基于时空特征提取和机器学习的水库垂向水温预报方法技术

本发明专利技术公开一种基于时空特征提取和机器学习的水库垂向水温预报方法，采用库区构建的二维水动力水质机理模型模拟垂向水温；通过计算气象、水库调度和垂向水温之间的最大互信息系数，筛选水温垂向上的相关因素；使用自编码器模型做降维处理，提取目标日过去一周水温和相关因素的时空特征，构建输入数据集，用于训练和测试机器学习模型；本发明专利技术实现水库垂向水温的精准预报，解决了现有技术基于机器学习的水库垂向水温预报方法不能充分高效地捕捉影响因素与水温在时空上的相关性，对数据信息利用不充分，实测数据有限导致的水库水温预报不够精准的问题。

【技术实现步骤摘要】

本专利技术涉及水库水资源管理，特别是一种基于时空特征提取和机器学习的水库垂向水温预报方法。

技术介绍

1、水温不仅是影响水体中生物群落结构和生态系统功能的重要因素之一，同时也影响着水体中生化反应以及水生生物的新陈代谢过程。包括溶解氧饱和度、微生物和藻类生长、沉积物向水体释放化学成分；由温度分层引起溶解氧等环境指标的分层还会诱发水环境水生态问题，进而威胁供水安全及下游生态系统健康。因此，对水库垂向水温精准的预报对湖库水质管理与生态安全十分必要。

2、基于数据驱动的机器学习模型可以脱离数学物理关系，进行纯数据的分析，通过数据驱动模型挖掘输入数据和输出数据间的映射关系，模型结构简单，学习能力强，可以达到机理模型如ce-qual-w2、environmental fluid dynamics code等相同的精度，还降低了计算成本，是目前探索水温预报问题常用的技术方法。

3、与天然形成的水体不同，水库由于人工增加了额外的边界条件，水库水温除了受到自然气象如空气温度、辐射、降雨等气象因素的影响外，还会受到水库调度因素的影响，不同的水库调度方式本文档来自技高网...

【技术保护点】

1.一种基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：它包括如下步骤：

2.根据权利要求1所述的基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：所述步骤S1中气象数据包括库区辐射、相对湿度、气温、风速和风向，水库调度数据包括入库流量、出库流量、入库水温和水位。

3.根据权利要求1所述的基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：所述步骤S2中的双立方插值法使用MATLAB编程语言的interp1函数实现，考虑缺失值周围的16个数据点，并通过三次插值计算缺失值。

4.根据权利要求1所述的基于时空特征提取和机...

【技术特征摘要】

1.一种基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：它包括如下步骤：

2.根据权利要求1所述的基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：所述步骤s1中气象数据包括库区辐射、相对湿度、气温、风速和风向，水库调度数据包括入库流量、出库流量、入库水温和水位。

3.根据权利要求1所述的基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：所述步骤s2中的双立方插值法使用matlab编程语言的interp1函数实现，考虑缺失值周围的16个数据点，并通过三次插值计算缺失值。

4.根据权利要求1所述的基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：所述步骤s3构建的二维水动力水质机理模型ce-qual-w2模型的表达式如下：

5.根据权利要求1所述的基于时空特征提取和机器学习的水库垂向水温预报方法，其特征在于：所述步骤s5通过计算气象、水库调度因素和垂向水温之间的最大互信息系数(mic)进行相关性分析，筛选每一层水温的相关因素；首先将气象、水库调度因素和垂向水温数据归一化，然后对于给定深度层的水温y，遍历所有的因素x，在python中使用minepy库进行mine(maximum information nonparametric exploration)计算，以获得两个变量之间的最大互信息值mic(x；y)，最后筛选mic≥0.3的因素为该深度水温的相关因素...

【专利技术属性】
技术研发人员：孙博闻，于淼，张袁宁，宗庆志，
申请(专利权)人：天津大学，
类型：发明
国别省市：