一种基于多特征融合技术的中小河流洪水预报方法及其预报系统技术方案

本发明专利技术涉及一种基于多特征融合技术的中小河流洪水预报方法及其预报系统，属于水利信息技术处理领域，包括以下步骤：S1、获得历史洪水场次和实际洪水场次的各雨量站每小时的雨量观测数据；再对这些雨量观测数据进行相似性特征匹配，得到多个不同的匹配结果，将上述多个不同的匹配结果放入不同的集合中；S2、采取基于水利数据的主成分分析投票算法，对每个水文特征的匹配结果进行投票，找到票数最高的洪水场次，从而得到最相似的洪水过程，用于中小河流洪水预报。本发明专利技术解决了我国湿润与半干旱半湿润地区中小河流的洪水预报问题，提高了中小河流洪水预测预报精度。

Flood forecasting method and forecast system for small and medium rivers based on multi feature fusion technology

The invention relates to a flood forecasting method and a flood forecasting system for small and medium-sized rivers based on multi-feature fusion technology, belonging to the field of water conservancy information technology processing, which comprises the following steps: S1, obtaining the hourly rainfall observation data of each rainfall station of historical flood field and actual flood field, and then phasing these rainfall observation data Similarity feature matching, get a number of different matching results, put the above matching results into different sets; S2, take the principal component analysis voting algorithm based on water conservancy data, vote on the matching results of each hydrological feature, find the flood field with the highest number of votes, thus get the most similar flood. It is used for flood forecasting in medium and small rivers. The invention solves the flood forecasting problem of small and medium-sized rivers in humid and semi-arid and semi-humid areas of China, and improves the flood forecasting accuracy of small and medium-sized rivers.

