【技术实现步骤摘要】
本专利技术涉及智慧水利，尤其涉及一种复杂工况下洪水快速预测模型集合构建方法。
技术介绍
1、洪水快速预测对于城市防洪具有重要意义。城市地区洪水模拟主要依赖于基于物理过程的传统水文水动力模型，其完成一个小城市的洪水计算需要至少两小时，无法达到快速防洪的要求。另一方面，水利工程措施的干预和调控作用，增加了洪水要素及河道水位流量变化的模拟难度。利用机器学习模型进行洪水预测是一种新型的洪水预测技术，其预报精度依赖于训练样本的代表性。实际应用中，往往针对单一的预报变量进行机器学习模型训练与验证，由此得到的模型无法反映不同洪水要素对降雨、水位等水文气象变量和水利工程措施的响应关系，因此难以进行不同河道断面的洪水要素预报；若针对各个河道断面与洪水要素分别构建机器学习模型，则导致训练样本数量的显著增大，计算成本增加，故无法实现快速建模与预报。
技术实现思路
1、技术目的：针对现有技术中的缺陷，本专利技术公开了一种复杂工况下洪水快速预测模型集合构建方法，考虑了气象水文条件等基本建模要素和反映人为影响的水利工程控制要素，能够对不同的自然条件和水利工程控制情景提供相应的河道水位过程、洪峰流量和洪峰时间，满足对洪水事件重要变量快速模拟的需求。
2、技术方案：为实现上述技术目的，本专利技术采用以下技术方案。
3、一种复杂工况下洪水快速预测模型集合构建方法，包括以下步骤：
4、步骤一、筛选洪水预测模型集合的输入变量，组成自变量空间，构建需要进行洪水预测的河道断面集合；>
5、步骤二、根据自变量特征，设计具有代表性的工况条件组合，利用水文水动力模型计算不同工况条件组合下河道断面集合中所有河道断面的水位过程、洪峰流量和洪峰时间，生成水利工程样本集；
6、步骤三、选择多种预测模型评估指标以全面评价洪水预测模型对水位过程、洪峰流量和洪峰时间的预测精度和准确度；
7、步骤四、对每个河道断面的水位，以及洪峰流量和洪峰时间，分别构建基于xgb算法快速预测模型，并利用步骤三中建立的评估体系衡量预测模型集合的表现；对洪水预测模型集合进行训练和验证后，实现洪水预测模型集合的构建。
8、更进一步地，自变量空间包括水利工程、累计降雨量、边界水位数据、潮位边界；潮位边界包括三个潮位边界值，边界水位数据包括三个边界水位数据值。
9、更进一步地，多种预测模型评估指标包括：
10、（1）选取准确率acc进行区间评估，选择平均绝对误差mae、均方误差mse和均方根误差rmse的统计值衡量洪水预测模型集合的综合误差, 其中，准确率acc表示误差在许可误差范围内的样本数所占总样本的比例，即预测正确的样本数量/总样本数量；
11、（2）根据水文情报预报规范确定水位过程、洪峰流量和洪峰时间的许可误差 err p，若预测结果落入许可误差内，则认为预测正确；
12、（3）计算所有河道断面的平均绝对误差mae、均方误差mse和均方根误差rmse的75百分位值与均值作为所有河道断面替代模型模拟效果的综合衡量指标。
13、更进一步地，综合衡量指标的计算公式为：
14、，
15、，
16、式中，表示河道断面总数，为洪水要素编号，=1代表水位过程，=2代表洪峰流量，=3代表洪峰时间，为河道断面编号，为第个河道断面，、、分别代表第个洪水要素误差指标的均值，、、分别代表的第个洪水要素对应的平均绝对误差、均方误差和均方根误差，、、代表平均绝对误差统计值、均方误差统计值和均方根误差统计值的75百分位值；为的平均绝对误差值低于的概率，为的平均绝对误差值低于的概率，为的平均绝对误差值低于的概率。
17、更进一步地，分别构建基于xgb算法快速预测模型，包括：针对每个的第个洪水要素，构建基于xgb的快速预测模型，每个快速预测模型的训练损失函数为：
18、，
19、，
20、式中、、、分别代表的第个洪水要素的真值、模型预测值和模拟误差；为正则项，反映第棵树的结构复杂度，为正则化系数，为叶子的个数，为叶子的节点值。
21、更进一步地，对洪水预测模型集合进行训练和验证，包括：
22、按照9:1的比例将样本集划分为训练与验证两个子集，以训练样本逐渐增加的方式，针对每个的每个洪水要素，构建基于xgb的快速预测模型；若所有指标的均值和75百分位值以及acc无改善，则停止增加样本，否则继续增加训练样本，直至使用所有训练样本，训练样本使用结束后通过验证子集对洪水预测模型集合进行验证，验证通过后完成洪水预测模型集合的构建。
23、有益效果：
24、（1）本专利技术适用于复杂工况条件下的洪水快速预测模型集合构建方法，模型结构中考虑了气象水文条件等基本建模要素和反映人为影响的水利工程控制要素，能够对不同的自然条件和水利工程控制情景提供相应的河道水位过程、洪峰流量和洪峰时间，满足对洪水事件重要变量快速模拟的需求；
25、（2）本专利技术中对基于xgb的预测模型的训练样本采集，根据各个自变量的特征设计采样方法，显著提高训练样本与工况组合的代表性，降低了预测模型集合所需的训练样本数量；
26、（3）本专利技术中，针对每个洪水要素，以评估指标的统计值作为衡量指标，综合考虑快速预报模型集合的表现，避免了因聚焦于单个预报模型而导致其他xgb模型模拟效果较差的现象；
27、（4）本专利技术中对不同洪水要素分别建立xgb模型，符合洪水要素对水文、水利工程等自变量响应不同的客观规律。
本文档来自技高网...【技术保护点】
1.一种复杂工况下洪水快速预测模型集合构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种复杂工况下洪水快速预测模型集合构建方法，其特征在于：自变量空间包括水利工程、累计降雨量、边界水位数据、潮位边界；潮位边界包括三个潮位边界值，边界水位数据包括三个边界水位数据值。
3.根据权利要求1所述的一种复杂工况下洪水快速预测模型集合构建方法，其特征在于：多种预测模型评估指标包括：
4.根据权利要求3所述的一种复杂工况下洪水快速预测模型集合构建方法，其特征在于：综合衡量指标的计算公式为：
5.根据权利要求1所述的一种复杂工况下洪水快速预测模型集合构建方法，其特征在于：分别构建基于XGB算法快速预测模型，包括：针对每个的第个洪水要素，构建基于XGB的快速预测模型，每个快速预测模型的训练损失函数为：
6.根据权利要求1所述的一种复杂工况下洪水快速预测模型集合构建方法，其特征在于：对洪水预测模型集合进行训练和验证，包括：
【技术特征摘要】
1.一种复杂工况下洪水快速预测模型集合构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种复杂工况下洪水快速预测模型集合构建方法，其特征在于：自变量空间包括水利工程、累计降雨量、边界水位数据、潮位边界；潮位边界包括三个潮位边界值，边界水位数据包括三个边界水位数据值。
3.根据权利要求1所述的一种复杂工况下洪水快速预测模型集合构建方法，其特征在于：多种预测模型评估指标包括：
4.根据权利要求3所...
【专利技术属性】
技术研发人员：于添淼，周昌东，陈宇，
申请(专利权)人：南京光时代数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。