【技术实现步骤摘要】
本专利技术涉及水文与水资源领域，具体是一种水库蓄水顶托作用下的水文站水位流量关系重构方法。
技术介绍
1、水库运行后上游的水文站受到水库蓄水的顶托作用，会破坏水文站原有的水位流量关系，对于洪水预报与防洪安全存在严重影响。因此进行水库蓄水顶托作用下的水文站水位流量关系重构对于水资源调度与利用、防洪安全、通航安全以及水生态环境保护等方面具有重要的意义。
2、目前对于水文站的水位流量关系大多采用线性拟合法，即通过点绘水位流量数据点，进行线性拟合，获得水文站水位流量的定量关系。在河流上未建水库时，通过线性拟合获得水文站的水位流量关系曲线相对准确，能够有效指导洪水预报。然而，当河流上兴建水库后，在水库蓄水过程中，会对水文站的水位产生顶托作用，使得水文站原有天然条件下的水位流量关系发生了改变，呈现出明显的非线性特征，同时，在不同水库蓄水水位下，对应水文站的水位流量关系必然存在一定的差异；即使在同一水库蓄水水位下，由于水文站相应的水位流量数据监测点相对较少，也难以根据有限的实测数据获得水库某一蓄水水位下水文站的水位流量关系。
技术实现思路
1、本专利技术的目的在于提供一种水库蓄水顶托作用下的水文站水位流量关系重构方法，旨在通过采用深度学习方法建立水文站水位顶托量回归模型，基于回归模型生成不同水库蓄水水位下的水位流量数据，并采用水动力模型进行数据质量的检验；最后基于回归模型获取不同水库水位对应的水文站流量水位关系曲线簇，实现水库顶托作用下的水文站水位流量关系重构。
2、为实
3、一种水库蓄水顶托作用下的水文站水位流量关系重构方法，所述方法包括以下步骤：
4、步骤s1:收集水库建设前后水文站实测水位流量数据以及建库后水库水位数据，计算建库后水文站的水位顶托量，并确定与及对应的水文站流量及水库水位；
5、步骤s2：采用深度学习模型拟合建库后的水文站水位顶托量、流量以及水库水位三者对应的关系，建立水文站顶托量回归模型；固定某一水库水位，输入系列预设的水文站流量，基于水文站顶托量回归模型，获取相应系列水文站顶托量数据，同时建立水动力模型，模拟获得同一固定水库水位下，以系列预设的水位站流量作为边界的水文站水位，并计算水位顶托量，对比回归模型水位顶托量与水动力模型模拟的对应水位顶托量，验证回归模型水位顶托量精度；
6、步骤s3：预设不同的水库水位，以系列水文站流量数据为输入，基于验证好的深度学习水位顶托量回归模型获取不同水库水位下的系列水文站顶托量数据，进而重构水库蓄水顶托作用下水文站水位流量关系曲线簇。
7、作为本专利技术进一步的技术方案，步骤s1中进行水库建设后的水文站水位顶托量计算时，首先利用建库前水文站的实测水位流量数据绘制水文站未受水库顶托影响的正常水位流量关系曲线，获得其水位流量关系，假设其关系满足式（1）：
8、式（1）：；
9、其中，为建库前水文站的水位，为建库前水文站的流量，为建库前水文站水位和流量的对应函数关系；
10、假设建库后的水文站水位为，流量为，其对应的水库水位为，则建库后水文站的水位顶托量表示为式（2）：
11、式（2）：；
12、根据式（1）和式（2），获得水库建设后一一对应的水文站水位顶托量和流量。
13、作为本专利技术进一步的技术方案，在步骤s2中，进行水库建设后的水文站水位顶托量、流量以及水库水位三者关系建立时，采用的深度学习模型为长短时记忆网络lstm，假设利用lstm拟合得到的三者的回归模型表示为式（3）：
14、式（3）：；
15、其中，为通过深度学习模型lstm建立的水库建设后水文站顶托量和水文站流量以及水库水位之间的函数关系；
16、预设某一水库水位值，然后预设一系列建库后的水文站流量数据，将预设的系列流量代入回归模型式（3）中，得到基于深度学习回归模型生成的在水库水位为下的系列水文站水位顶托量；
17、采用水动力模型mike21建立包含目标水库和水文站所处河段的水动力模型，其中以目标水库所处位置为模型下边界，以水文站所处位置为上边界，利用历史实测水文资料率定好水动力模型后，保持水动力模型下边界为水库的预设水位值，然后将预设一系列建库后的水文站流量数据作为水动力模型的上边输入流量，运行水动力模型k次，得到基于水动力模型模拟得到的在水库水位为下的系列水文站水位顶托量；
