[發明專利]一種基于混合產流模式的徑流預測方法及系統

在審

• 申請號: 202210133149.1
• 申請日: 2022-02-12
• 公開（公告）號: CN115293391A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 李倩;范亞洲;陳秀良;王良;吉順文;鄭紅日;欒勇
• 申請（專利權）人: 浙江省水利河口研究院（浙江省海洋規劃設計研究院）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州一串數字知識產權代理有限公司 33437
• 代理人: 賈曉樂

1.一種基于混合產流模式的徑流預測方法，其特征在于，基于混合產流模式的徑流預測方法包括：

獲取至少一組關聯河流的水文信息數據；

以水文信息數據為輸入，基于預訓練的徑流影響權重模型，逐一執行徑流影響權重模型，獲取有效水文信息數據；

提取有效水文信息數據，生成對應混合產流的徑流走勢序列樹；

基于徑流預測訓練模型輸入走勢序列樹所包含的子集合，輸出徑流預測結果。

2.根據權利要求1所述的基于混合產流模式的徑流預測方法，其特征在于，所述水文信息數據包括河流歷年的降雨、水位、流量、潮位以及關聯影響因素；

其中，關聯影響因素包括：

河流覆蓋流域人口遷移量、河道特征點三維定位數據以及覆蓋流域工業、農業用水數據。

3.根據權利要求2所述的基于混合產流模式的徑流預測方法，其特征在于，所述獲取至少一組關聯河流的水文信息數據的方法具體包括：

獲取關聯河流的歷史水文信息數據以及包含關聯河流的歷史水文信息數據的歷史數據庫，基于水文探測器對當前關聯河流水域特征點樣本進行采集；

基于高斯混合模型方法對水文信息數據進行聚類，根據聚類結果將水文數據進行劃段分類，獲取分段的水文數據；

提取分段的水文數據，對歷史年份、月份、天徑流量按照升序進行排列，形成升序隊列；

逐一遍歷每組升序隊列，提取歷史年份、月份、天的徑流變化點，對變化點的水文數據進行歸一化處理，得到歸一化后的水文信息數據。

4.根據權利要求2所述的基于混合產流模式的徑流預測方法，其特征在于，所述徑流影響權重模型的訓練方法具體包括：

獲取關聯河流水文樣本數據，對水文樣本進行歸一化處理；

提取關聯河流水文樣本數據中參數元素，判斷所提取的參數元素所述對應的徑流變量是否大于預設閾值，若徑流變量大于預設閾值，則執行待訓練的徑流影響權重模型，若否，判定參數元素為無效參數元素；

對水文徑流影響的參數元素、樣本數據、徑流量進行融合，得到第一融合元素集合，去除對水文徑流影響的參數元素、樣本數據、徑流量的噪聲數據，得到第二融合元素集合，分別確定參數元素在第一融合元素以及第二融合元素中的權重值，得到權重值數據庫；

以權重值數據庫中的單個數據為輸入，多次訓練待訓練的徑流影響權重模型。

5.根據權利要求1-4任一所述的基于混合產流模式的徑流預測方法，其特征在于，所述徑流走勢序列樹建立方法具體包括：

獲取有效水文信息數據，以有效水文信息數據為輸入，執行BLSTM的徑流預測模型運行模型，得到有效徑流量集合；

判斷有效徑流量集合與原始凈流量之間的關聯度，基于BLSTM的徑流預測模型判斷有效徑流量集合與原始凈流量之間的徑流差量是否大于預設差量閾值，若小于差量閾值，則儲存有效水文信息數據，若否，舍棄有效水文信息數據。

6.根據權利要求5所述的基于混合產流模式的徑流預測方法，其特征在于，提取有效水文信息數據，生成對應混合產流的徑流走勢序列樹的方法包括：

將水文信息數據劃分為多個信息數據段，對每組所述信息數據段進行模糊化和歸一化處理，得到水文信息；

獲取歷史每個時間段內河流徑流量，以及每個時間段長度，獲取每個時間段內關聯河流的標準徑流量數據，提取每個時間的標準徑流量數據的最大值以及最小值，形成標準徑流量區間段；

判斷多個信息數據段中單個的水文信息數據是否處于標準徑流量區間段，若是，則判斷為有效水文信息數據。

7.根據權利要求6所述的基于混合產流模式的徑流預測方法，其特征在于，提取有效水文信息數據，生成對應混合產流的徑流走勢序列樹的方法還包括：

計算在所述水文數據處于穩定狀態的持續時長內，目標數據隨水體流動在所相應特征點的徑流量變化，篩選關鍵特征因素，形成關鍵特征因素數據庫；

基于關鍵特征因素庫，逐一遍歷所有關聯河流的有效水文信息數據，匹配每組有效水文信息數據；

以關鍵特征因素和效水文信息數據為輸入，生成徑流走勢序列樹。