【技术实现步骤摘要】
本专利技术属于水利，更具体地，涉及一种梯级水库运行规则提取及其模型训练方法。
技术介绍
1、为充分利用水资源，许多国家已建成并投入使用，以满足人类生产和生活的需要。中国已建成约10万座水库，用于居民供水、防汛抗旱、城市用电等。然而，大型水库的建设不可避免地扰乱了水资源的时空分布，使原有的产汇流机制变得不适应。因此，科学模拟水库运行规律对水循环研究、发挥水库综合效益、促进可持续发展具有重要意义。
2、随着梯级水库的连续运行，历史运行数据反映了大量运行场景的决策信息。因此，利用数据挖掘技术和人工智能模型对历史运行数据进行挖掘，可以提取实际运行规则。常见的人工智能模型包括支持向量机、神经网络和树模型。近年来，随着深度学习的兴起，长短期记忆神经网络等因其强大的特征提取和非线性拟合能力被引入到水库运行规律的提取中。因此，人工智能模型在水库运行规则提取中具有良好的性能和应用前景。
3、然而，人工智能模型在水库运行中的研究发展迅速，但仍存在一些问题有待进一步探讨。主要问题如下：(1)基于人工智能模型的规则提取方法大多仅关注水库自身变量与出库流量之间的关系，忽视了上下游水库状态和区间入流的影响；(2)随着降水预报技术的不断提高，如何利用有效的预报信息提高规则提取的精度仍需进一步研究。为此，有必要提出了一种能充分考虑流域水文气象时空关联信息的梯级水库运行规则提取方法，提升梯级水库调度运行过程的模拟精度，为水库运行决策者提供业务指导。
技术实现思路
1、针对现有技术的以上缺陷或
2、为实现上述目的，第一方面，本专利技术提供了一种梯级水库运行规则提取模型训练方法，所述方法包括：
3、收集梯级水库的历史运行数据、流域网格实测降水数据和流域网格预报降水数据，建立水文模型并确定源头水库入库流量预报和子区间网格降水预报的有效预见期；
4、利用所述有效预见期内各个时段的源头水库入库预报流量和子区间网格预报降水，构建不同有效预见期下的输入因子集；耦合convlstm和lstm，构建关联水文气象时空信息的梯级水库运行规则提取模型；
5、利用输入因子集训练得到最优梯级水库运行规则提取模型。
6、优选的，所述有效遇见期通过以下方法确定：
7、根据梯级水库分布情况和流域地形特征，划分预报子区间；
8、对水库入库流量进行还原处理，将各水库的监测流量数据和流域网格实测降水数据划分为率定期和检验期，以流域网格实测降水数据驱动水文模型，确定各子区间水文模型的最优模型参数；
9、以流域网格预报降水数据驱动各子区间训练好的水文模型，得到各水库断面的径流预报值；
10、基于所述预报值推导确定性系数，选择确定性系数大于等于阈值的预见期为有效预见期。
11、优选的，所述确定性系数dc为：
12、
13、其中，i＝1,2,3,…,n表示预见期数目，oi表示观测值，表示观测序列的平均值，fi表示预报值。
14、优选的，所述梯级水库运行规则提取模型包括以下部分：
15、利用convlstm提取影响水库出库流量的所有子区间网格降水数据；
16、将提取的子区间网格降水数据与梯级水库的运行数据聚集，形成输入因子驱动lstm，得到水库的出库流量。
17、优选的，所述梯级水库运行规则提取模型的表达式为：
18、
19、
20、…
21、
22、其中，fconvlstm-lstm()表示耦合了convlstm和lstm的梯级水库运行规则提取模型；t表示面临时段；l表示有效预见期的个数；n表示梯级水库中水库个数；表示第n个水库在t时段的出库流量，表示第n座水库的入库流量，zinitial,i表示水库i的初始水位，表示第i子区间第j个时段网格降水；表示第i个水库第j时段的出库流量。
23、优选的，利用输入因子集训练得到最优梯级水库运行规则提取模型具体为：
24、对各输入因子集进行归一化；
25、将各输入因子集划分为训练集和测试集；
26、利用训练集对不同输入因子集下的梯级水库运行规则提取模型进行训练，通过贝叶斯优化算法优选超参数；
27、利用测试集检验梯级水库运行规则提取模型的性能，通过确定系数、均方根误差和平均相对误差评价梯级水库运行规则提取模型，最终得到最优梯级水库运行规则提取模型。
28、优选的，所述确定系数dc、均方根误差rmse和平均相对误差mre分别为：
29、
30、
31、
32、其中，i＝1,2,3,…,n表示预见期数目，oi表示观测值，表示观测序列的平均值，fi表示预报值。
33、第二方面，本专利技术提供了一种梯级水库运行规则提取方法，所述方法包括：
34、以有效遇见期内各时段源头水库入库预报流量和子区间网格预报降水作为输入因子，构建输入因子集；
35、通过输入因子集驱动梯级水库运行规则提取模型，得到梯级水库中各水库的出库预报流量；
36、通过确定系数dc、均方根误差rmse和平均相对误差mre评估各水库的出库预报流量，从而确定各水库达到最优运行规则提取效果时所利用的未来时段数，随后提取所述未来时段数的出库预报流量；
37、所述梯级水库运行规则提取模型是根据第一方面中任一方法训练得到的。
38、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下有益效果：
39、(1)本专利技术建立的考虑水文气象时空关联信息的水库运行规则提取方法模型，不仅仅充分利用了未来降雨预报信息，而且能充分考虑梯级水库中各个水库之间的水力联系和各水库的生产业务需求，可更为准确地模拟水库的运行过程；
40、(2)本专利技术梯级水库运行规则提取模型耦合convlstm和lstm，利用convlstm提取影响水库出库流量的所有子区间网格降水数据；再利用lstm将提取的子区间网格降水数据和梯级水库的运行数据聚集，提取特征模拟得出水库的出库流量；由此可有效减少梯级水库预报调度运行的空间累积误差和多输出间相互干扰的影响，能精确地模拟降水径流不确定性情况下的梯级水库运行过程，通用性强，易于实现，可为梯级水库运行决策者提供技术支撑。
本文档来自技高网...【技术保护点】
1.一种梯级水库运行规则提取模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述有效遇见期通过以下方法确定：
3.根据权利要求2述的方法，其特征在于，所述确定性系数DC为：
4.据权利要求1所述的方法，其特征在于，所述梯级水库运行规则提取模型包括以下部分：
5.根据权利要求1述的方法，其特征在于，所述梯级水库运行规则提取模型的表达式为：
6.根据权利要求1所述的方法，其特征在于，利用输入因子集训练得到最优梯级水库运行规则提取模型具体为：
7.根据权利要求6所述的方法，其特征在于，所述确定系数DC、均方根误差RMSE和平均相对误差MRE分别为：
8.一种梯级水库运行规则提取方法，其特征在于，所述方法包括：
【技术特征摘要】
1.一种梯级水库运行规则提取模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述有效遇见期通过以下方法确定：
3.根据权利要求2述的方法，其特征在于，所述确定性系数dc为：
4.据权利要求1所述的方法，其特征在于，所述梯级水库运行规则提取模型包括以下部分：
5.根据权利要求1述的方...
【专利技术属性】
技术研发人员：覃晖，贾本军，方威，杨钰琪，沈柯言，杨旭，高源，杨鑫，黄靖玮，侯栋凯，
申请(专利权)人：华中科技大学，
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。