集成水利大数据的主动式实时水位预测方法技术

本申请公开了一种集成水利大数据的主动式实时水位预测方法，包括：人工或自动化选择水位预测点并获取水位预测点的水利对象编号；基于水利对象编号从水利信息融合模块中检索并推理得到影响水位预测的水位影响因子，基于水位影响因子构建水位影响要素群以及群编号，水利信息融合模块由流域知识图谱和水利对象内部信息结构融合得到；基于群编号主动与对应的水利对象进行信息交互，获取水利对象的属性信息；对属性信息进行预处理形成水利预测时间序列数据集，对水利预测时间序列数据集进行实时训练和预测得到水位数据实现水位预测，通过对水利大数据的主动的组织、实时的获取、处理与预测形成了一种主动式实时水位预测方法。

【技术实现步骤摘要】

本申请涉及数据处理，具体为一种集成水利大数据的主动式实时水位预测方法。

技术介绍

1、目前，小流域中大规模的水位监测点进行自动化的机器学习实时水位预测时，存在以下问题：

2、一、水位影响因子不明确、无法进行自动化的推理问题；

3、二、水位影响因子水利大数据的获取、处理与存储技术存在流程分散、数据实时性与一致性低、数据间协同能力弱的特点导致无法支撑水利“四预”，水利数字孪生以及数字水网等智慧水利领域的应用，其中，四预即预报、预警、预演、预案；

4、三、另外，目前水位预测仅根据被动采集的有限数据进行水位预测，灵活性和准确性差。

5、基于上述，研发一种主动式的集成水利大数据的实时水位预测能够解决上述技术问题，以实现数据驱动下的水位的实时、准确预测与预警。

技术实现思路

1、本申请提供一种集成水利大数据的主动式实时水位预测方法以解决上述
技术介绍
中的问题。

2、本申请解决其技术问题所采用的技术方案是：一种集成水利大数据的主动式实时水位预测方法，包括以下步骤：<本文档来自技高网...

【技术保护点】

1.一种集成水利大数据的主动式实时水位预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述集成水利大数据的主动式实时水位预测方法，其特征在于，水利对象包括水文站、水闸或水泵，水位影响因子包括影响水位预测点水位预测的一定范围内的其他预测点的水文、气象或地理数据。

3.根据权利要求2所述集成水利大数据的主动式实时水位预测方法，其特征在于，流域知识图谱中水利对象实体之间的关系包括属于关系、上游关系、下游关系或同一河流关系，基于水利对象之间的横向关系推理选择水位预测点附近的其他预测点得到水位影响因子，水位影响因子的选取需考虑水位预测点的上下游的水位变化程度的影响系...

【技术特征摘要】

1.一种集成水利大数据的主动式实时水位预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述集成水利大数据的主动式实时水位预测方法，其特征在于，水利对象包括水文站、水闸或水泵，水位影响因子包括影响水位预测点水位预测的一定范围内的其他预测点的水文、气象或地理数据。

3.根据权利要求2所述集成水利大数据的主动式实时水位预测方法，其特征在于，流域知识图谱中水利对象实体之间的关系包括属于关系、上游关系、下游关系或同一河流关系，基于水利对象之间的横向关系推理选择水位预测点附近的其他预测点得到水位影响因子，水位影响因子的选取需考虑水位预测点的上下游的水位变化程度的影响系数，根据相邻点上下游的距离和水的流速计算延迟时间，关联形成同一基准时间下的关联数据集，同一基准时间下的理论基准关系式为：δhi1ci1+δhi2ci2+…+δhincin=δhp=δho1/co1+δho2/co2+…+δhon/con，

4.根据权利要求3所述集成水利大数据的主动式实时水位预测方法，其特征在于，水利对象内部信息结构作为水利对象实时信息交互与存储结构，根据关系数据库构建序列数据，以作为预测数据样本集，水利对象内部信息结构包括水利对象的基础静态知识集、运行过程知识集、配置信息、部件信息和环境信息。

5.根据权利要求4所述集成水利大数据的主动式实时水位预测方法，其特征在于，步骤a3中采用数据处理模块从水利对象模块获取水利对象的属性信息并将属性信息进行处理，得到水利对象的属性信息集后，将水利对象的属性信息集发送至水利信息融合模块，水利信息...

【专利技术属性】
技术研发人员：张仁贡，汪松松，
申请(专利权)人：浙江禹贡信息科技有限公司，
类型：发明
国别省市：