[發(fā)明專利]一種基于反演數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)融合的水文預(yù)報(bào)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110690907.5
• 申請(qǐng)日: 2021-06-22
• 公開(kāi)（公告）號(hào): CN113420808A
• 公開(kāi)（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 張善亮
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司;浙江大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/00;G06N3/04;G06N3/08;G01W1/10;G01W1/14
• 代理公司: 深圳市創(chuàng)富知識(shí)產(chǎn)權(quán)代理有限公司 44367
• 代理人: 高冰

本發(fā)明公開(kāi)了一種基于反演數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)融合的水文預(yù)報(bào)方法及系統(tǒng)，該方法包括：采集實(shí)測(cè)數(shù)據(jù)并根據(jù)實(shí)測(cè)數(shù)據(jù)構(gòu)建MIKE?SHE水文模型；基于MIKE?SHE水文模型得到反演數(shù)據(jù)；將實(shí)測(cè)數(shù)據(jù)和反演數(shù)據(jù)融合，得到融合數(shù)據(jù)；基于融合數(shù)據(jù)構(gòu)建多個(gè)機(jī)器學(xué)習(xí)模型；基于綜合評(píng)價(jià)法對(duì)各機(jī)器學(xué)習(xí)模型賦權(quán)，開(kāi)展實(shí)時(shí)組合水文預(yù)報(bào)。該系統(tǒng)包括：水文模型構(gòu)建模塊、數(shù)據(jù)反演模塊、數(shù)據(jù)融合模塊、多機(jī)器學(xué)習(xí)模塊構(gòu)建模塊和預(yù)報(bào)模塊。通過(guò)使用本發(fā)明，能夠提高水文預(yù)報(bào)精度。本發(fā)明作為一種基于反演數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)融合的水文預(yù)報(bào)方法及系統(tǒng)，可廣泛應(yīng)用于組合水文預(yù)報(bào)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及組合水文預(yù)報(bào)領(lǐng)域，尤其涉及一種基于反演數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)融合的水文預(yù)報(bào)方法及系統(tǒng)。

背景技術(shù)

水文預(yù)報(bào)是指根據(jù)前期或現(xiàn)時(shí)的水文氣象資料，對(duì)某一水體、地區(qū)或者水文站在未來(lái)一定時(shí)間內(nèi)的水文情況做出定性或者定量的預(yù)測(cè)，按照預(yù)報(bào)時(shí)間的長(zhǎng)短，可以劃分為實(shí)時(shí)、短期、中期和長(zhǎng)期水文預(yù)報(bào)，對(duì)實(shí)際生產(chǎn)生活中的流域旱澇災(zāi)害防治、水資源科學(xué)分配等問(wèn)題提供重要決策支撐。在全球氣候變化和人類活動(dòng)的雙重影響下，水文過(guò)程受到的不確定性因素加大，導(dǎo)致開(kāi)展準(zhǔn)確水文預(yù)報(bào)的難度急劇增大，利用傳統(tǒng)的單一水文模型難以實(shí)現(xiàn)現(xiàn)有水文預(yù)報(bào)相關(guān)任務(wù)。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題，本發(fā)明的目的是提供一種基于反演數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)融合的水文預(yù)報(bào)方法及系統(tǒng)，提高水文預(yù)報(bào)精度。

本發(fā)明所采用的第一技術(shù)方案是：一種基于反演數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)融合的水文預(yù)報(bào)方法，包括以下步驟：

采集實(shí)測(cè)數(shù)據(jù)并根據(jù)實(shí)測(cè)數(shù)據(jù)構(gòu)建MIKE-SHE水文模型；

基于MIKE-SHE水文模型得到反演數(shù)據(jù)；

將實(shí)測(cè)數(shù)據(jù)和反演數(shù)據(jù)融合，得到融合數(shù)據(jù)；

基于融合數(shù)據(jù)構(gòu)建多個(gè)機(jī)器學(xué)習(xí)模型；

基于綜合評(píng)價(jià)法對(duì)各機(jī)器學(xué)習(xí)模型賦權(quán)，開(kāi)展實(shí)時(shí)組合水文預(yù)報(bào)。

進(jìn)一步，所述采集實(shí)測(cè)數(shù)據(jù)并根據(jù)實(shí)測(cè)數(shù)據(jù)構(gòu)建MIKE-SHE水文模型這一步驟，其具體包括：

采集研究區(qū)域的降雨、蒸發(fā)、流量、水位數(shù)據(jù)和洪水?dāng)?shù)據(jù)；

根據(jù)洪水?dāng)?shù)據(jù)中洪水過(guò)程線的起漲點(diǎn)和退水終止點(diǎn)劃分出洪水場(chǎng)次，并將相關(guān)降雨、蒸發(fā)、流量和水位數(shù)據(jù)按照洪水場(chǎng)次劃分；

將劃分好的洪水場(chǎng)次按照7:3劃分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；

基于訓(xùn)練數(shù)據(jù)構(gòu)建MIKE-SHE水文模型；

基于測(cè)試數(shù)據(jù)驗(yàn)證MIKE-SHE水文模型。

進(jìn)一步，所述基于MIKE-SHE水文模型得到反演數(shù)據(jù)這一步驟，其具體還包括：

設(shè)定不同重現(xiàn)期降雨或干旱條件的特殊工況；

將特殊工況下的水文數(shù)據(jù)作為率定參數(shù)輸入至MIKE-SHE水文模型，得到水位和流量數(shù)據(jù)；

將水位和流量數(shù)據(jù)按照洪水場(chǎng)次進(jìn)行數(shù)據(jù)劃分，得到劃分后的反演數(shù)據(jù)。

進(jìn)一步，所述將實(shí)測(cè)數(shù)據(jù)和反演數(shù)據(jù)融合，得到融合數(shù)據(jù)這一步驟，其具體包括：

采用SOM算法對(duì)實(shí)測(cè)數(shù)據(jù)和反演數(shù)據(jù)的所有洪水場(chǎng)次進(jìn)行分類，得到分類后的數(shù)據(jù)；

利用Deep Learning算法對(duì)分類后的數(shù)據(jù)進(jìn)行融合，得到融合數(shù)據(jù)。

進(jìn)一步，所述基于融合數(shù)據(jù)構(gòu)建多個(gè)機(jī)器學(xué)習(xí)模型這一步驟，其具體包括：

基于融合數(shù)據(jù)分別訓(xùn)練多層前饋式神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)模型、局部回歸神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)模型和神經(jīng)網(wǎng)絡(luò)LSTM機(jī)器學(xué)習(xí)模型；