【技术实现步骤摘要】
一种基于多特征融合技术的中小河流洪水预报方法及其预报系统
本专利技术涉及一种基于多特征融合技术的中小河流洪水预报方法及其预报系统，属于水利信息技术处理领域。
技术介绍
信息化是当今世界经济和社会发展的大趋势，也是我国产业优化升级和实现工业化、现代化的关键环节。水利信息化就是指充分利用现代信息技术，深入开发和广泛利用水利信息资源，包括水利信息的采集、传输、存储、处理和服务，全面提升水利事业活动效率和效能的全生命周期过程。中小河流洪水预报就是一种行之有效的水利信息技术，对保障人民的生命财产安全具有重要的现实意义，也是目前最有效可行的防灾减灾非工程措施之一。中小河流洪水预报首要目的和任务是预警，通过观测和预报的降雨，预报超过洪水预警阈值的发生时间、洪峰大小及出现时间，最大程度地避免人员伤亡，减轻灾害损失。其次，是为了增加河流洪水预报的预见期和精度，为防洪调度指挥决策提供参考依据。现阶段中小河流洪水预报大多数采用传统经验预报方法，还不能为各级政府和防汛部门提供及时准确的预警预报信息，难以满足中小河流防洪的需求。所以需要一个数据驱动的中小河流洪水预报方法。
技术实现思路
专利技术目的：本专利技术针对水利信息系统中，对洪水数据信息的特征提取，去分析和解决在洪水预测预报中的复杂的问题。为了实现上述技术目的，本专利技术采用如下具体技术方案：一种基于多特征融合技术的中小河流洪水预报方法，包括以下步骤：S1、获得历史洪水场次和实际洪水场次的各雨量站每小时的雨量观测数据；再对这些雨量观测数据进行相似性特征匹配，得到多个不同的匹配结果，将上述多个不同的匹配结果放入不同的集合中；S2、采取基于水利数据的主成分分析投票算法，对每个水文特征的匹配结果进行投票，找到票数最高的洪水场次，从而得到最相似的洪水过程，用于中小河流洪水预报，具体包括以下过程：S2.1、将不同特征值匹配出来的洪水场次放入不同的集合中；S2.2、对上述集合按照用户投票数进行排名，投票数最多的洪水场次，认为是投票算法出现的最好结果；S2.3、如果在步骤S2.2阶段出现某几场洪水场次得票数一样时，再分别考虑洪水场次在不同特征匹配结果中出现的位置，将这些位置进行相加，位置之和比较小的，认为是投票算法出现的最好结果；S2.4、如果在步骤S2.3阶段出现某几场洪水场次得票数以及所述某几场洪水场次在不同特征匹配结果中出现的位置之和都一样时，就对该流域的洪水数据进行主成分分析，分析哪个特征值比重比较大，就取在那个特征值集合中，将排名较靠前的洪水场次认为是投票算法出现的最好结果；S2.5、最后输出投票结果。所述步骤S1中所述的特征包括面雨量特征、降雨强度特征和暴雨中心特征。面雨量特征值求解过程包括以下步骤：步骤A1、取历史洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的面雨量总和S；步骤A2、取实际洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的面雨量总和S’；步骤A3、找S和S’差值最小的历史洪水场次，标记为面雨量总和特征值匹配的最佳结果。降雨强度特征值求解过程包括以下步骤：步骤B1、取历史洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的每个时刻雨量的标准差，并将雨量标准差加入到雨量序列Y中。步骤B2、取实际洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的每个时刻雨量的标准差，并将雨量标准差加入到雨量序列Y’中。步骤B3、运用dtw算法求出序列Y与Y’最短距离d，找出d最小值的历史洪水场次，标记为降雨强度特征值匹配的最佳结果。暴雨中心特征值求解过程包括以下步骤：步骤C1、取历史洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的每个时刻各个雨量站降雨量的最大值，并将最大降雨量的位置放入暴雨中心轨迹序列C中；步骤C2、取实测洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的每个时刻各个雨量站降雨量的最大值，并将最大降雨量的位置放入暴雨中心轨迹序列C’中；步骤C3、遍历流域雨量站距离表，找出C与C’的站点之间距离，将其放入C”中；步骤C4、找出C”最小值的历史洪水场次，标记为暴雨中心特征值匹配的最佳结果。另外，本专利技术还公开了一种基于多特征融合技术的中小河流洪水预报系统，包括：原始降雨数据处理模块，多特征计算模块，投票模块，洪水预报预测输出模块。原始降雨数据处理模块，用于处理历史洪水场次和实际洪水场次中的各雨量站每小时的雨量观测数据；多特征计算模块，首先提取原始降雨数据处理模块的输出数据，再对这些雨量观测数据，进行特征匹配，最后分别将这些匹配结果放入到不同的集合中，供投票模块作为输入使用；投票模块用于将多特征计算模块的输出数据进行投票，找到票数最高的洪水场次，从而得到最相似的洪水过程；洪水预报预测输出模块，用于将投票模块的输出数据，当成最佳结果，用于中小河流洪水预报。所述多特征计算模块提取的特征包括：面雨量特征，降雨强度特征和暴雨中心特征。所述投票模块采用基于水利数据的主成分分析投票算法，把多指标转换成为少数几个指标，其中每个主成分可以反映原始数据的大部分信息，且所含信息不重复；在水文信息预报中，基于水利数据的主成分分析投票算法通过分析不同流域的流域特征，在用特征值进行匹配的时候，关注到这些特征值本身的重要性，以及各自在结果中所占据的权重，确定各个不同流域特征值的权重。有益效果：本专利技术一种基于多特征融合技术的中小河流洪水预报方法能够有效的挖掘洪水数据背后的信息，通过对我国湿润与半干旱半湿润地区中小河流的洪水特征进行提取，并结合水文区域水文模型参数与地理特征关系挖掘研究，采用多特征融合技术，为我国湿润与半干旱半湿润地区的中小河流洪水预警、预报提供新的方法与技术，提高中小河流洪水预测预报精度，增长预见期，增加洪水防御预警时间，降低中小河流洪涝灾害带来的损失。附图说明图1为本专利技术方法的基本框架；图2为本专利技术方法中的基于水利数据的主成分分析投票算法流程图；图3为本专利技术方法的流程图；表1为本专利技术方法中的面雨量特征值求解过程；表2为本专利技术方法中的降雨强度特征值求解过程；表3为本专利技术方法中的暴雨中心特征值求解过程。具体实施方式下面对本专利技术技术方案进行详细说明，但是本专利技术的保护范围不局限于所述实施例。首先，为便于理解本专利技术，作以下说明：面雨量面雨量是描述整个区域(流域)内单位面积上的平均降水量的物理量，能较客观地反映整个区域的降水情况。面雨量的计算公式是流域内各雨量站雨量和各雨量站的面积权重系数的乘积。降雨强度降雨强度是指单位时段内的降雨量。降雨量指的是从天空降落到地面上的雨水，未经蒸发、渗透、流失而在平面上积聚的水层深度。测定降雨量常用的仪器包括雨量筒和量杯。暴雨中心轨迹暴雨在时间和空间上的分布是不均衡的，暴雨中往往存在一个或几个降水相对集中的地方，我们称之为暴雨中心。研究发现暴雨过程中，暴雨中心空间变化与时间有某种关系。根据每时段的降水空间分布可以发现，每一时段内空间上均存在降水相对比较集中的区域即暴雨中心，并且这些暴雨中心随时间变化而变化，为了描述这种变化，我们使用暴雨中心轨迹序列来描述。本专利技术一种基于本文档来自技高网...

