基于区域流域的水文信息大数据进行水文预报的方法技术

本发明专利技术涉及水文预报技术领域，具体涉及一种基于区域流域的水文信息大数据进行水文预报的方法。该预报的方法包括S1收集数据，包括流域内历史水文气象数据和降水集合预报数据，对原始数据进行筛选和分类，将降雨量、水库入水量、流量水文特征作为长短期记忆循环预测模型的输入特征；S2数据分析，基于大数据算法，根据DEM数据生成精细化的目标流域的水系图，分析目标流域的水文参数；通过模拟降雨过程训练和确定LSTMC模型的结构；S3基于深度学习算法，建立目标区间水文预报模型；S4模型实验结果与分析。本发明专利技术解决利用传统水文预报模型和方法开展水文预报存在的预报精度较低的问题。开展水文预报存在的预报精度较低的问题。

【技术实现步骤摘要】
基于区域流域的水文信息大数据进行水文预报的方法


[0001]本专利技术涉及水文预报
，具体涉及一种基于区域流域的水文信息大数据进行水文预报的方法。

技术介绍

[0002]水文预报就是根据已知的信息对未来一定时期内的水文状态做出定性或者定量的预测。水文预报在防汛、抗旱、水资源开发利用、国民经济建设和国防等领域都有广泛的应用。准确的水文预报可充分利用现有的水资源，最大限度地发挥水利工程的效益；同时在防洪工作中，水文预报能事先提供洪水的发生和发展情况，为防汛抗险提供情报；另外通过水文预报，能实现水利工程的优化调度，更好地协调防洪和兴利的矛盾。
[0003]云南省河流水系较多，受季风气候的影响，各区域自然地理条件差异较大，每年汛期的降雨在各区域的年内和年际变化都很明显，历史上洪涝灾害现象频繁发生。通过多年来与洪灾的斗争实践证明，工程措施与非工程措施的结合，是解决洪涝灾害问题的有效措施。通常非工程措施中不断改进水文预报的方法、提高水文预报的精度，是非工程措施中已经被证明了的行之有效的方法。
[0004]水文预测一直在经典水文模型的范畴内发展，提高精度已经越来越困难，在已有海量水文数据的情况下，运用机器学习和人工智能等新技术进行水文预测，是提高水文预报精度的一个有效方向，将会在径流来水量预报精度有效提高的工作中取得长足的进步。

