一种基于数字孪生的山洪预报预警方法及系统技术方案

本发明专利技术公开了一种基于数字孪生的山洪预报预警方法及系统，预报预警方法包括如下步骤，构建数字孪生数据库；构建数字孪生流域；在收集多源降水预报产品的基础上，采用几何平均方法生成未来集合平均降水预报结果，并将其与单个降水预报产品共同形成降水集合预报，对数字孪生数据库中的未来降水数据进行实时更新；将降水集合预报与数字孪生流域耦合，实现山洪滚动预报；基于山洪预报结果，根据预警分级标准，智能识别山洪风险等级、生成预警决策并发出预警信息。优点是：克服现有山洪预报预警方法无法同时准确刻画和反映流域现在和未来情况的问题，能够准确提供山洪灾害预警信息、动态评估风险等级、自动发布预警决策，以顺利开展山洪灾害防御工作。

【技术实现步骤摘要】
一种基于数字孪生的山洪预报预警方法及系统
本专利技术涉及山洪灾害预警
，尤其涉及一种基于数字孪生的山洪预报预警方法及系统。
技术介绍
山洪一般指山丘区中小流域由降水引起的突发性、暴涨暴落的洪水。我国山地众多，降水分布不均，暴雨频发，因此山洪灾害具有发生频次高、破坏力大的特点，对当地环境和居民生命财产安全造成了严重的威胁。因此，山洪预警一直是科学研究和业务工作关注的重点。目前常用的预警方法主要包括：静态临界雨量、动态临界雨量、水文模型法等。临界雨量法是山洪预报预警中应用最广泛的方法，其可以分为静态临界雨量法和动态临界雨量法。其中，静态临界雨量方法通常是通过统计、回归等方法确定临界雨量值，这种方法确定的临界雨量是一个定值，虽然可为山洪预警提供有利的信息，但是相对容易发生错判事件。动态临界雨量法虽然考虑了降水和下垫面等部分因素，但仍然忽略了前期影响雨量、累计雨量、降水强度、降水分布、土壤湿度、河道水位等多种因素对山洪过程影响，削弱了该预报方法的精度。此外，临界雨量法只能预报山洪是否发生，却无法提供山洪发生的时间、洪峰和洪量等具体信息。水文模型法，是在获取流域DEM数据、土地利用数据、土壤数据等的基础上，在产流、汇流、基流等环节采用有严格物理意义的模型，可较好地描述山洪定量化过程。然而，传统水文模型在构建和率定完成后一般不再发生变化，无法融合流域的物联感知数据和未来气象预报数据，同时也无法实现任意时空尺度下流域状态的可视化展示，难以实时反映流域的动态变化。
技术实现思路
本专利技术的目的在于提供一种基于数字孪生的山洪预报预警方法及系统，从而解决现有技术中存在的前述问题。为了实现上述目的，本专利技术采用的技术方案如下：一种基于数字孪生的山洪预报预警方法，包括如下步骤，S1、构建数字孪生数据库；实时感知并获取目标流域的气象数据、水文数据、土壤数据和地形数据，并实时传输至数字孪生数据库中，实现数字孪生数据库的动态更新；并将收集到的目标流域的历史阶段气象数据、水文数据、土壤数据和地形数据，一同存储至数字孪生数据库中；S2、构建数字孪生流域；基于数字孪生数据库，构建以网格化的水文水动力模型为核心的、耦合实时同化模块和数字沙盘的数字流域模拟器，生成与真实世界对应的数字孪生流域；S3、未来降水预报；在收集多源降水预报产品的基础上，采用几何平均方法生成未来集合平均降水预报结果，并将其与单个降水预报产品共同形成降水集合预报，对数字孪生数据库中的未来降水数据进行实时更新；S4、山洪预报；采用陆气耦合技术，将降水集合预报与数字孪生流域耦合，实现山洪滚动预报；S5、山洪预警；基于山洪预报结果，根据预警分级标准，智能识别山洪风险等级、生成预警决策并发出预警信息。