【技术实现步骤摘要】
本专利技术涉及水利工程，具体涉及一种渠系水利用系数的在线监测方法、监测终端及存储介质。
技术介绍
1、水利工程的有效管理和维护是确保水资源合理分配和利用的关键。渠道水利用系数是评估水利系统效率的一个重要指标，它反映了水资源从渠道的入口到出口的损失率。传统的渠道水利用系数的测量和预测方法主要基于现场测量和经验估算，但这些方法可能由于各种因素(例如气象条件、流量波动等)而产生误差。
2、随着传感器技术和数据分析技术的发展，越来越多的研究者开始利用这些技术对水资源进行在线监测。然而，尽管这些在线监测系统可以提供实时的流量数据，但单纯依赖实时流量数据可能忽略了其他影响水利用系数的因素，例如温度、湿度等；并且实时流量数据只能计算实时的水利用系数和历史水利用系数，无法根据实时流量对未来一段时间内水利用系数进行有效预测。
3、此外，大多数现有的在线监测系统仅仅关注单一渠道的监测，而忽略了整个渠道系统的综合效率。这导致了监测数据的片面性，可能无法准确反映整个系统的真实情况。
4、因此，有必要开发一种新的渠道水利用系数的在线监测方法，该方法应该能够综合考虑各种影响因素，提供更为准确和全面的预测结果。
技术实现思路
1、本专利技术所要解决的技术问题是现阶段仅能根据实时流量计算实时水利用系数和历史水利用系数，目的在于提供一种渠系水利用系数的在线监测方法、监测终端及存储介质，实现了基于实时流量数据进行水利用系数预测。
2、本专利技术通过下述技术方案实现：p>
3、一种渠系水利用系数的在线监测方法，包括：
4、确定多个典型渠段的位置，并在获取典型渠段上游流量数据和典型渠段下游流量数据；
5、分别对各个典型渠段的上游流量数据和下游流量数据进行预处理，并获得多个预测数据；
6、获取各个典型渠段的历史数据，并构建多个渠段水利用系数预测模型；
7、确定多个典型渠段的权重，并构建渠系水利用系数预测模型；
8、将多个预测数据输入至对应的渠段水利用系数预测模型，获取多个临时预测结果；
9、将多个临时预测结果输入至渠系水利用系数预测模型，获得最终预测结果。
10、可选地，典型渠段的位置的确定方法包括：
11、获取整个渠系中各个渠段的历史流量数据，并获得各个渠段的流量差，流量差为上游流量与下游流量之差；
12、设定多个不同的流量变化区间，在每个流量变化区内随机筛选出一定数量的渠段作为初筛渠段；
13、获取初筛渠段的历史流量数据变化典型率flowdata、结构材料特性典型率structure、渠道周边环境典型率environment、渠道维护修复历史典型率history、管理人员典型率expertopinion；
14、计算所有初筛渠段的总典型率score：
15、score＝w1×flowdata+w2×structure+w3×environment+w4×history+w5×expertopinion，其中，w1、w2、w3、w4、w5为对应典型率的权重值；
16、设定典型率阈值，并将总典型率大于典型率阈值初筛曲段作为典型渠段。
17、具体地，权重值w1、w2、w3、w4、w5的确定方法包括：
18、构建层次结构模型，第一层为目标层、第二层为准则层、第三层为方案层；其中，准则层为判断标准，即历史流量数据变化、结构材料特性、渠道周边环境、渠道维护修复历史、管理人员评价，方案层为各个初筛渠段；
19、基于准则层构建5×5的判断矩阵，将评断标准两两比较，并通过1-9的尺度人为评估两个评断标准的相对重要性；
20、使用特征值法计算判断矩阵的最大特征值λmax和对应的特征向量；
21、计算一致性指标并设定随机一致指数ri；
22、计算随机一致性比率cr＝，若cr＜0.1，则将特征向量标准化，确保所有权重值之和为1后获得对应标准的权重值；若cr≥0.1，则重新构建判断矩阵直至cr＜0.1。
23、具体地，对流量数据进行预处理的方法包括：
24、获取上游流量数据qup(t)和下游流量数据qdown(t)，其中t为时间；
25、通过频谱分析或时间序列分析，确定上游流量数据qup(t)和下游流量数据qdown(t)中的主要噪音频率和模式；
26、构建滤波器模型：其中，n为时间窗口大小；
27、基于滤波器模型对上游流量数据qup(t)和下游流量数据qdown(t)进行处理获得预测数据q′up(t)和q′down(t)。
28、具体地，渠段水利用系数预测模型的建立方法包括：
