第3章　基于数据挖掘技术的洪水预报模型

3.1　引言

洪水预报是水库实时防洪调度的基础,其预报精度的可靠性是实施洪水实时调度的关键,因此洪水预报模型的研究有着重要实际意义。现代洪水预报主要是依据前期的水情、雨情等水文气象要素,对洪水过程进行定量、定时预报。目前洪水预报的模型大体可以分为物理模型、黑箱模型和概念模型,物理模型虽然可以做到较高的精度,但是需要大量的测验资料和对洪水形成的物理过程有深入的了解;黑箱模型灵活简便,但依赖于历史数据,必须通过数据挖掘获得信息才能得出较好的结果;概念模型有一定的物理基础,精度较高,且需要的变量少于物理模型,但需要借助概念性元素或基于经验函数。总之,目前还没有通用的洪水预报模型,并且有限的资料不足以全面反映流域产汇流基本规律,洪水预报模型的研究有待深入。洪水模型可遵循以下原则。

(1)提高模拟预报精度的原则。洪水预报模型的精度希望达到规范规定的甲级水平,但在难以获取完备的流域相关产、汇流参数及其他物理参数短缺的条件下,应用物理模型或概念模型很难得到满意的结果。如果能较好地挖掘流域降水与径流的相关关系,利用区域当地降水、径流、前期土壤含水量的信息建立P—Pa—R模型可以得出较满意的预测。为能够从历史数据中获取更多、更准确的信息,需借助现代数据挖掘技术和智能算法,目前有多种信息处理的方法,如模糊集、粗糙集、神经网络、混沌理论等。各种方法各有优缺点、需结合实际选用合适方法。

(2)满足精度要求的前提下,尽量使用针对本流域的预报模型的原则。大量研究表明,基于本流域实际情况建立的预报模型效果优于利用其他流域模型的计算,如在汇流预报中采用本流域经验单位线法计算结果可优于采用新安江模型或其他流域模型的计算。

本章基于上述原则,将遗传程序设计、信息扩散近似推理这两种现代数据挖掘技术引入到洪水预报问题的研究中,借助数据挖掘技术建立起不同土壤前期含水量条件下的降水与径流的关系模型,在此基础上完善降雨、径流相关图(关系),并利用信息扩散技术修正流域经验单位线,对流域的洪水过程进行预报。