一种河流断面流量计算方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种河流断面流量计算方法、装置、设备及存储介质，包括：获取ADCP巡航K次采集的测量点数据，测量点数据包括测量点距离左岸的距离、距离河流表面的距离及单点速度；采用数据驱动方法构建河流断面流量预测模型；选取L个测量点数据作为河流断面流量预测模型的输入，预测得出L/0.05

【技术实现步骤摘要】
一种河流断面流量计算方法、装置、设备及存储介质


[0001]本专利技术涉及河流流量预测领域，特别涉及一种河流断面流量计算方法、装置、设备及存储介质。

技术介绍

[0002]现阶段河流流量测量方法可以分为接触测量法和非接触测量法，直接测量采用直接和河流接触的方式，主要有基于流量计的水文站和声学多普勒流速剖面仪等，但受经济因素和复杂环境等影响，部署难度大且探测成本高。非接触方法可以分为雷达测速和遥感测速等非接触方法，利用探测河流表面的速度信息或河流宽度、水位等，结合河流实测流量建立经验模型。该类方法无需河流断面流速分布和河床高程信息，降低了探测难度，但是泛化能力差，依靠经验模型，时空分辨率低。基于熵理论的河流速度反演方法存在假设测量值为河流的最大速度的伪假设，导致模型精确度差，而且传统的方法实时性较差。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种河流断面流量计算方法、装置、设备及存储介质，解决了现有技术中模型精确度差的问题。
[0004]为解决上述技术问题，本专利技术提供了一种河流断面流量计算方法，包括：获取ADCP巡航K次采集的测量点数据，其中所述测量点数据包括测量点距离左岸的距离、所述测量点距离河流表面的距离、所述测量点的单点速度；利用数据驱动方法并根据所述测量点数据构建河流断面流量预测模型；获取河流水位，根据所述河流水位从面积数据库中查找对应的面积,其中所述面积数据库根据水位计测量的水位与水准仪测量的水平距离构建；从所述测量点数据中选取L个测量点数据作为所述河流断面流量预测模型的输入,预测得出L/0.05
×
0.95个测量点的瞬时速度；根据所述瞬时速度和所述面积确定所述河流断面流量。
[0005]可选的，所述利用数据驱动方法并根据所述测量点数据构建河流断面流量预测模型，包括：构建TrAdaBoost算法模型，设置所述TrAdaBoost算法模型的参数，并对所述TrAdaBoost算法模型进行权重初始化，其中所述参数包括：迭代次数、Boosting迭代的最大次数、交叉验证的折叠数F；根据所述参数进行迭代得到误差，并根据所述误差调整权重；将所述迭代过程中均方误差最小的算法模型确定为所述河流断面流量预测模型。
[0006]可选的，所述构建TrAdaBoost算法模型，设置所述TrAdaBoost算法模型的参数，并对所述TrAdaBoost算法模型进行权重初始化，还包括：调用Adaboost.R2进行训练，并以梯度决策树作为学习器，得到所述算法模型。
[0007]可选的，所述根据所述参数进行迭代得到误差，并根据所述误差调整权重，包括：
将所述测量点数据划分为训练集Ts和测试集Tr；根据所述折叠数F将所述Ts分为F个子集，将所述F个子集中的一个子集作为目标域Tsc，其余子集作为源域Tsa；计算每次迭代的测量误差 ，其中所的计算公式为，其中，表示模型迭代第个数据样本的预测值，为模型迭代第个数据样本的真实值，预测Ts的瞬时速度为预测值；计算所述Ts中每个训练样本的调整误差，当所述大于0.5时，需要将所述重置为0.5，其中所述的计算公式为，其中为模型迭代第个数据样本、第次迭代训练的调整误差，为目标域中的数据组数，为源域中的数据组数；冻结所述Tsa的权重，并计算所述Tsa与所述Tsc之间的最大均值差异，其中所述的计算公式为，其中为模型的映射函数，为假设目标域与源域之间存在一个再生希尔伯特空间；对所述Tsc的权重和所述Tsa的权重进行更新，其中所述Tsc的权重更新公式为，其中，为标准化系数，为所有训练样本的权重之和，为模型迭代第个数据样本、第次迭代训练的得到的目标域数据的模型权重，为模型迭代第个数据样本、第次迭代训练的目标域数据的模型权重，为目标域权重因子，其中所述Tsa的权重更新公式为，其中，为模型迭代第个数据样本、第次迭代训练的源域数据的模型权重，为模型迭代第个数据样本、第次迭代训练的源域数据的模型权重。
[0008]可选的，所述将所述测量点数据划分为训练集Ts和测试集Tr，包括：将所述K次采集的测量点数据按照所述ADCP测量的总流量从低到高排序得到排序数据；将所述排序数据的第一次到1/3次的数据作为第一集合；将所述排序数据的第1/3K次到2/3K次的数据作为第二集合；将所述排序数据的第2/3K次到K次的数据作为第三集合；从所述第一集合、所述第二集合和所述第三集合中各选取相同次数的数据作为所述Tr，从剩余的所述第一集合、剩余的所述第二集合和剩余的所述第三集合中各选取相同次数的数据作为所述Ts。
[0009]可选的，所述从所述第一集合、所述第二集合和所述第三集合中各选取相同次数的数据作为所述Tr；从剩余的所述第一集合、剩余的所述第二集合和剩余的所述第三集合中各选取相同次数的数据作为所述Ts，包括：从所述第一集合、所述第二集合和所述第三集合中各选取1次得到的数据作为所
