一种深度学习强化下的深水水库溶解氧数据同化预报方法技术

本发明专利技术公开了一种深度学习强化下的深水水库溶解氧数据同化预报方法，首先基于地形数据、气象条件、出入流条件构建深水水库溶解氧物理模型，采用集合卡尔曼滤波算法针对物理模型构建数据同化系统并预报溶解氧浓度；构建以气象条件、出入流条件和水库各深度溶解氧浓度为输入输出关系的深度学习模型，预报溶解氧浓度；采用多元线性回归方法，将数据同化系统预报结果和深度学习模型的预报结果融合，实现深水水库短期多深度溶解氧浓度预报；本发明专利技术利用数据驱动模型弥补了物理模型在模型表达上的缺陷，利用物理模型增强了数据驱动模型预报结果的可解释性，融合方法提升了水库溶解氧浓度预报精度。

【技术实现步骤摘要】

本专利技术涉及水库水环境模拟和预报，特别是一种深度学习强化下的深水水库溶解氧数据同化预报方法。

技术介绍

1、深水水库季节性热分层会阻碍垂向上的物质和能量交换，引起溶解氧的水质指标的分层并导致滞温层缺氧，诱发底泥向水中释放有毒有害物质。开展深水水库中短期溶解氧预报可以帮助管理人员掌握水库水质状态，并通过水库调度等手段改善库区水环境，保护水库生态安全。基于物理模型的数据同化系统是水环境研究领域的重要工具，其核心是将观测结果融合到模型的动力框架，以增强系统的可预报性和可观测性。但机理驱动的水动力水质模型本质上是对水体系统的抽象化或概念化，所采用的经验公式或方程无法全面捕捉水体系统的理化规律。基于数据驱动的深度学习算法可以从大量的实测数据中捕捉水环境系统的非线性映射特征，在水环境模拟和预报等复杂演变机制领域显示出巨大优势。

2、深水水库溶解氧受多种驱动因素的影响，如热分层阻碍表层富氧水与底部缺氧水的掺混，上游洪水或梯级水库泄水可以增加外部氧源并增强下游水体掺混。由于深水水库溶解氧演化机制和驱动因素的复杂性和多样性，有学者将物理模型的输出作为机器学习模本文档来自技高网...

【技术保护点】

1.一种深度学习强化下的深水水库溶解氧数据同化预报方法，其特征在于：它包括如下步骤：

2.根据权利要求1所述的一种深度学习强化下的深水水库溶解氧数据同化预报方法，其特征在于：所述步骤S1中构建二维水动力水质模型的表达式如下：

3.根据权利要求1所述的一种深度学习强化下的深水水库溶解氧数据同化预报方法，其特征在于：所述步骤S4中观测误差协方差矩阵、状态误差协方差矩阵、卡尔曼增益矩阵的表达式如下：

4.根据权利要求1所述的一种深度学习强化下的深水水库溶解氧数据同化预报方法，其特征在于：所述步骤S6中采用的深度学习模型为长短期记忆网络(Long short-...

【技术特征摘要】

1.一种深度学习强化下的深水水库溶解氧数据同化预报方法，其特征在于：它包括如下步骤：

2.根据权利要求1所述的一种深度学习强化下的深水水库溶解氧数据同化预报方法，其特征在于：所述步骤s1中构建二维水动力水质模型的表达式如下：

3.根据权利要求1所述的一种深度学习强化下的深水水库溶解氧数据同化预报方法，其特征在于：所述步骤s4中观测误差协方差矩阵、状态误差协方差矩阵、卡尔曼增益矩阵的表达式如下：

4.根据权利要求1所述的一种深度学习强化下的...

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