一种基于大数据分析的水情测报信息系统技术方案

本发明专利技术水情测报技术领域，尤其涉及一种基于大数据分析的水情测报信息系统；系统包括数据云平台、决策支持专家知识库模块、效果检验和评价模块以及大气环流挖掘的中长期入库预报模块；数据云平台监测并记录历史数据和决策；决策支持专家知识库模块基于KNN算法对数据云平台监测结果的分析结果构建基于专家知识库决策支持模型，然后通过效果检验和评价模块对专家知识库决策支持模型进行校验；大气环流挖掘的中长期入库预报模块包括130项大气环流指数、关键预报因子识别、SVM月尺度径流预报模型构建以及预报模型的验证与评价；本发明专利技术能通过对历史水情数据的记录和分析来建立预报模型，从而实现对未来水情进行可靠且准确的预报。报。报。

【技术实现步骤摘要】
一种基于大数据分析的水情测报信息系统


[0001]本专利技术涉及水情测报
，尤其涉及一种基于大数据分析的水情测报信息系统。

技术介绍

[0002]申请号为CN201120370377.8的专利文件中公开了一种水情测报测控装置，包括CPU控制及数据处理模块、水位采集传感模块、雨量采集传感模块、图像采集处理模块、继电器输出控制模块、远程无线通讯模块、指示灯及时钟模块、电源模块，水位采集传感模块、雨量采集传感模块接入CPU控制及数据处理模块，指示灯及时钟模块、远程无线通讯模块与CPU控制及数据处理模块双向连接，CPU控制及数据处理模块接入继电器输出控制模块，电源模块与CPU控制及数据处理模块、图像采集模块、远程无线通讯模块连接，本技术可靠性高，能在各种干扰环境下稳定可靠运行；体积小、重量轻、适合在不同领域进行灵活安装。
[0003]申请号为CN201420414156.X的专利文件中公开了一种水情测报装置,所述装置包括太阳能电池板、充电控制器、蓄电池、数据采集器、水位计、雨量计、卫星电台单元、GSM单元。太阳能电池板与充电控制器连接，充电控制器与蓄电池连接，蓄电池分别与数据采集器、卫星电台单元、GSM单元连接，数据采集器分别与雨量计、水位计、GSM单元、卫星电台单元连接。本技术低功耗且稳定性高。
[0004]但是，在实际应用的过程中，其均只能检测当前水情，而不能通过对历史水情数据的记录和分析来对未来水情进行可靠且准确的预报。

