历史实测降雨量和历史预测降雨量计算降雨绝对误差；
所述公式修正单元，用于基于所述平均历史实测降雨量、比例和降雨绝对误差按所述时间区间修正所述的降雨预报指数校正公式。
6.如权利要求5所述的***，其特征在于，所述绝对误差单元包括：差值计算子单元和绝对误差子单元；
所述差值计算子单元，用于基于每次历史降雨，计算实测降雨量和对应预测降雨量差值的绝对值；
所述绝对误差子单元，用于基于所有历史降雨，计算所述绝对值的平均值，所述绝对值的平均值为降雨绝对误差。
7.如权利要求5所述的***，其特征在于，所述公式修正单元包括：修订指数子单元和公式修正子单元；
所述修订指数子单元，用于基于每个时间区间，根据平均历史实测降雨量、比例和降雨绝对误差，得到所述时间区间的***性误差，并将所述时间区间的***性误差与历史预测降雨量的和作为校正优化目标值代入降雨预报指数校正公式，计算所述时间区间的修订指数；
所述公式修正子单元，用于根据各时间区间的修订指数，修正每个时间区间的降雨预报指数校正公式。
CN201810668210.6A 2018-06-26 2018-06-26 一种降雨预报指数校正方法和*** Active CN110648007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810668210.6A CN110648007B (zh) 2018-06-26 2018-06-26 一种降雨预报指数校正方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810668210.6A CN110648007B (zh) 2018-06-26 2018-06-26 一种降雨预报指数校正方法和***

Publications (2)

Publication Number Publication Date
CN110648007A CN110648007A (zh) 2020-01-03
CN110648007B true CN110648007B (zh) 2022-10-04

Family

ID=68989055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810668210.6A Active CN110648007B (zh) 2018-06-26 2018-06-26 一种降雨预报指数校正方法和***

Country Status (1)

Country Link
CN (1) CN110648007B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598344A (zh) * 2020-05-19 2020-08-28 浙江职信通信科技有限公司 基于web gis的防汛资源调配方法及***
JP7170763B2 (ja) * 2021-02-18 2022-11-14 ソフトバンク株式会社 電磁波の減衰を予測する装置、方法及びプログラム
CN113484933B (zh) * 2021-07-21 2023-08-25 中煤科工集团西安研究院有限公司 一种矿用手持式测斜仪误差动态修正方法
CN113988466A (zh) * 2021-11-17 2022-01-28 广东电网有限责任公司广州供电局 一种预报降雨量数据的校正方法、装置及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289570A (zh) * 2011-07-23 2011-12-21 浙江大学 基于降雨-径流-洪水演进计算的洪水预报方法
CN106845771A (zh) * 2016-12-16 2017-06-13 中国水利水电科学研究院 一种基于前期雨量优选参数的洪水预报方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289570A (zh) * 2011-07-23 2011-12-21 浙江大学 基于降雨-径流-洪水演进计算的洪水预报方法
CN106845771A (zh) * 2016-12-16 2017-06-13 中国水利水电科学研究院 一种基于前期雨量优选参数的洪水预报方法

Also Published As

Publication number Publication date
CN110648007A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN110648007B (zh) 一种降雨预报指数校正方法和***
CN108491682B (zh) 降雨径流预报***
CN109815305B (zh) 一种无资料地区场次洪水径流过程反演的方法
CN109636032B (zh) 基于多模式集成的降水预报方法、***、终端及存储介质
JP3950928B2 (ja) 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム
CN111898303A (zh) 基于气象预报及水动力模拟的流域水位及内涝预报方法
US20150039228A1 (en) Ultra-short-term forecasting method including real-time monitoring of the effect of upper and lower courses
CN110555561A (zh) 一种中长期径流集合预报方法
CN102945508A (zh) 一种基于模型校正的风电功率预测预报***及方法
CN110543971B (zh) 一种卫星降雨与实测降雨误差分区融合校正的方法
CN114970377B (zh) 基于新安江与深度学习耦合模型的场次洪水预报方法和***
CN113762618B (zh) 一种基于多因子相似分析的湖泊水位预报方法
CN107748933B (zh) 气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法
CN106875047A (zh) 水库流域径流预报方法及***
CN107256437B (zh) 一种光伏电站超短期辐照度预测方法及***
CN113569201A (zh) 地磁Ap指数预报方法、装置及电子设备
CN110110339A (zh) 一种日前水文预报误差校正方法及***
CN114819374A (zh) 区域新能源超短期功率预测方法及***
CN112950436B (zh) 一种合流制管道溢流控制参数的计算方法及装置
CN108763829B (zh) 基于水动力相似的区域降雨模拟***降雨过程设计方法
CN109241212B (zh) 基于中尺度数值大气模式与高分辨率历史降雨反演方法
CN115858955A (zh) 水电站入库流量及发电量时序分析方法、装置及存储介质
CN117033888A (zh) 一种基于分割基流的流域汇流单位线推求方法
CN103033274A (zh) 一种日照温度概率密度的测定方法
CN116502739A (zh) 水库来水量的雨洪耦合预报方法、***及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant