[發明專利]河流區間動態洪峰分析預警方法、系統、設備及介質

在審

• 申請號: 202110408359.2
• 申請日: 2021-04-16
• 公開（公告）號: CN113379098A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 王康;張飛;張真;唐燕平;陳基海;羅雪平;廖劍鋒;宋文豪;周賜駿
• 申請（專利權）人: 水利部珠江水利委員會技術咨詢（廣州）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F17/18;G06F16/215;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 廣州博士科創知識產權代理有限公司 44663
• 代理人: 宋佳

1.一種河流區間動態洪峰分析預警方法，其特征在于，所述方法包括：

從預設數據庫獲取預設時間段內河流的多個歷史水位數據，及所述河流所屬區域的預設時間段內的多個歷史降雨量數據；

對所述多個歷史水位數據及所述多個歷史降雨量數據執行清洗操作，對執行清洗操作后的數據執行關聯操作得到樣本數據集，基于所述樣本數據集訓練預設模型得到水位分析預警模型；

基于水位分析預警模型預測得到所述河流在目標時間點的目標水位數據，將所述目標水位數據與預設報警水位進行對比得到比對結果，將所述比對結果反饋至預設終端。

2.如權利要求1所述的河流區間動態洪峰分析預警方法，其特征在于，所述歷史降雨量數據包括歷史第一降雨量數據及歷史第一降雨量數據，所述對執行清洗操作后的數據執行關聯操作得到樣本數據集包括：

將執行清洗操作后的各歷史水位數據對應時間的第一降雨量數據及第二降雨量數據根據時間順序依次拼接，得到多個時間序列樣本數據，將所述多個時間序列樣本數據作為所述樣本數據集，其中，所述清洗操作包括：偏差數據檢測、缺失值處理以及噪聲數據光滑處理。

3.如權利要求1所述的河流區間動態洪峰分析預警方法，其特征在于，所述預設模型包括神經網絡模型，所述基于所述樣本數據集訓練預設模型得到水位分析預警模型包括：

設定神經網絡模型的初始參數，根據第一計算規則計算出該神經網絡模型的隱含層節點數量的取值范圍，根據第二計算規則及所述樣本數據集，分別計算所述隱含層節點數量等于所述取值范圍中各取值時的神經網絡模型的學習誤差，將學習誤差取值最小時確定的神經網絡模型作為水位分析預警模型。

4.如權利要求1所述的河流區間動態洪峰分析預警方法，其特征在于，所述方法還包括：

判斷所述目標時間點是否大于預設時間點，當判斷所述目標時間點大于預設時間點時，利用回歸分析算法對所述多個歷史水位數據及所述多個歷史降雨量數據進行預測得到預測值，并將該預測值作為所述目標水位數據。

5.如權利要求1所述的河流區間動態洪峰分析預警方法，其特征在于，將所述目標水位數據與預設報警水位進行對比得到比對結果，將所述比對結果反饋至預設終端包括：

當所述目標水位數據小于或等于第一預設警報水位時，向預設終端反饋第一預警信息；

當所述目標水位數據大于或等于第二預設警報水位時，向預設終端反饋第二預警信息。

6.一種河流區間動態洪峰分析預警系統，其特征在于，所述系統包括：

獲取模塊：用于從預設數據庫獲取預設時間段內河流的多個歷史水位數據，及所述河流所屬區域的預設時間段內的多個歷史降雨量數據；

訓練模塊：用于對所述多個歷史水位數據及所述多個歷史降雨量數據執行清洗操作，對執行清洗操作后的數據執行關聯操作得到樣本數據集，基于所述樣本數據集訓練預設模型得到水位分析預警模型；

預警模塊：用于基于水位分析預警模型預測得到所述河流在目標時間點的目標水位數據，將所述目標水位數據與預設報警水位進行對比得到比對結果，將所述比對結果反饋至預設終端。

7.一種電子設備，其特征在于，所述電子設備包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的程序，所述程序被所述至少一個處理器執行，以使所述至少一個處理器執行如下步驟：

從預設數據庫獲取預設時間段內河流的多個歷史水位數據，及所述河流所屬區域的預設時間段內的多個歷史降雨量數據；

對所述多個歷史水位數據及所述多個歷史降雨量數據執行清洗操作，對執行清洗操作后的數據執行關聯操作得到樣本數據集，基于所述樣本數據集訓練預設模型得到水位分析預警模型；

基于水位分析預警模型預測得到所述河流在目標時間點的目標水位數據，將所述目標水位數據與預設報警水位進行對比得到比對結果，將所述比對結果反饋至預設終端。