一种水资源系统临界状态的定义及辨识方法和系统技术方案

本发明专利技术公开了一种水资源系统临界状态的定义及辨识方法和系统，其中方法包括：为水资源系统的临界状态设置多个预警指标，建立预警指标体系；对预警指标体系进行降维处理，将处理后的综合指标作为样本；将样本作为支持向量机的输入，进行训练，由训练结果确定水资源系统的临界面；当样本到临界面的距离在临界范围内，该样本处于临界状态，当样本到临界面的距离超过临界范围，该样本处于异常状态。本发明专利技术充分考虑了水资源系统临界状态，运用主成分分析消除指标间的相关性，采用支持向量机进行水资源系统临界面的推求，进而可以根据样本到临界面的距离实现水资源系统临界状态的辨识，且辨识结果可靠，为水资源预警提供科学依据。为水资源预警提供科学依据。为水资源预警提供科学依据。

【技术实现步骤摘要】
一种水资源系统临界状态的定义及辨识方法和系统


[0001]本专利技术属于水资源预警
，更具体地，涉及一种水资源系统临界状态的定义及辨识方法和系统。

技术介绍

[0002]水资源安全关乎人类生存，关系到生态安全、粮食安全和能源安全，是影响经济与社会可持续发展的关键因素。目前，我国的水资源安全面临诸多潜在威胁，洪旱灾害频繁发生，水资源供需矛盾日益突出，水生态环境趋于恶化，总体形势不容乐观。从水量的角度讲，水资源安全是指水资源能够满足国民经济和社会可持续发展所需要的数量，且没有出现因水多、水少而致灾的状态。在我国现阶段水情下，加强水文水资源的监测，提高水资源安全的预警能力，尽量降低因水资源不足或过多而造成的社会经济损失，是新形势下实现水资源高效有序管理的一个有效途径。
[0003]水资源预警的方法大致可以分为两类，一类是通过构建水资源系统的指标体系，采用层次分析法、模糊评价法、主成分分析法、集对分析法和投影寻踪评价法等，对指标体系进行降维或分析权重构建综合指标对系统所处状态进行综合评价，称为指标型。另一类是运用系统动力学或人工神经网络、遗传算法等智能算法，模拟分析系统状态的演化趋势，称为模拟型。其中，指标型方法相对简单灵活、计算量较小，但存在指标体系难统一、指标间相关性难消除等问题；模拟型方法可以采用非线性方程模拟变量间复杂的相依关系，但对基础数据的数量和质量要求较高，对部分参数敏感性较强，可能会导致不合理的模拟结果。
[0004]由此可见，现有技术存在指标间相关性难消除、模拟结果不合理的技术问题。<br/>
技术实现思路

