一种基于入库流量的水库水位预警方法及系统技术方案

本发明专利技术涉及一种基于入库流量的水库水位预警方法及系统，系统包括数据采集模块、数据传输模块、库容计算模块、水库水位预测模块和预警模块，步骤为S1采集历史和实时水库库容和水库水位数据，S2计算未来时间段的水库容量值，S3通过多层感知器模型训练构建水库水位预测模型，S4预测未来几天的水库水位值，S5根据预测水库水位值和水位警戒值比较进行预警。本发明专利技术预测结果准确率较高，可以预测未来几天的水位变化数据，具有趋势性，本发明专利技术的训练模型预测能力强，充分考虑到地理环境等特征，将这些隐藏特征训练融入到预测模型中，拟合效果非常好。常好。常好。

【技术实现步骤摘要】
一种基于入库流量的水库水位预警方法及系统


[0001]本专利技术涉及多变量时间序列信息挖掘和水库安全预警
，尤其涉及一种基于入库流量的水库水位预警方法及系统。

技术介绍

[0002]随着社会的快速发展，我国逐步启动了大规模防洪建设，防汛工程得到增强，洪水在一定程度得到控制。但是我国中小河流众多，中小河流具有河流水位增长急促，水流湍急等特征，一旦遇到强降雨就有可能引发洪水，造成水库流量急促增长，更严重的情况下会造成水库的溃堤垮坝。如何能预测未来几天内的水库水位变化情况，这对于防洪调度部门来说具有重大意义。
[0003]现有技术中有基于单特征的时间训练模型进行水位预测的，虽然经过模态分解，但是该模型对时间序列数据有很强的依赖性，如果预测的水库工程有一点变化，都会对预测模型预测能力造成很大的降低。而且水位预测的时间较短，不具有趋势性。