优选的，数字流域模拟器的构建包括如下内容，S21、构建水文水动力模型；基于数字孪生数据库中流域的历史气象、水文、土壤和地形数据，开展流域的水文水动力模拟，计算径流及水位模拟值与实测值的相对偏差、确定性系数和纳什效率系数，优选模型物理参数组合，构建适用于流域的水文水动力模型；S22、构建数据同化模块；基于统一的数据标准和数据接口，将数字孪生流域的边界场、初始场、内部参数以及模拟得到的水文要素与数字孪生数据库相应的实测同化数据进行对比，计算两者偏差，并利用多种融合算法动态修正数字孪生流域的边界场、初始场、内部参数和水文要素模拟值，实现感知数据与数字孪生流域在多时空尺度下的无缝融合，构建流域感知-模拟互联的数据同化模块，从而获得实时更新的数字孪生流域；S23、构建数字沙盘；利用三维可视化技术，以数字孪生流域为基础，构建流域数字沙盘，实现流域感知与模拟数据的多方面全景式展布。优选的，步骤S21中，采用基于Euclid贴近度的评价方法对模型参数组进行优选，优选的具体过程为，S211、计算评价指标值；基于模拟值与实测值的比较结果，计算评价指标的值，所述评价指标包括径流及水位模拟值与实测值的相对偏差、确定性系数和纳什效率系数；S212、计算隶属度函数值；设u1和u2为论域U上的两个模糊子集，则u1与u2之间的Euclid贴近度可表达为：其中，μ(·)为模糊子集u1和u2的隶属度函数；则相对偏差、确定性系数、纳什效率系数构成论域U，构建各个指标值的隶属度函数为，其中，X为每个评价指标的值，i为模型参数组的数字代号，i＝1,2,3,…,n，n为模型参数组的总数；相对偏差、确定性系数、纳什效率系数的标准化按其数值比上各参数组模拟结果的指标最大值；S213、计算各模型参数组的欧几里德贴近度；设S和O是论域U中的两个模糊子集，设第i个模型参数组对应的评价结果为模糊子集Si,则Si可以表示为，Si＝{μ(Bi),μ(Ri),μ(Ni)}模糊子集O由上述各评价指标的理论最优值组成，即O＝{0,1,1,}；则第i个模型参数组的欧几里德贴近度e(Si,O)为，其中，n为指标数目；对于每组模型参数，当e取最小值时，可以认为该模型参数组的模拟结果与理论最优结果最贴近；S214、优选模型参数组；选择模拟欧几里德贴近度最小的模型参数组作为最优模型参数组，并利用该最优模型参数组构建适用于流域的水文水动力模型。优选的，步骤S3具体包括如下内容，S31、实时滚动下载预报断面以上流域范围的多源降水集合预报产品；S32、利用插值算法将多源降水集合预报产品进行时空插值，使其时空尺度与数字流域模拟器的尺度相匹配；S33、计算多源降水集合预报产品的集合平均值；S34、利用多源降水集合预报产品内各成员的预报结果及集合平均值，实时更新数字孪生数据库。优选的，步骤S33具体为，记录每个栅格的逐6h平均降水速率，采用集合平均的方法计算多源降水集合预报产品的集合平均值，计算公式为，式中，P为多源降水集合预报产品的集合平均值，Pj是第j个预报产品的平均降水量，j＝1,2,3,…,k，k为多源降水集合预报产品中预报成员的总数。优选的，步骤S4具体包括如下内容，S41、在对数字孪生流域的状态进行同化的基础上，利用实时降水数据驱动数字流域模拟器，生成T0＝0h后数字孪生流域的状态；S42、基于未来T＝6h、1d、2d或3d的各集合成员和集合平均的降水预报数据，结合陆气耦合技术，利用未来降水数据驱动数字流域模拟器，生成T历时后数字孪生流域的状态；S43、基于数字沙盘，三维可视化动态展示山洪未来T历时的演进趋势、淹没范围和任意断面水文情势，实现山洪滚动预报，为山洪预警决策提供立体直观影像。优选的，步骤S5具体包括如下内容，S51、预警分级；依据预报水位与警戒水位、保证水位、成灾水位的关系，结合山洪可能的淹没范围，将山洪灾害预警划分为三种等级，分别为告知性预警、警戒性预警和紧急性预警；S52、预警决策；根据步骤S4中当前和未来T历时山洪预报结果，若超过50％的集合结果本文档来自技高网...