述Tr，从剩余的所述第一集合、剩余的所述第二集合和剩余的所述第三集合中各选取4次得到的数据作为所述Ts。
[0010]可选的，在所述得到当前所述河流断面流量之后，还包括：根据评估指标对所述河流断面流量预测模型进行评估；其中所述评估指标包括：均方根误差、平均绝对值、均方误差、平均绝对百分比误差、拟合度。
[0011]本专利技术还提供了一种河流断面流量计算装置，包括：第一获取模块，用于获取ADCP巡航K次采集的测量点数据，其中测量点数据包括所述测量点距离左岸的距离、所述测量点距离河流表面的距离、所述测量点的单点速度；构建模块，用于利用数据驱动方法并根据所述测量点数据构建河流断面流量预测模型；第二获取模块，用于获取河流水位，根据所述河流水位从面积数据库中查找对应的面积,其中所述面积数据库根据水位计测量的水位与水准仪测量的水平距离构建；预测模块，用于从所述测量点数据中选取L个测量点数据作为所述河流断面流量预测模型的输入，预测得出L/0.05
×
0.95个测量点的瞬时速度；确定模块，用于根据所述瞬时速度和所述面积确定所述河流断面流量。
[0012]本专利技术还提供了一种河流断面流量计算设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述的河流断面流量计算方法的步骤。
[0013]本专利技术还提供了一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述的河流断面流量计算方法的步骤。
[0014]可见，本专利技术通过利用ADCP获取测量点数据，利用数据驱动方法构建河流速度预测模型，可以通过获取较少的河流断面测量点，利用河流速度预测模型推断出更多测量点的瞬时速度，再根据勘测河流水位得到的河流面积，进而推断出河流断面流量，即通过断面流速和水位信息对河流流量进行确定，提高了河流流量估算的准确性。
[0015]此外，本专利技术还提供了一种河流断面流量计算装置、设备及存储介质，同样具有上述有益效果。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种河流断面流量计算方法，其特征在于，包括：获取ADCP巡航K次采集的测量点数据，其中所述测量点数据包括测量点距离左岸的距离、所述测量点距离河流表面的距离、所述测量点的单点速度；利用数据驱动方法并根据所述测量点数据构建河流断面流量预测模型；获取河流水位，根据所述河流水位从面积数据库中查找对应的面积,其中所述面积数据库根据水位计测量的水位与水准仪测量的水平距离构建；从所述测量点数据中选取L个测量点数据作为所述河流断面流量预测模型的输入,预测得出L/0.05
×
0.95个测量点的瞬时速度；根据所述瞬时速度和所述面积确定所述河流断面流量。2.根据权利要求1所述的河流断面流量计算方法，其特征在于，所述利用数据驱动方法并根据所述测量点数据构建河流断面流量预测模型，包括：构建TrAdaBoost算法模型，设置所述TrAdaBoost算法模型的参数，并对所述TrAdaBoost算法模型进行权重初始化，其中所述参数包括：迭代次数、Boosting迭代的最大次数、交叉验证的折叠数F；根据所述参数进行迭代得到误差，并根据所述误差调整权重；将所述迭代过程中均方误差最小的算法模型确定为所述河流断面流量预测模型。3.根据权利要求2所述的河流断面流量计算方法，其特征在于，所述构建TrAdaBoost算法模型，设置所述TrAdaBoost算法模型的参数，并对所述TrAdaBoost算法模型进行权重初始化，还包括：调用Adaboost.R2进行训练，并以梯度决策树作为学习器，得到所述算法模型。4.根据权利要求2所述的河流断面流量计算方法，其特征在于，所述根据所述参数进行迭代得到误差，并根据所述误差调整权重，包括：将所述测量点数据划分为训练集Ts和测试集Tr；根据所述折叠数F将所述Ts分为F个子集，将所述F个子集中的一个子集作为目标域Tsc，其余子集作为源域Tsa；计算每次迭代的测量误差，其中所述的计算公式为，其中，表示模型迭代第个数据样本的预测值，为模型迭代第个数据样本的真实值，预测Ts的瞬时速度为预测值；计算所述Ts中每个训练样本的调整误差，当所述大于0.5时，需要将所述重置为0.5，其中所述的计算公式为，其中为模型迭代第个数据样本、第次迭代训练的调整误差，为目标域中的数据组数，为源域中的数据组数；冻结所述Tsa的权重，并计算所述Tsa与所述Tsc之间的最大均值差异，其中所述的计算公式为，其中为模型的映射函数，为假设目标域与源域之间存在一个再生希尔伯特空间；对所述Tsc的权重和所述Tsa的权重进行更新，其中所述Tsc的权重更新公式为
，其中，为标准化系数，为所有训练样本的权重之和，为模型迭代第个数据样本、第次迭代训练的得到的目标域数据的模型权重，为模型迭代第个数据样本、第次迭代训练的目标域数据的模型权...

【专利技术属性】
技术研发人员：文一章，郭威麟，陈浩文，贺子幸，胡松，
申请(专利权)人：湖南大学，
类型：发明
国别省市：