29、获取典型渠道的历史数据，历史数据包括历史实测数据和历史水利用系数；历史实测数据包括时刻thistory时的上游历史流量数据、下游历史流量数据、历史温度数据、历史湿度数据，历史水利用系数为时段[thistory-tx，thistory+tx]的平均水利用系数，tx为设定的时间跨度值；
30、对历史数据进行预处理，通过z-score去除异常值并对数据进行标准化；
31、构建基于温度t和湿度h的流量数据修正模型f(t，h)＝αt+βh+γ，其中，α，β，γ为修正参数；
32、构建预测模型，wcu＝a+b·f(t，h)+c·qup+d·qdown，其中，a，b，c，d为模型参数，qup、qdown为上游流量数据和下游流量数据；
33、将历史数据分为训练集和测试集，并通过训练集对预测模型进行训练；
34、对训练中的预测模型进行实时优化，其中，θ为模型参数，θ＝{a，b，c，d，α，β，γ}，n为训练数据的数量，wucpredicted为模型预测值，wucactual为实际观测值；
35、获取优化后的预测模型。
36、可选地，通过上游历史流量数据、下游历史流量数据、历史温度数据、历史湿度数据进行线性回归，拟合获得α，β，γ；
37、通过f(t，h)、qup、qdown进行多元线性回归，拟合获得a，b，c，d。
38、进一步，对预测模型进行评价，评价方法包括：
39、计算均方误差值其中，k为测试数据的数量，为第k个实际观测值，为第k个模型预测值；
40、计算决定系数其中，ssres为残差平方和，sstot为总平方和，为观测值的平均值；
41、设定均方误差阈值和决定系数阈值，若均方误差值大于均方误差阈值或决定系数小于决定系数阈值，则增加训练数据的数量并继续对预测模型进行训练；若均方误差值不大于均方误差阈值且决定系数不小于决定系数阈值，则评价模型预测效果符合要求。
42、可选地，确定每个典型渠段的权重值，并构建渠系水利用系数预测模型其中，m为典型渠段的数量，wi为第i个典型渠段的权重值，wuci为第i个典型本文档来自技高网...
【技术保护点】
1.一种渠系水利用系数的在线监测方法，其特征在于，包括：
2.根据权利要求1所述的一种渠系水利用系数的在线监测方法，其特征在于，典型渠段的位置的确定方法包括：
3.根据权利要求2所述的一种渠系水利用系数的在线监测方法，其特征在于，权重值w1、w2、w3、w4、w5的确定方法包括：
4.根据权利要求1所述的一种渠系水利用系数的在线监测方法，其特征在于，对流量数据进行预处理的方法包括：
5.根据权利要求1所述的一种渠系水利用系数的在线监测方法，其特征在于，渠段水利用系数预测模型的建立方法包括：
6.根据权利要求5所述的一种渠系水利用系数的在线监测方法，其特征在于，通过上游历史流量数据、下游历史流量数据、历史温度数据、历史湿度数据进行线性回归，拟合获得α，β，γ；
7.根据权利要求5所述的一种渠系水利用系数的在线监测方法，其特征在于，对预测模型进行评价，评价方法包括：
8.根据权利要求5所述的一种渠系水利用系数的在线监测方法，其特征在于，确定每个典型渠段的权重值，并构建渠系水利用系数预测模型其中，m为典
9.一种渠系水利用系数的在线监测终端，包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8中任一项所述的一种渠系水利用系数的在线监测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的一种渠系水利用系数的在线监测方法。
...【技术特征摘要】
1.一种渠系水利用系数的在线监测方法，其特征在于，包括：
2.根据权利要求1所述的一种渠系水利用系数的在线监测方法，其特征在于，典型渠段的位置的确定方法包括：
3.根据权利要求2所述的一种渠系水利用系数的在线监测方法，其特征在于，权重值w1、w2、w3、w4、w5的确定方法包括：
4.根据权利要求1所述的一种渠系水利用系数的在线监测方法，其特征在于，对流量数据进行预处理的方法包括：
5.根据权利要求1所述的一种渠系水利用系数的在线监测方法，其特征在于，渠段水利用系数预测模型的建立方法包括：
6.根据权利要求5所述的一种渠系水利用系数的在线监测方法，其特征在于，通过上游历史流量数据、下游历史流量数据、历史温度数据、历史湿度数据进行线性回归，拟合获得α，β，γ；
7.根据权...
【专利技术属性】
技术研发人员：刘强，李鹏中，康小平，吴鉴，李志琴，王君勤，王小允，樊毅，
申请(专利权)人：四川省水利科学研究院，
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。