一种基于神经网络的洪水预报方法及系统技术方案

本发明专利技术提出的基于神经网络的洪水预报方法，用于对目标水库的情况进行预报，在符合相关标准的情况下建立训练库，并综合考虑水库的实际情况，采用跨度时间长，场次数量多的数据进行神经网络分析建模及检验，且训练库的构建符合目标水库的实际情况，考虑目标水库集水区域的各项主要参数，实现对水库库容的准确预报。报。报。

【技术实现步骤摘要】
一种基于神经网络的洪水预报方法及系统


[0001]本专利技术涉及洪水预报领域，尤其涉及一种基于神经网络的洪水预报方法及系统。

技术介绍

[0002]近年来气候变化不仅带来了全球平均温度的升高，还导致了极端天气气候事件呈现出频发、广发、强发和并发的趋势，对洪水防御提出了更大的挑战，洪水防御的预报、预警、预演、预案“四预”措施亟待强化，其中预报能力首当其冲。
[0003]现代洪水预报技术是建立在现有的气象预报和水文预报理论的技术基础之上的，主要有三个方面的内容：首先是研究能满足洪水预报特殊要求的定量降水预报技术；其次是建立起定量降水预报和洪水预报有机结合的方式；第三是实时洪水预报方法，包括流域产汇流和河道洪水预报。目前，实时洪水预报技术主要采用物理过程和数学方法分析建模计算，并根据最新监测的雨量、水位或者流量资料对模型的结构、参数或模型输出进行实时校正，不断提高过程洪水的预报精度。
[0004]在这种情况下，对于水库库容的准确预报也日益重要，现有技术提出了一种基于神经网络的洪水预报方法与系统，用于预测河道洪水情况，在将其应用于水库库本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的洪水预报方法，其特征在于，包括以下步骤：S1：建立训练库，包括目标水库至少12场洪水过程数据，每场所述洪水过程数据结构单位为天，跨度时间至少为10天；S2：神经网络分析，采用训练库中的数据进行神经网络分析建模，并进行精度检验，采用建模得到的模型对目标水库库容进行预报；其中，训练库中，至少10场洪水过程数据参与神经网络分析建模，至少2场洪水过程数据参与精度检验。2.根据权利要求1所述的基于神经网络的洪水预报方法，其特征在于，训练库的主要信息项为目标水库集水区域的泰森面降雨量、上游各测站的河道水位和目标水库的库容、总出库水量，其中，所述集水区域为以目标水库主坝为控制断面的流域面积；对所述泰森面降雨量、库容和总出库水量数据分别进行整合，将其调整为体积，简化流量合成过程。3.根据权利要求2所述的基于神经网络的洪水预报方法，其特征在于，所述泰森面降雨量通过泰森多边形法计算得出，具体为：在所述集水区域构成一个泰森多边形网，在网内，每个泰森多边形都对应一个雨量观测点，该雨量观测点的降雨量就代表对应泰森多边形内的降雨量；从而，通过网内所有雨量观测点的降雨量计算出累计降雨量。4.根据权利要求3所述的基于神经网络的洪水预报方法，其特征在于，目标水库集水区域泰森面降雨量可按下式求得：其中，为泰森面降雨量，单位为毫米，i为泰森多边形个数，代表相应雨量测站序号，x
i
代表序号为i的雨量测站的降雨量，A
i
代表序号为i的雨量测站对应的泰森多边形面积与区域总面积的比，即雨量权...

【专利技术属性】
技术研发人员：苏盛，吴福初，杨欣，莫苏正，潘旺，浦振武，何树敏，郭永研，林仕文，陈注岑，曾华瞻，张水新，钟家尚，黄方谋，
申请(专利权)人：贺州市水利局贺州市大数据发展局苏盛，
类型：发明
国别省市：