Page 133 - 2024年第55卷第12期

的预报精度，但对枯水期低流量的预报精度不足。可能原因是，洪水的产生与量级主要由降水决定，
当降水数据可靠时，高流量的模拟和预报往往能取得较为满意的结果。而在枯水期，基流是河道径流
的主要来源，其产汇流过程更为复杂，入渗、地下水补给和出流等水文过程尤为重要，且土壤水等数
据的不确定性会带来较大误差。在枯水期，土壤水、地下水相关模块和参数带来的误差传递更为缓慢
和显著，导致径流误差自相关性更高，因此应用 ＡＲ模型能显著提升枯水期低流量的预报效果。总的
来说，本研究提出的将气象预报、水文建模和误差校正相结合的系统预报方法在高寒山区具有良好的
适用性，径流预报精度高于同区域的相关研究 ［８，３３］ 。
本研究还存在以下不足。从候尺度到月尺度，随着预见期变长，低枯流量模拟合格率和预报合格
率均有下降，该现象也在先前研究中出现 ［１，１０］ 。可能原因是随着预见期变长，模型预报误差增加，径
流序列数据之间的关联性降低 ［１０］ 。基于模拟误差的自回归技术是对预报模型简单、直接的修正，仅依
赖于长期的数据资料对结果进行校正，对水文过程考虑不足。可采用系统微分响应方法对水文模型的
输入、状态变量、参数进行修正 ［３４ － ３５］ ，在不损失预见期的前提下实现校正模型与预报模型更为紧密的
结合。ＡＲ模型要求时间序列必须是非白噪声、平稳的，对于不平稳的时间序列应用 ＡＲ模型，可能会
出现 “伪回归” 现象，可以用基于协整理论的误差修正模型 ［１５］ 、经验模态分解法 ［９］ 等方法进行平稳
化预处理。对于模拟误差的异方差特性，以及径流的季节性、长记忆性和时变波动性等特点，可采用
改进的自回归模型加以校正，如 ＡＲ － ＧＡＲＣＨ模型 ［１２］ 和 ＷＡＯ － ＳＦＩＤＡＲ模型 ［３６］ 。对于观测数据中的随
机干扰噪声，可采用 Ｋａｌｍａｎ滤波进行剔除 ［３７］ 。此外，本流域径流主要来自降水，部分为融雪补给，
降水数据的不确定性对预报精度影响较大。采用数值模式预报的降水作为输入，预报精度有所下降，
可能原因是预报的降水峰值和年内分布存在一定的误差。可见，提高降水预报的准确性是径流精准预
报的关键。
５．２ 结论 本文针对长江上游流域水文过程的特点，提出将分布式水文模型 ＧＢＥＨＭ和 ＡＲ误差校正
相结合，并耦合气象预报信息的低枯流量预报方法。该方法被应用于石鼓水文站以上流域，实现了
候、旬、月尺度的高精度低枯流量预报。该方法既充分考虑了高寒山区的产汇流特点，又修正了分布
式水文模型因模型结构、参数率定和初始条件等因素带来的系统误差，显著提高了不同预见期的预报
精度，具有良好的应用前景。主要结论如下：
（ １）ＧＢＥＨＭ 模型能较好地模拟全年的径流过程，率定期和验证期的 ＮＳＥ分别 为 ０．９４和 ０．９１，
ＷＢＥ分别为 ０．９８％和 ３．９％，但枯水期的径流模拟结果较观测值明显偏低，模拟合格率不足 ８５％。
（２）ＡＲ误差校正方法能显著提升不同时间尺度的低枯流量模拟和预报的合格率，以候尺度的提升
效果最为明显。枯水期候、旬、月尺度的模拟合格率在率定期分别从 ６７％、６５％和 ６９％提升至 ９６％、
９２％和 ８７％，验证期分别从 ８２％、８１％和 ７７％提升至 ９６％、９２％和 ８１％。
（３）以预报降水为输入，ＡＲ误差校正后，枯水期候、旬、月尺度的径流预报合格率分别为 ９１％、
８４％和 ６８％，严重干旱期候、旬、月尺度的径流预报合格率分别为 ９７％、８３％和 ８３％，枯水期和严重
干旱期较正后较校正前分别最大提升了 １４％和 ３０％。

参 考 文 献：

［ １］ 周俸嘉，杨汉波，董宁澎．结合退水曲线和长短期记忆网络的中长期低流量预报［Ｊ］．水利水电技术（中英
文），２０２４，５５（９）：９９ － １０７．
［ ２］ ＬＩＵＭ Ｙ，ＹＩＮＹＸ，ＷＡＮＧＸＪ，ｅｔａｌ．Ｍｏｒｅｆｒｅｑｕｅｎｔ，ｌｏｎｇ － ｌａｓｔｉｎｇ，ｅｘｔｒｅｍｅａｎｄｐｏｓｔｐｏｎｅｄｃｏｍｐｏｕｎｄｄｒｏｕｇｈｔ
ａｎｄｈｏｔｅｖｅｎｔｓｉｎｅａｓｔｅｒｎＣｈｉｎａ ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０２２，６１４：１２８４９９．
［ ３］ 蓝羽栖，张尹，农振昌，等．基于 统 计 模 型 的 西 江 枯 季 中 长 期 径 流 预 报 研 究 ［Ｊ］．人 民 珠 江，２０２２，４３
（１２）：５５ － ６０．
［ ４］ ＨＡＮＤＹ，ＬＩＵＰ，ＸＩＥＫ，ｅｔａｌ．Ａｎａｔｔｅｎｔｉｏｎ － ｂａｓｅｄＬＳＴＭ ｍｏｄｅｌｆｏｒｌｏｎｇ － ｔｅｒｍｒｕｎｏｆｆｆｏｒｅｃａｓｔｉｎｇａｎｄｆａｃｔｏｒｒｅｃ
ｏｇｎｉｔｉｏｎ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２０２３，１８（２）：０２４００４．
［ ５］ ＨＥＹＦ，ＹＡＮＧＨＢ，ＬＩＵＺＷ，ｅｔａｌ．Ａｆｒａｍｅｗｏｒｋｆｏｒａｔｔｒｉｂｕｔｉｎｇｒｕｎｏｆｆｃｈａｎｇｅｓｂａｓｅｄｏｎａｍｏｎｔｈｌｙｗａｔｅｒｂａｌ

５
— １ ４ ５ —