【技术保护点】
1.一种基于数字孪生的山洪预报预警方法，其特征在于：包括如下步骤，/nS1、构建数字孪生数据库；实时感知并获取目标流域的气象数据、水文数据、土壤数据和地形数据，并实时传输至数字孪生数据库中，实现数字孪生数据库的动态更新；并将收集到的目标流域的历史阶段气象数据、水文数据、土壤数据和地形数据，一同存储至数字孪生数据库中；/nS2、构建数字孪生流域；基于数字孪生数据库，构建以网格化的水文水动力模型为核心的、耦合实时同化模块和数字沙盘的数字流域模拟器，生成与真实世界对应的数字孪生流域；/nS3、未来降水预报；在收集多源降水预报产品的基础上，采用几何平均方法生成未来集合平均降水预报结果，并将其与单个降水预报产品共同形成降水集合预报，对数字孪生数据库中的未来降水数据进行实时更新；/nS4、山洪预报；采用陆气耦合技术，将降水集合预报与数字孪生流域耦合，实现山洪滚动预报；/nS5、山洪预警；基于山洪预报结果，根据预警分级标准，智能识别山洪风险等级、生成预警决策并发出预警信息。/n

【技术特征摘要】
1.一种基于数字孪生的山洪预报预警方法，其特征在于：包括如下步骤，
S1、构建数字孪生数据库；实时感知并获取目标流域的气象数据、水文数据、土壤数据和地形数据，并实时传输至数字孪生数据库中，实现数字孪生数据库的动态更新；并将收集到的目标流域的历史阶段气象数据、水文数据、土壤数据和地形数据，一同存储至数字孪生数据库中；
S2、构建数字孪生流域；基于数字孪生数据库，构建以网格化的水文水动力模型为核心的、耦合实时同化模块和数字沙盘的数字流域模拟器，生成与真实世界对应的数字孪生流域；
S3、未来降水预报；在收集多源降水预报产品的基础上，采用几何平均方法生成未来集合平均降水预报结果，并将其与单个降水预报产品共同形成降水集合预报，对数字孪生数据库中的未来降水数据进行实时更新；
S4、山洪预报；采用陆气耦合技术，将降水集合预报与数字孪生流域耦合，实现山洪滚动预报；
S5、山洪预警；基于山洪预报结果，根据预警分级标准，智能识别山洪风险等级、生成预警决策并发出预警信息。


2.根据权利要求1所述的基于数字孪生的山洪预报预警方法，其特征在于：数字流域模拟器的构建包括如下内容，
S21、构建水文水动力模型；基于数字孪生数据库中流域的历史气象、水文、土壤和地形数据，开展流域的水文水动力模拟，计算径流及水位模拟值与实测值的相对偏差、确定性系数和纳什效率系数，优选模型物理参数组合，构建适用于流域的水文水动力模型；
S22、构建数据同化模块；基于统一的数据标准和数据接口，将数字孪生流域的边界场、初始场、内部参数以及模拟得到的水文要素与数字孪生数据库相应的实测同化数据进行对比，计算两者偏差，并利用多种融合算法动态修正数字孪生流域的边界场、初始场、内部参数和水文要素模拟值，实现感知数据与数字孪生流域在多时空尺度下的无缝融合，构建流域感知-模拟互联的数据同化模块，从而获得实时更新的数字孪生流域；
S23、构建数字沙盘；利用三维可视化技术，以数字孪生流域为基础，构建流域数字沙盘，实现流域感知与模拟数据的多方面全景式展布。


3.根据权利要求2所述的基于数字孪生的山洪预报预警方法，其特征在于：步骤S21中，采用基于Euclid贴近度的评价方法对模型参数组进行优选，优选的具体过程为，
S211、计算评价指标值；基于模拟值与实测值的比较结果，计算评价指标的值，所述评价指标包括径流及水位模拟值与实测值的相对偏差、确定性系数和纳什效率系数；
S212、计算隶属度函数值；设u1和u2为论域U上的两个模糊子集，则u1与u2之间的Euclid贴近度可表达为：



其中，μ(·)为模糊子集u1和u2的隶属度函数；则相对偏差、确定性系数、纳什效率系数构成论域U，构建各个指标值的隶属度函数为，



其中，X为每个评价指标的值，i为模型参数组的数字代号，i＝1,2,3,…,n，n为模型参数组的总数；相对偏差、确定性系数、纳什效率系数的标准化按其数值比上各参数组模拟结果的指标最大值；
S213、计算各模型参数组的欧几里德贴近度；设S和O是论域U中的两个模糊子集，设第i个模型参数组对应的评价结果为模糊子集Si,则Si可以表示为，
Si＝{μ(Bi),μ(Ri),μ(Ni)}
模糊子集O由上述各评价指标的理论最优值组成，即O＝{0,1,1,}；
则第i个模型参数组的欧几里德贴近度e(Si,O)为，



其中，n为指标数目；对于每组模型参数，当e取最小值时，可以认为该模型参数组的模拟结果与理论最优结果最贴近；
S214、优选模型参数组；选择模拟欧几里德贴近度最小的模型参数组作为最优模型参数组，并利用该最优模型参数组构建适用于流域的水文水动力模型。


4.根据权利要求2所述的基于数字孪生的山洪预报预警方法，其特征在于：步骤S3具体包括如下内容，
S31、实时滚动下载预报断面以上流域范围的多源降水集合预报产品；
S32、利用插值算法将多源降水集...

【专利技术属性】
技术研发人员：王浩，杨明祥，蒋云钟，董宁澎，刘璇，王贺佳，
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