【技术实现步骤摘要】
一种基于数据同化的河网水流水质实时预测方法及装置
本专利技术涉及水资源监控管理领域，尤其涉及一种基于数据同化的河网水流水质实时预测方法及装置。
技术介绍
随着城市化快速发展和城市人口的高速增长，城市供水需求不断增加，加之工业废水、生活污水的大量排放，使得本就突显的水资源供需矛盾及水污染问题更加剧烈。如何科学合理的进行取水以及污染物排放成为水资源可持续利用和发展以及水环境保护急需解决的问题。水环境数学模型是将水动力问题和污染物在水体中的迁移转化问题用数学方程进行描述，并在一定的定解条件下求解这些方程，从而模拟水流、水质状况动态变化的有效工具，并有力支持实际问题的解决，可用于指导水环境工程实践并实现水资源调配、水环境和水生态治理保护等。传统的预测系统主要采用历史回归的方法，如神经网络、支持向量机等对河道的水沙现状进行预测。这些方法忽略了河道水流演进中动力学特性和守恒规律，因此此类系统只适合于瞬时预测，无法辅助决策,达不到水资源实时管理的目的。近年来，利用水流水质数学模型对水流水质状态变化进行数值计算成为了重要的预测手段，并在水资源管理、水环境保护等等方面起到了关键作用...
【技术保护点】
1.一种基于数据同化的河网水流水质实时预测方法，其特征在于，所述方法包括：采集河网的基础数据和实时数据；根据所述基础数据以及河网拓扑结构，建立基于并行计算架构的水动力水质模型；根据河网的实时监测数据，利用集合卡尔曼滤波或其改进算法，对所述水动力水质模型进行数据同化，得到基于并行计算架构的数据同化模型；采用所述数据同化模型，对河网各河段的水位、流量和水质浓度预测，并同步更新糙率、水质扩散系数和水质模型参数。
【技术特征摘要】
1.一种基于数据同化的河网水流水质实时预测方法，其特征在于，所述方法包括：采集河网的基础数据和实时数据；根据所述基础数据以及河网拓扑结构，建立基于并行计算架构的水动力水质模型；根据河网的实时监测数据，利用集合卡尔曼滤波或其改进算法，对所述水动力水质模型进行数据同化，得到基于并行计算架构的数据同化模型；采用所述数据同化模型，对河网各河段的水位、流量和水质浓度预测，并同步更新糙率、水质扩散系数和水质模型参数。2.根据权利要求1所述的基于数据同化的河网水流水质实时预测方法，其特征在于，所述河网的基础数据包括：河网的河道底部高程和河宽、河网边界的水位、流量和水质浓度，各个断面的初始流量场Q初始、初始水位场Z初始以及初始水质浓度场C初始；所述的实时数据包括：河网出入流边界的监测数据、河网内部河段关键断面的监测数据以及卫星遥感反演的数据产品。3.根据权利要求1所述的基于数据同化的河网水流水质实时预测方法，其特征在于，所述根据所述基础数据以及河网拓扑结构，建立基于并行计算架构的水动力水质模型的步骤，包括：根据所述河网结构绘制河网有向图；根据所述河网有向图构建河网关系矩阵；以所述河网关系矩阵为基础，并根据所述基础数据，建立基于并行计算架构的水动力水质模型。4.根据权利要求3所述的基于数据同化的河网水流水质实时预测方法，其特征在于，所述根据所述河网拓扑结构绘制河网有向图的步骤包括：确定河网的节点总数以及河段总数；以圆代表节点，根据河段的空间分布绘制连接各节点的有向边，并任意指定各有向边的正方向，分别为各节点和各条有向边进行编号，得到反映河网拓扑结构的河网有向图；所述根据所述河网有向图构建河网关系矩阵的步骤包括：按照如下公式确定所述河网关系矩阵A的第i行、第j列元素aij：5.根据权利要求1至4任一项所述的基于数据同化的河网水流水质实时预测方法，其特征在于，所述实时监测数据包括：水位Z监测、流量Q监测和水质浓度C监测。6....
【专利技术属性】
技术研发人员：冶运涛，梁犁丽，蒋云钟，曹引，顾晶晶，赵红莉，毕忠飞，张双虎，张海涛，杜军凯，张象明，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。