技术实现思路

[0005]本专利技术的目的是为了解决现有技术中存在的缺点，解决上述
技术介绍
中提出的问题。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：一种基于大数据分析的水情测报信息系统，所述系统包括数据云平台、决策支持专家知识库模块、效果检验和评价模块以及大气环流挖掘的中长期入库预报模块；所述数据云平台监测并记录历史数据和决策；所述决策支持专家知识库模块基于KNN算法对数据云平台监测结果的分析结果构建基于专家知识库决策支持模型，然后通过所述效果检验和评价模块对专家知识库决策支持模型进行校验；所述大气环流挖掘的中长期入库预报模块包括130项大气环流指数、关键预报因子识别、SVM月尺度径流预报模型构建以及预报模型的验证与评价。
[0007]优选的，所述决策支持专家知识库构建的具体步骤包括：
[0008]Step1
‑
统计历史监测数据构建历史信息数据集；
[0009]Step2
‑
基于历史信息数据集中的历史数据，依据属性集合中的属性，计算或提取历史数据作为属性，构建专家知识条目；
[0010]Step3
‑
统计整理所有专家知识条目构建专家知识库；
[0011]Step4
‑
采用KNN算法构建基于专家知识库的决策支持模型。
[0012]优选的，所述效果检验和评价模块采用平均相对误差MAPE、均方根相对误差RMESE检验模型的精确度。另外，定义模型的稳定度指标Ez检验决策的稳定度。
[0013]优选的，所述平均相对误差MAPE的计算公式为：
[0014][0015]其中，为模型测给出的决策数据值，为历史上实际的决策数据值。
[0016]优选的，所述均方根相对误差定义为各预测值相对误差的平方和的平均值的平方根，其计算公式为
[0017][0018]优选的，所述整体波动性主要考察多数模型预报结果的相对变化是否较小，在对所有的预测模型进行验证后，采用如下计算方法对每个预报模型的整体波动性进行衡量：
[0019][0020]其中，σ
i
，σ
j
分别为预测第i，j个预报样本的相对误差，n为验证集验证样本的数目。
[0021]优选的，所述关键预报因子识别基于PCA，其步骤包括主成分分析、大气环流因子的相关性分析和预报因子识别；
[0022]所述主成分分析中设初始变量为X1、X2、
…
、X
n
，经过主成分分析过后的新变量为Z1、Z2、
…
、Z
m
(m<n)，则：
[0023][0024]其中，Z1、Z2、
…
、Zm为X1、X2、
…
、Xn所对应的第一、第二、
…
、第m主成分，矩阵L为载荷矩阵，其中Z1的方差最大，Z2次之，依次类推。方差越大，表示主成分所含的原变量信息量越多；
[0025]所述大气环流因子的相关性分析的计算公式为
[0026][0027]其中，表示第i项大气环流因子与历史径流的相关性系数，xn表示样本集上的第i项大气环流因子的第n年的数据，表示该项大气环流因子在样本集上的多年平均值，qn表示样本集上的第n年的历史径流数据，表示历史径流在样本集上的多年均值，n为样本集中样本的数目；
[0028]所述预报因子识别是根据计算得到的各因子X与历史入库径流Q之间的相关性系数按绝对值从大到小排列，挑选出相关性系数前20位的大气环流因子作为初选因子，将其作为主成分分析的输入进行降维。将降维后得到的主成分作为模型预报因子。
[0029]优选的，所述SVM月尺度径流预报模型的构建基于PCA
‑
PSO
‑
SVR预报模型，其步骤如下：
[0030]Step1
‑
基于主成分分析方法确定模型预报因子；
[0031]Step2
‑
选定待预报流域S年的径流量数据作为历史样本，将历史样本中前N年的径流量数据和选定的对应时间的预报因子的归一化值作为训练集，后M年的径流量数据和选定的对应时间的预报因子的归一化值作为测试集，其中S＝N+M，N>M，S、N、M均为正整数；
[0032]Step3
‑
采用粒子群优化算法确定SVR模型中误差惩罚系数C、核函数参数σ以及不敏感损失系数ε的最优值；
[0033]Step4
‑
将寻优得到的最优参数输入SVR模型，并训练模型；
[0034]Step5
‑
利用预报模型进行待预报的径流预报。
[0035]优选的，所述预报模型的验证与评价采用均方根相对误差和距平一致率检验预报模型的精确度：
[0036][0037]其中为模型的预测值，为实测的径流值；
[0038][0039]其中，R为距平一致率，N为参与验证的总年数，实测径流与预测径流距平符号相同的年数。
[0040]与现有技术相比，本专利技术的优点和积极效果在于：
[0041]本专利技术中的系统通过对历史水情数据的处理构建专家知识库决策支持模型，而且还通过PCA
‑
PSO
‑
SVR预报模型对大气环流挖掘的中长期入库的数据处理建立SVM月尺度径流预报模型。
附图说明
[0042]图1为本专利技术水情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的水情测报信息系统，其特征在于：所述系统包括数据云平台、决策支持专家知识库模块、效果检验和评价模块以及大气环流挖掘的中长期入库预报模块；所述数据云平台监测并记录历史数据和决策；所述决策支持专家知识库模块基于KNN算法对数据云平台监测结果的分析结果构建基于专家知识库决策支持模型，然后通过所述效果检验和评价模块对专家知识库决策支持模型进行校验；所述大气环流挖掘的中长期入库预报模块包括130项大气环流指数、关键预报因子识别、SVM月尺度径流预报模型构建以及预报模型的验证与评价。2.根据权利要求1所述的一种基于大数据分析的水情测报信息系统，其特征在于，所述决策支持专家知识库构建的具体步骤包括：Step1
‑
统计历史监测数据构建历史信息数据集；Step2
‑
基于历史信息数据集中的历史数据，依据属性集合中的属性，计算或提取历史数据作为属性，构建专家知识条目；Step3
‑
统计整理所有专家知识条目构建专家知识库；Step4
‑
采用KNN算法构建基于专家知识库的决策支持模型。3.根据权利要求1所述的一种基于大数据分析的水情测报信息系统，其特征在于，所述效果检验和评价模块采用平均相对误差MAPE、均方根相对误差RMESE检验模型的精确度。另外，定义模型的稳定度指标Ez检验决策的稳定度。4.根据权利要求3所述的一种基于大数据分析的水情测报信息系统，其特征在于，所述平均相对误差MAPE的计算公式为：其中，y
i
为模型测给出的决策数据值，为历史上实际的决策数据值。5.根据权利要求3所述的一种基于大数据分析的水情测报信息系统，其特征在于，所述均方根相对误差定义为各预测值相对误差的平方和的平均值的平方根，其计算公式为；6.根据权利要求3所述的一种基于大数据分析的水情测报信息系统，其特征在于，所述整体波动性主要考察多数模型预报结果的相对变化是否较小，在对所有的预测模型进行验证后，采用如下计算方法对每个预报模型的整体波动性进行衡量：其中，σ
i
，σ
j
分别为预测第i，j个预报样本的相对误差，n为验证集验证样本的数目。7.根据权利要求1所述的一种基于大数据分析的水情测报信息系统，其特征在于，所述关键预报因子识别基于PCA，其步骤包括主成分分析、大气环流因子的相关性分析和预报因子识别；
所述主成分分析中设初始变量为X1、X2、
…
、X
n

【专利技术属性】
技术研发人员：陈满，张延亿，李建秋，张茵琪，陈辉，向正林，赵增涛，
申请(专利权)人：南方电网调峰调频发电有限公司，
类型：发明
国别省市：