[0005]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种水资源系统临界状态的定义及辨识方法和系统，由此解决现有技术存在指标间相关性难消除、模拟结果不合理的技术问题。
[0006]为实现上述目的，按照本专利技术的一个方面，提供了一种水资源系统临界状态的定义及辨识方法，包括如下步骤：
[0007](1)为水资源系统的临界状态设置多个预警指标，建立预警指标体系；
[0008](2)对预警指标体系进行降维处理，将处理后的综合指标作为样本；
[0009](3)将样本作为支持向量机的输入，进行训练，由训练结果确定水资源系统的临界面；
[0010](4)当样本到临界面的距离在临界范围内，该样本处于临界状态，当样本到临界面的距离超过临界范围，该样本处于异常状态。
[0011]进一步地，所述步骤(2)包括：
[0012](21)利用预警指标体系组成原始资料矩阵，对原始资料矩阵进行标准化，得到新的数据矩阵，建立新的数据矩阵的协方差矩阵；
[0013](22)计算协方差矩阵的特征向量，利用特征向量中的各特征值计算各主成分的贡献率，当前几个主成分的累计贡献率大于85％时，将前几个主成分作为综合指标。
[0014]具体地：对于有n个样本、p个预警指标的原始资料矩阵Y
(n
×
p)
将其进行标准化得到新的数据矩阵X；
[0015]X
ij
＝(Y
ij
‑
μ
j
)/σ
j
[0016]其中，i(i＝1，
…
，n)为样本编号；j(j＝1，
…
，p)为指标编号；μ
j
和σ
j
分别为第j个指标的均值和标准差。
[0017]建立新的数据矩阵X的协方差矩阵R。
[0018][0019]计算协方差矩阵R的特征向量，并按从大到小的顺序进行排序，同时计算特征向量中各特征值λ
i
对应的特征向量u
i
。x
ki
为新的数据矩阵X中第k行第i列的元素，x
kj
为新的数据矩阵X中第k行第j列的元素，为新的数据矩阵X中第i列的元素平均值，为新的数据矩阵X中第j列的元素平均值。
[0020]计算贡献率e
m
和累计贡献率E
m
。一般而言，前m(m≤p)个主成分的累计贡献率达到85％就能达到降维的目的。
[0021][0022][0023]计算主成分荷载矩阵z，则降维后的主成分
[0024][0025]z
m
为主成分分析后的综合指标，将处理后的综合指标作为样本进行后续的训练。
[0026]进一步地，所述步骤(3)包括：
[0027](31)将包含综合指标的样本作为支持向量机的输入数据，将水资源系统的历史状态作为支持向量机的输出，设置支持向量机中的核函数为线性核函数，对支持向量机进行训练和检验，得到分割超平面的各个参数；
[0028](32)将样本对应的综合指标作为变量，利用分割超平面的各个参数建立分类平面方程，将分类平面方程作为水资源系统的临界面。
[0029]进一步地，所述水资源系统的临界面为：
[0030][0031]其中，α
i
和β分别为分类平面的第i个变量参数和常数参数，m为样本对应的综合指标的总数量，z
i
为样本对应的第i个综合指标。
[0032]进一步地，所述临界范围为：(
‑
1/ω，1/ω]，其中，ω的计算方式为：
[0033][0034]进一步地，所述步骤(4)包括：
[0035]当时，表示当前状态处于临界状态，发布蓝色预警信号，启动IV级预警；
[0036]当时，表示当前状态处于一般风险，发布黄色预警信号，启动III级预警；
[0037]当时，表示当前状态处于严重风险，发布橙色预警信号，启动II级预警；
[0038]当时，表示当前状态处于特别严重风险，发布红色预警信号，启动I级预警；
[0039]其中，d为样本到临界面的距离。
[0040]进一步地，所述临界状态包括临界旱灾、临界安全和临界洪灾。
[0041]进一步地，所述临界旱灾对应的预警指标体系包括：干旱历时、降水距平百分率、径流距平百分率、最小枯水流量、蒸发量、农作物种植面积、土壤含水量、农村干旱饮水困难百分率、城市干旱指数、降水标准化指数、地表湿润指数、相对湿润指数和帕默尔干旱指数；
[0042]所述临界安全对应的预警指标体系包括：地表水、地下水、人均水资源量、水库蓄水量、供水量、农业用水量、城市用水普及率、万元GDP用水量、亩均用水量、生活用水量、漏失率、重复利用率、GDP、居民消费水平、各产业比重、达标排放率、排放量和污水处理率；
[0043]所述临界洪灾对应的预警指标体系包括：最大6h降水量、最大12h降水量、最大24h降水量、土壤饱和度、洪峰、洪量、洪水历时、峰现时间、河道水位和水库水位。
[0044]按照本专利技术的另一方面，提供了一种水资源系统临界状态的定义及辨识系统，包括：
[0045]预处理模块，用于为水资源系统的临界状态设置多个预警指标，建立预警指标体系；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水资源系统临界状态的定义及辨识方法，其特征在于，包括如下步骤：(1)为水资源系统的临界状态设置多个预警指标，建立预警指标体系；(2)对预警指标体系进行降维处理，将处理后的综合指标作为样本；(3)将样本作为支持向量机的输入，进行训练，由训练结果确定水资源系统的临界面；(4)当样本到临界面的距离在临界范围内，该样本处于临界状态，当样本到临界面的距离超过临界范围，该样本处于异常状态。2.如权利要求1所述的一种水资源系统临界状态的定义及辨识方法，其特征在于，所述步骤(2)包括：(21)利用预警指标体系组成原始资料矩阵，对原始资料矩阵进行标准化，得到新的数据矩阵，建立新的数据矩阵的协方差矩阵；(22)计算协方差矩阵的特征向量，利用特征向量中的各特征值计算各主成分的贡献率，当前几个主成分的累计贡献率大于85％时，将前几个主成分作为综合指标。3.如权利要求1或2所述的一种水资源系统临界状态的定义及辨识方法，其特征在于，所述步骤(3)包括：(31)将包含综合指标的样本作为支持向量机的输入数据，将水资源系统的历史状态作为支持向量机的输出，设置支持向量机中的核函数为线性核函数，对支持向量机进行训练和检验，得到分割超平面的各个参数；(32)将样本对应的综合指标作为变量，利用分割超平面的各个参数建立分类平面方程，将分类平面方程作为水资源系统的临界面。4.如权利要求3所述的一种水资源系统临界状态的定义及辨识方法，其特征在于，所述水资源系统的临界面为：其中，α
i
和β分别为分类平面的第i个变量参数和常数参数，m为样本对应的综合指标的总数量，z
i
为样本对应的第i个综合指标。5.如权利要求4所述的一种水资源系统临界状态的定义及辨识方法，其特征在于，所述临界范围为：(
‑
1/ω，1/ω]，其中，ω的计算方式为：6.如权利要求5所述的一种水资源系统临界状态的定义及辨识方法，其特征在于，所述步骤(4)包括：当时，表示当前状态处于临界状态，发布蓝色预警信号，启动IV级预警；当时，表示当前状态处于一般风险，发布黄色预警信号，启...

【专利技术属性】
技术研发人员：杨文发，冯宝飞，张俊，闫宝伟，许银山，江慧宁，邱辉，訾丽，刘昱，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：