[發(fā)明專利]基于支持向量回歸的分層水庫取水下泄水溫預測模型及預測方法

有效

• 申請?zhí)枺?/td>: 202110236340.4
• 申請日: 2021-03-03
• 公開（公告）號: CN113033618B
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計）人: 脫友才;樊皓;徐火清;盧永澳;嚴忠鑾;鄧云;惠軍;梁乃生;李斐;楊顏菁;盧晶瑩;孫干;楊小倩
• 申請（專利權(quán)）人: 四川大學;長江水資源保護科學研究所;中國三峽建設(shè)管理有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/18;G06F17/16;G06Q10/04;G06Q50/06
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 李蜜

本發(fā)明公開了一種基于支持向量回歸的分層水庫取水下泄水溫預測模型及預測方法，首先對入庫水溫、水庫水位、疊梁門高程、入庫流量、出流流量、氣溫、溫度鏈垂向水溫分布等進行主成分分析，再以總貢獻率大于99％的主成分作為輸入特征向量，通過訓練好的支持向量回歸模型預測下泄水溫。本發(fā)明綜合考慮了入庫水溫、水庫水溫分布、入庫流量、出流流量、水庫水位、氣溫和疊梁門高程對下泄水溫的影響，及各影響因素的相互作用，對數(shù)據(jù)進行降維，再基于支持向量回歸方法，實現(xiàn)對下泄水溫的準確預測。本發(fā)明不受地域限制，可在水庫水溫管理、水庫下游生態(tài)環(huán)境保護等方面進行，為水庫運行調(diào)度方案提供技術(shù)支持，同時也可以進行可視化操作，具有較好的應用前景。

技術(shù)領(lǐng)域

本發(fā)明屬于水庫水資源管理技術(shù)領(lǐng)域，涉及分層水庫下泄水溫研究，尤其涉及一種機器學習算法的分層水庫取水下泄水溫預測技術(shù)。

背景技術(shù)

筑壩建庫是開發(fā)利用水資源中常見的工程措施。水庫蓄水不僅對天然河道流量具有調(diào)節(jié)作用，而且還對庫內(nèi)的熱量起到了調(diào)節(jié)作用。

由于水庫水體的熱量來源主要包括太陽輻射和溫暖來流的影響，太陽輻射不能到達水體的深處，因此表層水溫高、密度小，加之庫區(qū)水體流動能力弱，垂向水體交換能力不足，下層水體水溫低、密度大，從而引起水庫水溫垂向分層。庫區(qū)水溫垂向分層直接導致了下泄水溫的不穩(wěn)定，而下游水溫直接影響河道的水生生物生長和繁殖，對河流水質(zhì)、工農(nóng)業(yè)生產(chǎn)以及生態(tài)平衡有重要影響。因此，水庫庫區(qū)的水溫分布規(guī)律以及下泄水溫一直是學者關(guān)注的焦點問題。

目前，庫區(qū)水溫分布預測方法主要可以分為兩種：經(jīng)驗法和數(shù)學模型法。研究者已針對多項工程實例開展了水溫預測的研究。而根據(jù)研究者針對工程實例的原型觀測，發(fā)現(xiàn)下泄水溫受庫區(qū)水位、垂向水溫分布、疊梁門高程、疊梁門層數(shù)、機組運行個數(shù)等多種要素影響，而各影響要素間存在復雜的相互影響關(guān)系，現(xiàn)有的下泄水溫預測方法很難滿足利用水庫調(diào)度運行對下泄水溫高精度預測的需要。

發(fā)明內(nèi)容

針對現(xiàn)有分層水庫下泄水溫預測方法難以做到實時且精確的技術(shù)現(xiàn)狀，本發(fā)明的目的旨在提供一種基于支持向量回歸的分層水庫取水下泄水溫預測模型及其構(gòu)建方法，基于支持向量回歸，得到下泄水溫與對其產(chǎn)生影響的要素(包括但不限于入庫水溫、進水口前垂向水溫分布、入庫流量、出流流量、水庫水位、氣溫和疊梁門高程)之間的關(guān)系，進而能夠?qū)崿F(xiàn)對不同工況下取水下泄水溫的快速預測，從而為水庫的運行調(diào)度提供技術(shù)支持，有利于水庫水溫管理各水庫下游生態(tài)保護。

本發(fā)明另一個目的旨在提供一種基于所述預測模型的分層水庫取水下泄水溫預測方法，實現(xiàn)對水庫下泄水溫快速、準確的預測。

本發(fā)明的發(fā)明思路為，首先對入庫水溫、水庫水位、疊梁門高程、入庫流量、出流流量、氣溫、進水口前溫度鏈垂向水溫分布等進行主成分分析，再以總貢獻率大于99％的主成分作為輸入特征向量，通過訓練好的支持向量回歸模型預測下泄水溫。

基于上述發(fā)明思路，本發(fā)明提供了一種基于支持向量回歸的分層水庫取水下泄水溫預測模型構(gòu)建方法，其包括以下步驟：

S1獲取給定時間段內(nèi)的監(jiān)測數(shù)據(jù)，所述監(jiān)測數(shù)據(jù)包括入庫水溫、水庫水位、疊梁門高程、入庫流量、出流流量、氣溫、進水口前溫度鏈垂向水溫分布以及取水下泄水溫；

S2構(gòu)建數(shù)據(jù)集，以給定時間段內(nèi)監(jiān)測數(shù)據(jù)中取水下泄水溫作為標簽值，其余數(shù)據(jù)作為特征變量構(gòu)建數(shù)據(jù)集，并將數(shù)據(jù)集劃分為訓練集和測試集；

S3數(shù)據(jù)預處理，分別對訓練集和測試集數(shù)據(jù)進行無量綱化處理；

S4主成分分析，分別對訓練集和測試集中預處理后的特征變量進行主成分分析，并以總貢獻率大于99％的前M個主成分作為輸入特征向量，重構(gòu)訓練集和測試集數(shù)據(jù)；