【技术保护点】
1.一种基于多特征融合技术的中小河流洪水预报方法，其特征在于：包括以下步骤：S1、获得历史洪水场次和实际洪水场次的各雨量站每小时的雨量观测数据；再对这些雨量观测数据进行相似性特征匹配，得到多个不同的匹配结果；S2、采取基于水利数据的主成分分析投票算法，对每个水文特征的匹配结果进行投票，找到票数最高的洪水场次，从而得到最相似的洪水过程，用于中小河流洪水预报，具体包括以下过程：S2.1、将不同特征值匹配出来的洪水场次放入不同的集合中；S2.2、对上述集合按照用户投票数进行排名，投票数最多的洪水场次，认为是投票算法出现的最好结果；S2.3、如果在步骤S2.2阶段出现某几场洪水场次得票数一样时，再分别考虑洪水场次在不同特征匹配结果中出现的位置，将这些位置进行相加，位置之和比较小的，认为是投票算法出现的最好结果；S2.4、如果在步骤S2.3阶段出现某几场洪水场次得票数以及所述某几场洪水场次在不同特征匹配结果中出现的位置之和都一样时，就对该流域的洪水数据进行主成分分析，分析哪个特征值比重比较大，就取在那个特征值集合中，将排名较靠前的洪水场次认为是投票算法出现的最好结果；S2.5、最后输出投票结果。

【技术特征摘要】
1.一种基于多特征融合技术的中小河流洪水预报方法，其特征在于：包括以下步骤：S1、获得历史洪水场次和实际洪水场次的各雨量站每小时的雨量观测数据；再对这些雨量观测数据进行相似性特征匹配，得到多个不同的匹配结果；S2、采取基于水利数据的主成分分析投票算法，对每个水文特征的匹配结果进行投票，找到票数最高的洪水场次，从而得到最相似的洪水过程，用于中小河流洪水预报，具体包括以下过程：S2.1、将不同特征值匹配出来的洪水场次放入不同的集合中；S2.2、对上述集合按照用户投票数进行排名，投票数最多的洪水场次，认为是投票算法出现的最好结果；S2.3、如果在步骤S2.2阶段出现某几场洪水场次得票数一样时，再分别考虑洪水场次在不同特征匹配结果中出现的位置，将这些位置进行相加，位置之和比较小的，认为是投票算法出现的最好结果；S2.4、如果在步骤S2.3阶段出现某几场洪水场次得票数以及所述某几场洪水场次在不同特征匹配结果中出现的位置之和都一样时，就对该流域的洪水数据进行主成分分析，分析哪个特征值比重比较大，就取在那个特征值集合中，将排名较靠前的洪水场次认为是投票算法出现的最好结果；S2.5、最后输出投票结果。2.根据权利要求1所述的基于多特征融合技术的中小河流洪水预报方法，其特征在于：所述步骤S1中所述的特征包括面雨量特征、降雨强度特征和暴雨中心特征。3.根据权利要求2所述的基于多特征融合技术的中小河流洪水预报方法，其特征在于：步骤S1中，面雨量特征值求解过程包括以下步骤：步骤A1、取历史洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的面雨量总和S；步骤A2、取实际洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的面雨量总和S’；步骤A3、找S和S’差值最小的历史洪水场次，标记为面雨量总和特征值匹配的最佳结果。4.根据权利要求2所述的基于多特征融合技术的中小河流洪水预报方法，其特征在于：步骤S1中，降雨强度特征值求解过程包括以下步骤：步骤B1、取历史洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段内的每个时刻雨量的标准差，并将雨量标准差加入到雨量序列Y中；步骤B2、取实际洪水场次的降雨数据，观测时间段从开始降雨到预测时间起始点t0，计算出观测时间段...

【专利技术属性】
技术研发人员：冯钧，杭婷婷，郭涛，李晓东，朱跃龙，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32