Forensic engineering framework for evaluating meteorological forecasting models applied to flood control

Masoumeh Zeinali

doi:10.1038/s41598-026-66479-0

Forensic engineering framework for evaluating meteorological forecasting models applied to flood control

2026-08-11

0

OA

AI

DOI：10.1038/s41598-026-66479-0

原文链接

查看原文

摘要

En 中文

精确的降水预报是洪水预测、水库调度和灾害风险降低的基础。然而，数值天气预报（NWP）模型中的系统性偏差往往会降低水文模拟的可靠性。本研究提出了一种法证工程框架，用于评估两种广泛使用的NWP模型（全球预报系统（GFS）和天气研究和预报（WRF）模型）在伊朗西南部卡克黑河流域洪水预报中的性能。支持向量回归（SVR）被用于改进降水预报，作为一种后处理偏差校正技术，校正后的预报随后被用作降雨-径流模型的输入，以重建2019年的洪水事件。原始和偏差校正后的降水数据集的预报性能使用统计性能指标进行评估，并通过2019年洪水的法证工程分析评估了它们对径流模拟的影响。本研究结果表明，基于SVR的偏差校正显著提高了GFS和WRF模型的预报精度，并显著改善了预测和观测径流量的吻合度。对第一和第二事件进行的偏差校正将WRF模型的径流预测误差分别减少了1.734、1.366和0.789亿立方米，GFS模型的径流预测误差分别减少了0.746、1.620和0.504亿立方米，对应1天、2天和3天的预报时间。这些改进导致了更可靠的径流估计和与观测径流量的更接近的吻合度。总体而言，提出的法证工程框架表明，将基于SVR的偏差校正与数值天气预报模型相结合，可显著提高降水和径流预报的精度。所提出的方法为洪水预报、水库调度和洪水风险管理提供了一个实用的决策支持框架，适用于经历极端水文事件的流域。

Forensic engineering framework for evaluating meteorological forecasting models applied to flood control

摘要

AI总结

期刊

机构

引用论文