Page 80 - 2023年第54卷第11期

图 ７ ＡＲＭＡ校正后的 ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ径流预报结果

经 ＡＲＭＡ模型校正后，在 １ｈ预见期，耦合系统能准确预报出所有径流过程的发展趋势，ＮＳＥ在
０．８５～０．９８之间。３ｈ预见期的预报径流比较稳定，平均 ＮＳＥ为 ０．６４，但 ３ｈ预见期后的 ＮＳＥ开始出现
较明显的下降。除预见期外，ＡＲＭＡ的实时校正效果与校正前的径流预报结果也有一定关系。例如，
校正后场次 １在 ３ｈ预见期的径流预报 ＮＳＥ为 ０．８９，１２ｈ预见期的径流预报 ＮＳＥ仍能达到 ０．５６，实时
校正结果十分理想。对比之下场次 ３的预报结果和校正效果则相对较差，预报精度衰减速度也相对较
快。校正前，场次 １的径流预报 ＮＳＥ为 ０．８５，洪峰误差为 ５．１５％，场次 ３的 ＮＳＥ为 ０．３９，洪峰误差为
－ ２５．４３％。由于校正前场次 ３的径流预报精度较低，ＡＲＭＡ作为误差序列的实时校正模型，是根据以
往的历史径流误差和扰动来推测未来时刻的误差值，所以当误差序列相关性较差时，误差校正效果也
不明显。
４．４ 实时校正结果对比 将 ＬＳＴＭ与 ＡＲＭＡ模型校正下的耦合系统径流预报结果进行深度对比，进一
步分析 ＬＳＴＭ对 ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ陆气耦合系统的径流预报改进效果。图 ８给出了校正前后 ６场典型
雨洪过程不同预见期的 ＮＳＥ指标变化情况。
由图 ８可以看出，与校正前的径流预报结果相比，实时校正模型使预报径流的精度明显提高。根
据不同预见期与 １ｈ预见期的 ＮＳＥ指标变化百分比计算预报径流的 ＮＳＥ指标衰减速度，可以发现，
ＬＳＴＭ校正下耦合系统预报径流的衰减速度明显慢于 ＡＲＭＡ模型。例如，场次 １在 ＬＳＴＭ模型校正下，
６ｈ预见期径流预报的衰减速度为 ５．１０％，１２ｈ预见期的衰减速度为 １０．２０％，而 ＡＲＭＡ模型校正下
６ｈ预见期的衰减速度为 １８．３７％，１２ｈ预见期的衰减速度为 ４２．８６％。除场次 ３以外，其他场次的径流
预报都显示了相似的衰减规律。这与校正前耦合系统的径流预报结果有关，误差序列之间的相关性越
强，径流误差的校正效果则更为显著。

４
— １ ３ ２ —