基于IGMM-Copula的入库径流过程预报误差随机模拟模型

为揭示入库径流过程预报误差的统计特征及其变化规律,进而为水电站水库优化调度提供更为准确的输入,基于AIC与BIC准则选取最优高斯混合数,同时引入K-means++算法确定高斯混合模型(Gaussian Mixture Model,GMM)的初始参数值,对GMM-Copula模型中的GMM部分进行了改进,建立了基于IGMM-Copula的入库径流过程预报误差随机模拟模型,该模型不仅在单一预见时刻径流预报误差的量化估计上更具优势,而且能通过建立误差的多维联合分布函数实现对误差序列的随机模拟。以锦屏一级水电站水库为例,应用IGMM-Copula模型对预见时刻为6 h、12 h、18 h、24 h的径流预报误差进行随机模拟。结果表明,IGMM-Copula所得拟合曲线的图形效果及适用性检验结果均优于GMM-Copula模型,且其模拟预报误差的统计参数更贴近于实测预报误差,验证了其合理性与可行性,为入库径流过程预报误差的估计与模拟提供了一种更为精确有效的方法。