18、水动力模型是基于河段的真实地形以及水流运动的真实水动力过程建立的模型，因此其模拟的不同流量下对应的水文站水位可以用来评价深度学习回归模型生成的水文站水位顶托量结果可信度，对比水动力模型模拟的水文站水位顶托量和深度学习回归模型得到的水文站水位顶托量，利用拟合优度r2和纳什系数nse评价深度学习回归模型生成的水文站水位顶托量数据质量，拟合优度r2和纳什系数nse的计算公式如式（4）和式（5）所示：
19、式（4）：；
20、式（5）：；
21、其中，为深度学习回归模型生成的第i个流量下的水文站水位顶托量值，为水动力模型模拟得到第i个流量边界下的水文站水位顶托量值，为深度学习回归模型生成水文站水位顶托量的平均值，为水动力模型模拟得到的水文站水位顶托量的平均值。
22、作为本专利技术进一步的技术方案，在步骤3中，进行水库蓄水顶托作用下水文站水位流量关系曲线重构时，设置系列水库水位值,然后基于步骤（2）中获得的水文站水位顶托量回归模型获得各水库水位下不同流量对应的水文站水位顶托量，例如第j个水库水位值在预设的系列流量下基于水位顶托量回归模型获得的对应水文站水位顶托量为，水库水位为时的水位顶托量和流量关系即表示为式（6）,水位顶托量加上水文站流量对应于建库前的水位，即为建库后的水文站的水位值，其计算公式如式（7）所示：
23、式（6）：；
24、式（7）：；
25、其中，为建库后水库水位为时的水文站流量，为对应流量基于回归模型生成的水文站水位，表示水库水位为条件下的水文站水位顶托量和水文站流量关系，为建库后预设流量下的水文站水位，f为建库前的水位流量关系曲线；
26、基于回归模型获得的不同水库水位下水文站的水位顶托量和流量序列，根据式（6）和式（7）计算实现不同水库水位下水文站水位流量关系曲线的重构。
27、与现有技术相比，本专利技术的有益效果是：
28、本专利技术提供了一种水库蓄水顶托作用下的水文站水位流量关系重构方法，旨在通过采用深度学习方法建立水文站水位顶托量回归模型，基于回归模型生成不同水库蓄水水位下的水位流量数据，并采用水动力模型进行数据质量的检验；最后基于回归模型获取不同水库水位对应的水文站流量水位关系曲线簇，实现水库顶托作用下的水文站水位流量关系重构。
本文档来自技高网...【技术保护点】
1.一种水库蓄水顶托作用下的水文站水位流量关系重构方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种水库蓄水顶托作用下的水文站水位流量关系重构方法，其特征在于，步骤S1中进行水库建设后的水文站水位顶托量计算时，首先利用建库前水文站的实测水位流量数据绘制水文站未受水库顶托影响的正常水位流量关系曲线，获得其水位流量关系，假设其关系满足式（1）：
3.根据权利要求1所述的一种水库蓄水顶托作用下的水文站水位流量关系重构方法，其特征在于，在步骤S2中，进行水库建设后的水文站水位顶托量、流量以及水库水位三者关系建立时，采用的深度学习模型为长短时记忆网络LSTM，利用LSTM拟合得到的三者的回归模型表示为式（3）：
4.根据权利要求1所述的一种水库蓄水顶托作用下的水文站水位流量关系重构方法，其特征在于，在步骤3中，进行水库蓄水顶托作用下水文站水位流量关系曲线重构时，设置系列水库水位值,然后基于步骤（2）中获得的水文站水位顶托量回归模型获得各水库水位下不同流量对应的水文站水位顶托量，第j个水库水位值在预设的系列流量下基于水位顶托量回归模型获
...【技术特征摘要】
1.一种水库蓄水顶托作用下的水文站水位流量关系重构方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种水库蓄水顶托作用下的水文站水位流量关系重构方法，其特征在于，步骤s1中进行水库建设后的水文站水位顶托量计算时，首先利用建库前水文站的实测水位流量数据绘制水文站未受水库顶托影响的正常水位流量关系曲线，获得其水位流量关系，假设其关系满足式（1）：
3.根据权利要求1所述的一种水库蓄水顶托作用下的水文站水位流量关系重构方法，其特征在于，在步骤s2中，进行水库建设后的水文站水位顶托量、流量以及水库水位三者关系建立时，采用的深度学习模型为长短时记忆...
【专利技术属性】
技术研发人员：李港，刘章君，张静文，刘鑫，吴佳琪，鄢笑宇，吴向东，
申请(专利权)人：江西省水利科学院江西省大坝安全管理中心，江西省水资源管理中心，
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。