水文信息化背景下的洪水预报混合建模.pdfVIP

168 第二届黄河国际论坛论文集 水文信息化背景下的洪水预报混合建模 DimitriP．SOLOMATINEl薛云鹏2 (1．联合国教科文组织IHE水教育学院，水文信息 及知识管理处，德尔伏特，荷兰； 2．黄河水利委员会) 摘要：洪水预报通常是基于某些方程的事件驱动模型或物理(过程)模型。这些方程用来描述 水体的特征。近来，基于大量数据的建模很普遍。在20世纪90年代，由于水文信息的发展 带来了测验和遥感工具的发展，基于大量数据的建模才成为可能。这种建模方法(数据驱动 建模)借鉴r许多计算机智能及相关领域的方法。混合建模指的是结合各种方法和不同类型 的模型进行建模。考虑到提高精度的需要，每个模型构件对应于一种特定的水文状况。本文 的问题是在建模过程中专家的参与。论文介绍了构建数据驱动和混合建模的一些方法及专 家参与建模的算法，并且介绍了中国、尼泊尔和意大利的洪水预报实例研究。 关键词：洪水预报水文信息数据驱动建模淮河 1前言 流量预报，特别是洪水预报中的水文信息化方法采用了建模法。模型可以 看做是为了描述或预测的需要而对实际情况的简化。模型构建包括系统研究、 问题提出、数据收集和准备、建模、模型测试、模型应用、结果分析，及可能的多次 重复。在工程上，模型通常具有这样一两种涵义： (1)建立实体模型，称为比尺模型或物理模型(通常比实际系统小)。 (2)基于描述某个现象或研究对象的习性(通常指物理的或首要的特性)的 数学模型。例如，基于Navier—Stokes方程的模型，该方程描述了特定环境下的 水体习性。它们常被称为程序、仿真技术或基于物理模型。 这些关于模型的观点已经被广为接受和流传。基于对过程数学描述的过程 模型已经得到广泛应用。通常，水资源管理和控制是基于对下垫面过程充分理 解，采用基于物理的仿真模型。 另一种建模法是基于对研究系统数据特点的分析，在对系统的物理特性所 知有限的情况下，在系统静态变量间(输入变量、内部变量和输出变量)的联系的 基础上定义的。统计模型如线性回归模型就采用了这一方法。这种模型可被称 169 为数据驱动模型，它和水文信息化的研究有关。 这种模型的普及有以下几条主要原因： (1)在过去10年中，由于信息通讯技术的发展，特别是水文信息化的发展， 河流管理者可以获得的数据大大增加。数据有不同的来源，包括与通迅网及数 据处理系统相连的自动测站，以及基于遥感的航空和卫星，等等。 (2)机器学习和计算机智能领域的重要成果使有效算法应用成为可能。迄 今虽然有几十种同样的技术，但是应用最广泛的是人工神经网络(ANN)。 (3)很多情况下，建立基于物理的模型比较困难(如缺少计算数据，收集资料 的成本高昂)，因此管理者在寻找可以替代的建模工具。 (4)数据驱动方法可以有效地弥补基于物理模型的不足。 2机器学习 机器学习是数据驱动建模方法的基础(见图1)。机器学习是根据已知资 料，预估系统输入和输出之间的映射或相关关系的一种算法(Mitchell，1997)。 通过数据我们可以了解由输入和相应输出组成的已知系统。掌握了系统的输入 和输出间这种相关性之后，可以根据已知的输入值预测或有效地推知未来的输 出。 臣i了习。羹萎鼍篓|_—r—些 一l倒l介厩网 I—lJ 17I薹型塑堂翌I L_一数据驱卜一V I竺竺竺卜1面 图1数据驱动模型构建中的机器学习 在洪水预报方面，以下的几种学习至关重要。 (1)分类，在已有分类的基础上，找出对新的实例分类的方法。 (2)聚类，标示出一组比较相近或一致的对象。 (3)数字预测(回归)，输出结果不是类，而是数值。 最古老的估计数据相关性的学科是统计学，以多元回归和分类法为其代 表。在20世纪60年代和70年代，开始出现