[發明專利]基于多水文站聯動學習的河道水位流量關系確定方法

有效

• 申請號: 202010218108.3
• 申請日: 2020-03-25
• 公開（公告）號: CN111461192B
• 公開（公告）日: 2021-04-27
• 發明（設計）人: 成波;李志軍;李紅清;楊夢斐;楊寅群;曾麗虹;蔡金州;王俊洲
• 申請（專利權）人: 長江水資源保護科學研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 武漢華強專利代理事務所(普通合伙) 42237
• 代理人: 溫珊姍

本發明公開了基于多水文站聯動學習的河道水位流量關系確定方法，該方法包括：步驟1，收集河道所在流域上下游各水文站的流量和水位觀測數據，以及各水文站所在斷面的影響因子，構建樣本集；步驟2，利用樣本集對神經網絡模型進行訓練；步驟3，將河道目標斷面的影響因子輸入訓練后的神經網絡模型，獲得河道目標斷面所對應的參數對A和B，利用水位流量關系公式構建河道目標斷面的水位流量關系。在無河道目標斷面實測觀測資料的前提下，本發明實現了目標河道斷面水位流量關系的高效確定。

技術領域

本發明涉及水文測量技術領域，具體是基于多水文站聯動學習的河道水位流量關系確定方法。

背景技術

河道內的流量測量工作是洪水實時預報、防洪調度研究中的重要內容，因此如何迅速、準確地測得河流流量至關重要。實際水文測量時，直接對河道進行流量測量的工作繁重，并且耗時長、成本高，具有很大局限性。相比之下，水位數據測量則簡單易行，可以連續進行觀讀。若能建立河道流量和水位之間的關系，則可根據斷面水位得到流量數據，大大提高測流的效率，這具有重要的理論意義和實踐價值。

水位流量關系是用來描述河道中某一斷面的水位與通過該斷面的流量之間的關系。水位流量關系主要受河道的幾何尺寸、糙率和水面比降等因子影響^[1]。目前水位流量關系的構建主要采用公式Q＝AH^B來進行函數擬合^[2,3]，其中，H為水位，Q為流量，A和B為水位流量關系曲線的兩個參數。該擬合方法根據斷面實測的水位和流量觀測資料，通過最小二乘法求解模型參數A和B。

現有的水位流量關系擬合方法針對的是有觀測資料的河道，需要歷史的流量水位觀測數據。但目前流量水文站分布很少，絕大多數河道沒有流量觀測資料，現有方法難以構建流量水位關系，從而無法供水文計算或水文預報分析使用。

文中涉及的參考文獻如下：

[1]晏志偉,潘卉,喬玲玲,李遜.利用斷面資料推求單一水位流量關系線的探討[J].水文,2015,35(1):73-76.

[2]李守軍,高磊,徐立中,于紅.水位流量曲線BP神經網絡逼近與多項式擬合對比[J].水電自動化與大壩監測,2009,33(1):5-9.

[3]吳鵬飛,王猛.基于多斷面水位-流量法的渠道流量測量技術[J].測控技術,2019,38(3):92-96.

發明內容

針對現有技術存在的不足，本發明提供了基于多水文站聯動學習的河道水位流量關系確定方法，該方法無需實測觀測數據，即可確定河道水位流量關系。

為解決上述技術問題，本發明采用如下技術方案：

一種基于多水文站聯動學習的河道水位流量關系確定方法，包括步驟：

步驟1，構建樣本集，具體為：

收集河道所在流域上下游各水文站的流量和水位觀測數據，基于觀測數據，利用水位流量關系公式計算各水文站所在斷面水位流量關系所對應的參數對A和B，將所計算的參數對作為輸出集；

收集各水文站所在斷面的影響因子，所述影響因子包括幾何尺寸、糙率和水面比降，將所收集的影響因子作為輸入集；

輸出集和輸入集構成樣本集；

步驟2，利用樣本集對神經網絡模型進行訓練；

步驟3，將河道目標斷面的影響因子輸入訓練后的神經網絡模型，獲得河道目標斷面所對應的參數對A和B，利用水位流量關系公式構建河道目標斷面的水位流量關系。

進一步的，對神經網絡模型的訓練包括進行輸入層到隱含層變換以及隱含層到輸出層變換的訓練；