[發(fā)明專利]一種基于混合產(chǎn)流模式的徑流預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210133149.1
• 申請日: 2022-02-12
• 公開（公告）號: CN115293391A
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計(jì)）人: 李倩;范亞洲;陳秀良;王良;吉順文;鄭紅日;欒勇
• 申請（專利權(quán)）人: 浙江省水利河口研究院（浙江省海洋規(guī)劃設(shè)計(jì)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?dāng)?shù)字知識產(chǎn)權(quán)代理有限公司 33437
• 代理人: 賈曉樂

本發(fā)明涉及水文預(yù)測技術(shù)領(lǐng)域，具體提供了一種基于混合產(chǎn)流模式的徑流預(yù)測方法，基于混合產(chǎn)流模式的徑流預(yù)測方法包括：獲取至少一組關(guān)聯(lián)河流的水文信息數(shù)據(jù)；以水文信息數(shù)據(jù)為輸入，基于預(yù)訓(xùn)練的徑流影響權(quán)重模型，逐一執(zhí)行徑流影響權(quán)重模型，獲取有效水文信息數(shù)據(jù)；提取有效水文信息數(shù)據(jù)，生成對應(yīng)混合產(chǎn)流的徑流走勢序列樹；基于徑流預(yù)測訓(xùn)練模型輸入走勢序列樹所包含的子集合，輸出徑流預(yù)測結(jié)果；本發(fā)明實(shí)施例通過對關(guān)聯(lián)河流的水文信息數(shù)據(jù)進(jìn)行處理和篩選，然后基于徑流預(yù)測訓(xùn)練模型輸出徑流預(yù)測結(jié)果，減少了人為誤判的現(xiàn)象，提高了預(yù)判的精準(zhǔn)度。

技術(shù)領(lǐng)域

本發(fā)明涉及水文預(yù)測，具體為一種基于混合產(chǎn)流模式的徑流預(yù)測方法及系統(tǒng)。

背景技術(shù)

水文時間序列通常包括降雨、水位、流量、潮位等系列資料，其中徑流量的模擬與預(yù)測對于流域水資源分析利用及防洪減災(zāi)具有重要的意義，傳統(tǒng)的徑流預(yù)測方法主要是基于物理性或者概念性的降雨徑流模型，該方法的前提是需要掌握流域下墊面條件，降雨等空間變化規(guī)律，物理特性及流域邊界條件，但是隨著全球氣候條件的變化及人類活動的影響，導(dǎo)致水文時間序列具有高度非線性和非一致性，因此傳統(tǒng)的徑流預(yù)測方法難以掌握其未來變化規(guī)律。

目前，在對河流水文預(yù)測過程中，需要通過認(rèn)為準(zhǔn)備歷史水文資料的方式來對河流進(jìn)行徑流預(yù)測，預(yù)測過程以技術(shù)人員的認(rèn)知為主導(dǎo)，技術(shù)人員通過自身經(jīng)驗(yàn)判斷，同時查詢存檔的歷史數(shù)據(jù)，在大量的歷史數(shù)據(jù)中篩選歸納，導(dǎo)致河流徑流預(yù)測不確定性較高，無法形成精準(zhǔn)且客觀的徑流預(yù)測，因此，我們提出一種基于混合產(chǎn)流模式的徑流預(yù)測方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于混合產(chǎn)流模式的徑流預(yù)測方法及系統(tǒng)，以解決目前河流徑流預(yù)測不確定性較高，無法形成精準(zhǔn)且客觀的徑流預(yù)測的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

第一方面，提供了一種基于混合產(chǎn)流模式的徑流預(yù)測方法，所述基于混合產(chǎn)流模式的徑流預(yù)測方法包括：

獲取至少一組關(guān)聯(lián)河流的水文信息數(shù)據(jù)；

以水文信息數(shù)據(jù)為輸入，基于預(yù)訓(xùn)練的徑流影響權(quán)重模型，逐一執(zhí)行徑流影響權(quán)重模型，獲取有效水文信息數(shù)據(jù)；

提取有效水文信息數(shù)據(jù)，生成對應(yīng)混合產(chǎn)流的徑流走勢序列樹；

基于徑流預(yù)測訓(xùn)練模型輸入走勢序列樹所包含的子集合，輸出徑流預(yù)測結(jié)果。

進(jìn)一步的，所述水文信息數(shù)據(jù)包括河流歷年的降雨、水位、流量、潮位以及關(guān)聯(lián)影響因素；

其中，關(guān)聯(lián)影響因素包括：

河流覆蓋流域人口遷移量、河道特征點(diǎn)三維定位數(shù)據(jù)以及覆蓋流域工業(yè)、農(nóng)業(yè)用水?dāng)?shù)據(jù)。

進(jìn)一步的，所述獲取至少一組關(guān)聯(lián)河流的水文信息數(shù)據(jù)的方法具體包括：

獲取關(guān)聯(lián)河流的歷史水文信息數(shù)據(jù)以及包含關(guān)聯(lián)河流的歷史水文信息數(shù)據(jù)的歷史數(shù)據(jù)庫，基于水文探測器對當(dāng)前關(guān)聯(lián)河流水域特征點(diǎn)樣本進(jìn)行采集；

基于高斯混合模型方法對水文信息數(shù)據(jù)進(jìn)行聚類，根據(jù)聚類結(jié)果將水文數(shù)據(jù)進(jìn)行劃段分類，獲取分段的水文數(shù)據(jù)；

提取分段的水文數(shù)據(jù)，對歷史年份、月份、天徑流量按照升序進(jìn)行排列，形成升序隊(duì)列；

逐一遍歷每組升序隊(duì)列，提取歷史年份、月份、天的徑流變化點(diǎn)，對變化點(diǎn)的水文數(shù)據(jù)進(jìn)行歸一化處理，得到歸一化后的水文信息數(shù)據(jù)。

進(jìn)一步的，所述徑流影響權(quán)重模型的訓(xùn)練方法具體包括：

獲取關(guān)聯(lián)河流水文樣本數(shù)據(jù)，對水文樣本進(jìn)行歸一化處理；