[發(fā)明專利]一種基于深度學習的山洪預警方法

有效

• 申請?zhí)枺?/td>: 201910846384.1
• 申請日: 2019-09-09
• 公開（公告）號: CN110459036B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設計）人: 陳曜;畢瑤;黎小東;譚小平;劉雙美;羅茂盛
• 申請（專利權）人: 四川省水利科學研究院
• 主分類號: G08B21/10
• 分類號: G08B21/10;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 濰坊中潤泰專利代理事務所(普通合伙) 37266
• 代理人: 田友亮

1.一種基于深度學習的山洪預警方法，包括以下幾個步驟：

S1：確定預警對象：在GIS地圖上勾繪出預警區(qū)域所在流域，確定流域內的山洪預警區(qū)及其預設的預警雨量或水位、布設的雨量和水位監(jiān)測站點；

S2：收集整編數據：收集預警區(qū)內雨量、水位站和區(qū)域蒸發(fā)量監(jiān)測站、縣域氣象預警的歷史資料，計算流域匯流時間，所述流域匯流時間計算方法為推理公式計算或泰森多邊形法計算或前述兩者綜合確定；

其中，所述推理公式計算方法為：選擇流域水位控制站歷史時段內典型洪水過程，通過推理公式計算，計算公式如下：

式中L為流域分水線到控制站的距離，Q為控制站典型洪峰流量，J為流域平均比降，m為經驗匯流系數；

其中，所述泰森多邊形法計算方法為：將流域面降雨量與流域水位站匯于一根時間軸上，形成面降雨量與流域控制站流量時序圖，采用次洪水分割法得到匯流時間；

S3：監(jiān)測站互相關性分析：將監(jiān)測點按降雨和水位或流量分類，按照互相關系數公式分別計算某一站點同其同類站點的互相關系數，當兩站實測數據無法獲取或與相關站測值差異超出歷史系列最大差值N1倍時，通過實測數據代替公式計算成果代替實測值；

其中所述互相關系數公式計算方法如下：設站點序列分別為和{y_t|,t＝1,2,…,n}，構造它們的互相關系數為：

所述實測數據代替公式如下：

式中A為監(jiān)測站控制的流域面積，雨量站是泰森多邊形切割出的面積，水位站是控制流域面積；為x樣本均值，為y樣本均值；

S4：降雨量預警：建立具有LTSM功能的RNN雨量預報模型，采用集成降雨預報計算得出進行山洪降雨預警預報；

所述集成降雨預報計算得出進行山洪降雨預警預報的方法如下：

S4-1，通過預報評價公式計算預報精度評價指標，

所述預報評價公式為：

式中，E為評價精度，m為預報值與實測值在同一區(qū)間次數，n為預報總次數；

S4-2，確定輸入層和輸出層數據：

輸入層包括四個因子，分別是：t時刻站點實時觀測值、專業(yè)氣象公司對站點t+i時刻預報值、t+i時刻省級氣象部門網格預報折算至站點的預報值和地方氣象部門t時刻發(fā)布的暴雨預警值；

輸出層為t+i時刻站點的實測值；

所述地方氣象部門t時刻發(fā)布的暴雨預警值取值分別為：不發(fā)布0，藍色預警為1，黃色為2，橙色為3，紅色為4；

S4-3，建立具有LTSM功能的RNN雨量預報模型；

所述建立具有LTSM功能的RNN雨量預報模型方法如下：

構建具有LTSM功能的RNN模型，所述RNN模型包括輸入層和隱藏層，計算公式如下：

o_t+1＝V·s_t+1+b_o，

s_t+1＝f(U·x_t+1+W·s_t+b_s)，

o_t+1＝V·s_t+1+b_o，

上式中，U為輸入層到隱含層連接權值，V為隱含層到輸出層連接權值，W上一隱含層到當前隱含層的連接權值，x_t為輸入層數據，S_t隱含層計算輸出數據，o_t輸出層計算輸出數據，b_s為隱藏層偏置數，b_o為輸出層偏置數，f()為激勵函數；

其中，所述RNN的隱藏層包括對短期輸入敏感的短期狀態(tài)s和保存長期狀態(tài)的結構c，所述結構c保存的長期狀態(tài)為單元狀態(tài)，所述結構c中包括控制單元狀態(tài)的遺忘門、輸入門和輸出門，

其中，

所述遺忘門決定上一時刻的單元狀態(tài)有多少保留到當前時刻ct；

所述輸入門決定當前時刻網絡的輸入和有多少保存到單元狀態(tài)；

所述輸出門控制單元狀態(tài)有多少輸出到當前LSTM的隱藏層值；

計算公式如下：

f_t＝σ(W_t·[h_t-1,x_t]+b_f)，

i_t＝σ(W_i·[h_t-1,x_t]+b_i)，

o_t＝σ(W_o·[h_t-1,x_t]+b_o)，

h_t＝o_t·tanh(c_t)，

上述公式中，f_t表示遺忘門，i_t表示輸入門，c_t表示t時刻單元狀態(tài)，o_t表示輸出門，W表示權重，b表示偏置，h_t表示t時刻的輸出，σ為激活函數，tanh表示雙曲正切激活函數；

所述隱藏層包括二層隱藏層，所述二層隱藏層分別為第一隱藏層和第二隱藏層，其中第一隱藏層采用于輸入層相同單元數，第二隱藏層采用輸入因子數一半作為隱藏單元數來進行計算；

S4-4，訓練和驗證：將收集整理的歷史實測降雨和預報數據分成訓練集和驗證集，使用訓練集訓練出模型參數，以驗證集驗證計算預報精度；

S4-5，實時數據計算：使用實時數據代入上述計算模型，進行山洪降雨預警預報；

S5：水位/流量預警：建立具有LTSM功能的RNN水位預報模型，使用實時數據代入模型進行計算，實現進行山洪水位預警預報。