实时洪水预报误差多断面联合校正方法OA

实时校正是提高河道洪水预报精度的重要方法。针对终端校正方法难以描述误差空间传递、传统自回归方法回归系数不稳定等问题,本文提出一种耦合自适应岭回归与马斯京根矩阵方程的多断面联合校正方法(RRAR-Mafa),对马斯京根矩阵方程进行改进,推导出适用于任意拓扑结构河网的误差空间传递方程,并耦合岭回归方法,搭建一个考虑时间、空间双维度的通用校正框架,在淮河中游河段实例验证。结果表明:洪峰流量相对误差绝对值均值由校正前的21.56%下降到3.84%,纳什效率系数均值由校正前的0.67提高到0.98,原始预报结果精度越差,校正效果越显著;RRAR-Mafa方法可以实现多步长连续校正,校正效果优于自回归(AR)模型与岭回归(RRAR)模型,且8场洪水平均效果10步之内仍然有效,其中5场洪水校正效果较好。本研究为复杂河系洪水预报误差校正提供了一种通用的解决方案,可有效提升洪水预报精度,延长校正预见期。