技术实现思路

[0005]本专利技术针对现有技术的不足，提供一种性能可靠的基于区域流域的水文信息大数据进行水文预报的方法，解决利用传统水文预报模型和方法开展水文预报存在的预报精度较低的问题。
[0006]本专利技术的技术方案是这样实现的：一种基于区域流域的水文信息大数据进行水文预报的方法，其特征在于，包括以下步骤：
[0007]S1)收集数据，包括流域内历史水文气象数据和降水集合预报数据，根据流域内重点水库和水文站分布划分流域子区间，对原始数据进行筛选和分类，利用Pandas对数据进行处理,包括剔除异常数据,补全空白数据,然后将降雨量、水库入水量、流量水文特征作为长短期记忆循环预测模型的输入特征；
[0008]S2)数据分析，基于大数据算法，根据DEM数据生成精细化的目标流域的水系图，分析目标流域的水文参数；通过模拟降雨过程训练和确定LSTMC模型的结构；
[0009]S3)基于深度学习算法，建立目标区间水文预报模型；
[0010]S4)模型实验结果与分析，根据不同时段的降雨预报或者不同预警级别的降雨量，按照基于大数据的目标流域水文预报模型进行模拟计算和流量水文预测，并把预测结果与实测结果进行对比验证，校正误差，调整优化模型，
[0011]得到满足精度要求的水文预报模型。
[0012]所述步骤S3中，利用随机森林算法对历史水文数据进行特征提取，筛选主要贡献特征；包括利用所有历史数据进行物理成因分析、相关性分析，获得流域水文预报特征因子集合；然后基于不同特征因子作用量值构建权重分配模型；根据权重分配模型获取的计算权重和训练完成的长短期记忆模型得到的训练权重之间的权重差异优化长短期记忆模型，得到水文预报模型。
[0013]所述步骤S1收集的数据包括公开的气象水文、地形地貌、土壤植被、土地利用、水利工程、历史洪涝灾害、社会经济等多行业数据。
[0014]较优的，所述采用深度学习算法包括递归神经网络开展水文预报模型的参数率定，针对每一类水文预报模型，重复所述率定过程，将各模型所述率定结果统一保存入库，形成模型库和方法库；所述率定过程主要分为模型构建和模型训练两个部分。
[0015]较优的，所述步骤S2中，通过编制Python语言编制并调整参数,构建LSTM模型。
[0016]本专利技术解决了
技术介绍
中存在的缺陷,具有以下有益效果：
[0017]本专利技术所述的一种基于区域流域的水文信息大数据进行水文预报的方法，能够提升水文预报精度。本专利技术的水文预报评价模型应用于硕多岗河流域，对该流域的降雨量，水库入水量等过程进行模拟计算，针对于该流域的水文信息，构建一个短期内精确预测该区域水文信息的深度学习网络的计算模型，获得了预报精度更高、有效预见期更长的预报结果，为流域水文预报提供更科学高效的新方法。
具体实施方式
[0018]实施例
[0019]本专利技术公开了一种基于区域流域的水文信息大数据进行水文预报的方法，包括以下步骤：
[0020]S1)收集数据，包括硕多岗河流域内历史水文气象数据和降水集合预报数据，根据流域内重点水库和水文站分布划分流域子区间，对原始数据进行筛选和分类，利用Pandas对数据进行处理,包括剔除异常数据,补全空白数据等。然后将降雨量、水库入水量、流量水文特征作为长短期记忆循环预测模型的输入特征；其中收集的数据包括公开的气象水文、地形地貌、土壤植被、土地利用、水利工程、历史洪涝灾害、社会经济等多行业数据。
[0021]S2)数据分析，基于大数据算法，根据DEM数据生成精细化的目标流域的水系图，分析目标流域的水文参数；通过模拟降雨过程训练和确定LSTMC模型的结构；引入LSTM模型到洪水预报中,通过编制Python语言编制并多次调整参数,成功构建计算模型。
[0022]S3)基于深度学习算法，建立目标区间水文预报模型；其中包括利用所有历史数据进行物理成因分析、相关性分析，获得流域水文预报特征因子集合；然后基于不同特征因子作用量值构建权重分配模型；根据权重分配模型获取的计算权重和训练完成的长短期记忆模型得到的训练权重之间的权重差异优化长短期记忆模型，得到水文预报模型。深度学习算法包括递归神经网络开展水文预报模型的参数率定，针对每一类水文预报模型，重复率定过程，将各模型率定结果统一保存入库，形成模型库和方法库；所述率定过程主要分为模型构建和模型训练两个部分。
[0023]S4)模型实验结果与分析，根据不同时段的降雨预报或者不同预警级别的降雨量，按照基于大数据的目标流域水文预报模型进行模拟计算和流量水文预测，并把预测结果与
实测结果进行对比验证，校正误差，调整优化模型，得到满足精度要求的水文预报模型。
[0024]验证：将得到的水文预报模型利用硕多岗河流域5年的水文数据进行了入库径流的模拟计算,选取了6个代表年进行日径流过程模拟计算以及8次场次洪水进行进一步的研究,采用日径流资料对代表年进行径流模拟,选取时段资料用于场次洪水过程的模拟计算,把得到的结果分别与实测径流对比,模拟得出的结果精度都较高。
[0025]本专利技术运用深度学习的方法可以提高计算精度，为区域流域的水资源利用提供技术支持。本专利技术的水文预报评价模型应用于硕多岗河流域，对该流域的降雨量，水库入水量等过程进行模拟计算，针对于该流域的水文信息，构建一个短期内精确预测该区域水文信息的深度学习网络的计算模型，获得了预报精度更高、有效预见期更长的预报结果，为流域水文预报提供更科学高效的新方法。
[0026]以上所述仅为本专利技术的较佳实施例而已，并不用以限制本专利技术，凡在本专利技术的精神和原则之内，所作的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区域流域的水文信息大数据进行水文预报的方法，其特征在于，包括以下步骤：S1)收集数据，包括流域内历史水文气象数据和降水集合预报数据，根据流域内重点水库和水文站分布划分流域子区间，对原始数据进行筛选和分类，利用Pandas对数据进行处理,包括剔除异常数据,补全空白数据,然后将降雨量、水库入水量、流量水文特征作为长短期记忆循环预测模型的输入特征；S2)数据分析，基于大数据算法，根据DEM数据生成精细化的目标流域的水系图，分析目标流域的水文参数；通过模拟降雨过程训练和确定LSTMC模型的结构；S3)基于深度学习算法，建立目标区间水文预报模型；S4)模型实验结果与分析，根据不同时段的降雨预报或者不同预警级别的降雨量，按照基于大数据的目标流域水文预报模型进行模拟计算和流量水文预测，并把预测结果与实测结果进行对比验证，校正误差，调整优化模型，得到满足精度要求的水文预报模型。2.根据权利要求1所述的基于区域流域的水文信息大数据进行水文预报的方法，其特征在于：所述步骤S3中，利用随机森林算法对历史水文数据进行特征提取，筛...

【专利技术属性】
技术研发人员：严聪，张洪亮，黄云姝，石文志，
申请(专利权)人：昆明思永科技有限公司，
类型：发明
国别省市：