[發明專利]基于新安江與深度學習耦合模型的場次洪水預報方法和系統

有效

• 申請號: 202210905823.3
• 申請日: 2022-07-29
• 公開（公告）號: CN114970377B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 王磊之;張野;王銀堂;李琛;單玉書;蔡文婷;何建兵;李伶杰;云兆得;牛凱杰;朱榮進;王欽
• 申請（專利權）人: 水利部交通運輸部國家能源局南京水利科學研究院;太湖流域管理局水利發展研究中心
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 北京中先生知識產權代理事務所(普通合伙) 16063
• 代理人: 竇賢宇

本申請涉及一種基于新安江與深度學習耦合模型的場次洪水預報方法和系統，所述方法包括：采集并預處理預研究區域的地理信息數據和雨水情數據，構建新安江三水源小時尺度水文模型；基于所述地理信息數據和雨水情數據獲得新安江三水源小時尺度水文模型的洪水初始參數，率定和檢驗新安江三水源小時尺度水文模型，并通過所述新安江三水源小時尺度水文模型篩選出預定數量的場次洪水，獲得各場次洪水的輸出變量和中間狀態變量；構建與所述新安江三水源小時尺度水文模型適配的深度學習耦合模型，形成新安江與深度學習耦合模型并獲得預報結果。本申請大大提高了場次洪水預報的準確性，同時神經網絡的泛化能力得到增強，便于遷移應用。

技術領域

本發明涉及洪水預報技術（G06F和G06Q），特別是一種新安江模型結合深度學習耦合模型的場次洪水預報方法。

背景技術

近年來，隨著全球城市化進程的加快，洪水的危害性越來越大，洪澇災害造成的財產損失正成顯著增長的趨勢。2021年，中國和德國的洪澇災害，均造成巨大損失。

為了防治洪澇災害，建立實用的洪水預報模型是重要的任務和手段。目前常用的模型仍然是集總式水文模型，代表性的模型包括Stanford模型、Sacramento模型、tank模型、Xinanjiang模型、和ARNO模型。由于集總式水文模型將流域視為整體，不考慮降水等要素的空間分布，已經不能滿足水庫防洪作業、洪水預報的精度要求。尤其是在洪峰、洪水起漲階段等局部位置處，相關模型的預報準確率尚不能達到期望值。

為此，提出了分布式水文模型，主要有VIC模型（the variable infiltrationcapacity model）、SHE模型（the System Hydrologue Europeen model）、CASC2D模型（theraster-based hydrologic model）、WetSpa模型（the water and energy transferbetween soil, plants and atmosphere model）和Vflo模型。基于物理機制的分布式水文模型預報結果看似合理，但是模型的實際預報結果并不可靠。研究表明分布式水文模型比集總水文模型和數據驅動模型具有優勢，但其同樣存在一些缺點，它們的計算效率低，需要高分辨率的復雜輸入數據；同時僅適用于山區，而且較高分辨率的分布式水文模型可能會被小尺度上不斷增加的不確定性所影響。除此以外，分布式水文模型的邊界條件難以確定，也會對模型精度產生影響。

隨著計算機技術的進步，機器學習在水文學中得到了廣泛的應用，但是，目前基于數據驅動的水文模型重點關注輸出模擬結果的準確性，而忽視了輸入、輸出數據集之間的物理機制，同時存在計算過程較為模糊（黑箱模型）和不同流域之間與流域內模擬結果難以遷移等問題。

總之，如何提高預測的準確性，減小預測值與觀察值之間的誤差，增強神經網絡的泛化能力，是目前要解決的問題。

發明內容

發明目的：提供一種基于新安江與深度學習耦合模型的場次洪水預報方法，以解決現有技術存在的上述問題之一，例如解決在洪峰、洪水起漲階段等局部位置處，相關模型的預報準確率較低的問題。

技術方案：

根據本申請的一個方面，基于新安江與深度學習耦合模型的場次洪水預報方法，包括如下步驟：

S1、采集并預處理預研究區域的地理信息數據和雨水情數據，構建新安江三水源小時尺度水文模型；

S2、基于所述地理信息數據和雨水情數據獲得新安江三水源小時尺度水文模型的洪水初始參數，率定和檢驗新安江三水源小時尺度水文模型，并通過所述新安江三水源小時尺度水文模型篩選出預定數量的場次洪水，獲得各場次洪水的輸出變量和中間狀態變量；