长江流域月和季节降水一致性预测的时间层次调和OA

一致的多时间尺度降水预测是水资源系统科学管理的基础。针对传统分尺度独立预测方法缺乏跨尺度一致性约束,采用长短期记忆网络模型分别结合3种不同的时间层次调和(temporal hierarchical reconciliation,THR)方法,即普通最小二乘法(ordinary least squares,OLS)、基于序列方差缩放的加权最小二乘法(series variance scaling-based weighted least squares,WLS_(V))和基于结构缩放的加权最小二乘法(structural scaling-based weighted least squares,WLS_(S)),对长江流域189个站点的月和季节降水进行调和预测。结果表明:1)THR方法实现了跨尺度预测的一致性,且流域降水预测的平均精度较调和前均有提升,其中WLS_(S)提升最为显著;2)3种THR方法的性能存在尺度差异,WLS_(S)在月降水预测中优势明显,调和后约77%站点的精度得到提升,OLS和WLS_(V)在季节降水预测中更具优势,尤其是WLS_(V),调和后约81%站点的精度得到提升;3)基准预测显著不一致的站点调和后精度提升更突出,不一致性指标大于0.25的站点经WLS_(S)调和后,月和季节预测的平均纳什效率系数(相对绝对误差)值分别提升(下降)了6.05%(2.49%)和7.83%(10.79%)。