技术实现思路

[0004]本专利技术的目的是克服上述不足，而提供一种基于入库流量的水库水位预警方法及系统，通过基于入库流量的多层感知器模型预测未来时间内的水库水位变化情况，在充分利用水资源的基础上保证堤坝安全，为防汛部门提供决策支持。
[0005]本专利技术采取的技术方案为：
[0006]一种基于入库流量的水库水位预警方法，包括步骤如下：
[0007]S1.采集历史和实时水库库容和水库水位数据，传输数据并存储到水库水情数据库；
[0008]S2.基于已知的入库流量预报模型，获取未来几天内的入库流量，从水库水情数据库中获取当前的水库容量数据，计算未来时间段的水库容量值；
[0009]S3.从数据库中获取历史水库库容和水库水位数据，分为训练集和验证集，基于训练集构建预测水库水位的多层感知器模型，利用验证集来验证模型的性能，依据评估函数均方根误差RMSE所得值调整模型参数，循环迭代训练模型，直到模型预测RMSE值最小时，取得模型的最优参数和模型结构作为水库水位预测模型；
[0010]S4.将步骤S2得到的未来时间段的水库容量值，利用步骤S3水库水位预测模型预测未来几天的水库水位值；
[0011]S5.根据预测水库水位值和水位警戒值比较进行灾情确定，从而联动可视化平台进行预警。
[0012]上述基于入库流量的水库水位预警方法中，步骤S2所述的水库容量值的计算方法如下：
[0013][0014]其中b
t
表示当前时刻的水库库容容量，t表示当天时刻的时间，n是时间长度；X
T
表示预报第T天的入库流量；f
n
表示第n天的水库容量。
[0015]可以分别计算出t+1，t+2，
…
，t+n天的水库容量的具体情况，在本专利技术中n优选5。
[0016]步骤S3中所述的多层感知器模型多层感知器网络共有三种结构，分别是输入层、隐藏层和输出层，对应的网络输入X＝[x1,x2,x3,
…
,x
d
]，对应的网络输出O＝[o1,o2,o3,
…
,o
q
]，隐藏层的输出为H，隐藏层的权重参数和偏差参数分别为W
h
和b
h
，输出层的权重和偏差参数分别为W
o
和b
o
，网络模型的目标函数为：
[0017]O＝(XW
h
+b
h
)W
o
+b
o
＝XW
h
W
o
+b
h
W
o
+b
o
。
[0018]所述的评估函数如下所示：
[0019][0020]其中RMSE表示均方根误差，a
i
表示真实值，p
i
表示预测值，m表示预测数据样本数。
[0021]一种基于入库流量的水库水位预警系统，包括数据采集模块、数据传输模块、库容计算模块、水库水位预测模块和预警模块，数据采集模块是收集水文监测站测量的水位、库容数据，数据传输模块负责将测量结果传输到远程的服务器中，并存储到水库水情数据库中，库容计算模块用于计算未来几天内的水库容量变换情况，水库水位预测模块用于基于库容预测水库水位，预警模块用于根据预测水位在超出水域警戒值时发出预警信息。
[0022]本专利技术的有益效果为：
[0023](1)本专利技术在预报入库流量的基础上，结合水库水情数据与水库地理特征关系的研究，充分挖掘水库容量与水库水位之间的关系，使用多层感知器算法技术构建未来水库水位预测模型，该模型在技术上实现简单、结构清晰，实验预测结果准确率达到98％，满足生产环境需求，能够为防洪防旱部门监管水库提供强有力的技术服务支撑。
[0024](2)本专利技术可以预测未来几天的水位变化数据，具有趋势性，本专利技术的训练模型预测能力强，充分考虑到地理环境等特征，将这些隐藏特征训练融入到预测模型中，拟合效果非常好，在对稀疏数据上也表现良好。
附图说明
[0025]图1是本专利技术基于入库流量的水库水位预警方法的流程图。
[0026]图2为本专利技术预警系统的结构框图。
[0027]图3为本专利技术实施例3中对太河水库水位预测值和观测值拟合的效果图。
具体实施方式
[0028]下面结合附图和具体实施例对本专利技术进一步详细说明。
[0029]实施例1
[0030]该实施例是汛期水库库容容量预测方法即未来时间段的水库容量值的计算方法，包括步骤如下：
[0031](1)在水库设置用于测量库容、水库水位的水库水文监测站，采集历史和实时水库库容和水库水位数据并存储到水库水情数据库；
[0032](2)基于已知的入库流量预报模型(如现有技术中的水动力学模型)，从而获取未
来几天内的入库流量，然后，在未来时刻入库流量已知的情况下，将预报的入库流量数据传输到库容计算模块中；同时对存储在数据库中历史场次水库库容容量数据进行统计分析，经过数据预处理，从而获取当天的水库容量数据，并将其传输到库容计算模块中；
[0033](3)基于当前的水库容量和未来几天内的入库流量，利用库容计算模块计算未来几天内水库库容变化情况，库容计算模块的计算方法如下所示：
[0034][0035]其中b
t
表示当天时刻的水库库容容量，t表示当天时刻的时间，n是时间长度；X
T
表示预报第T天的入库流量；f
n
表示第n天的水库容量；
[0036](4)根据库容计算模块可以分别计算出t+1，t+2，
…
，t+n天的水库容量的具体情况，在本实施例中n设置为5。
[0037]实施例2
[0038]该实施例为汛期水库水位预测方法，包括步骤如下：
[0039](1)从水库水情数据库中读取历史水库库容和水库水位数据，分析数据，清洗异常或缺失数据，完善数据并以相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于入库流量的水库水位预警方法，其特征是，包括步骤如下：S1.采集历史和实时水库库容和水库水位数据，传输数据并存储到水库水情数据库；S2.基于已知的入库流量预报模型，获取未来几天内的入库流量，从水库水情数据库中获取当前的水库容量数据，计算未来时间段的水库容量值；S3.从数据库中获取历史水库库容和水库水位数据，分为训练集和验证集，基于训练集构建预测水库水位的多层感知器模型，利用验证集来验证模型的性能，依据评估函数均方根误差RMSE所得值调整模型参数，循环迭代训练模型，直到模型预测RMSE值最小时，取得模型的最优参数和模型结构作为水库水位预测模型；S4.将步骤S2得到的未来时间段的水库容量值，利用步骤S3水库水位预测模型预测未来几天的水库水位值；S5.根据预测水库水位值和水位警戒值比较进行灾情确定，从而联动可视化平台进行预警。2.根据权利要求1所述的一种基于入库流量的水库水位预警方法，其特征是，步骤S2所述的水库容量值的计算方法如下：其中b
t
表示当前时刻的水库库容容量，t表示当天时刻的时间，n是时间长度；X
T
表示预报第T天的入库流量；f
n
表示第n天的水库容量。3.根据权利要求2所述的一种基于入库流量的水库水位预警方法，其特征是，n为5。4.根据权利要求1所述的一种基于入库流量的水库水位预警方法，其特征是，步骤S3中所述的多层感知器模型多层感知器网络共有三种结构，分别是输入层、隐藏层和输出层，对应的网络输入X＝[x1,x2,x3,
...

【专利技术属性】
技术研发人员：孙启玉，卢克，虞金中，尚丽娜，
申请(专利权)人：山东锋士信息技术有限公司，
类型：发明
国别省市：