【技术实现步骤摘要】
本专利技术属于洪水预测，尤其涉及一种洪水演进预测方法、系统、设备及存储介质。
技术介绍
1、流域洪水演进预测是防洪减灾的关键技术手段，传统的洪水演进预测方法通常仅依赖于物理机理模型，然而，由于洪水演进机理模型计算复杂，涉及大量非线性水文过程，尤其在流域尺度内，难以在短时间内完成大范围或复杂条件下的模拟。此外，深度学习模型虽然能够进行快速预测，但是由于实测数据有限限制预测精度，从而影响了洪水预警的及时性、准确性和决策的有效性。
技术实现思路
1、专利技术目的：本专利技术的第一目的是提供一种预测速度快且预测精度高的洪水演进预测方法。
2、本专利技术的第二目的是提供一种洪水演进预测系统。
3、本专利技术的第三目的是提供一种设备。
4、本专利技术的第四目的是提供一种存储介质。
5、技术方案：本专利技术的公开的一种洪水演进预测方法，包括以下步骤，
6、s1：获取目标区域的基础数据；
7、s2：构建初始洪水演进机理模型，依据基础数据定义并校验初始洪水演进机理模型，得到目标洪水演进机理模型；
8、s3：提取基础数据中目标区域的历史降雨数据，基于历史降雨数据构造多组降雨气象边界条件；
9、s4：将构造的降雨气象边界条件输入目标洪水演进机理模型，目标洪水演进机理模型输出对应降雨气象边界条件下的水位时空分布数据，多组降雨气象边界条件及其对应的水位时空分布数据构成样本集；
10、s5：构建图神经网
11、s6：用户将待预测的降雨气象边界条件输入目标洪水演进机理模型和预测模型，目标洪水演进机理模型输出第一预测水位时空分布数据，预测模型输出第二预测水位时空分布数据；
12、s7：基于第一预测水位时空分布数据判断第二预测水位时空分布数据是否正常，若正常，则将第二预测水位时空分布数据作为预测结果输出；若不正常，则将扩充该降雨气象边界条件下的数据样本，并将扩充后的数据样本增加到样本集中，再重复步骤s4-s7，直至该待预测的降雨气象边界条件下的第二预测水位时空分布数据正常。
13、进一步的，步骤s1中所述基础数据包括地形高程数据、研究范围、河道数据、下垫面属性数据、气象数据和校准数据；气象数据包括降雨量时间序列数据、温度时间序列数据、相对湿度时间序列数据、风速时间序列数据、辐射时间序列数据、大气压时间序列数据和融雪时间序列数据。
14、进一步的，步骤s2中所述初始洪水演进机理模型为inteliway-ssim；
15、定义并校验初始洪水演进机理模型的步骤如下：
16、依据地形高程数据、研究范围和河道数据在inteliway-ssim内将目标流域的研究范围划分为大小不一的网格，其中陆域为三角网格，河道为非三角网格；
17、基于地形高程数据和下垫面属性数据为三角网格赋予相应的属性，基于河道数据和下垫面属性数据为非三角网格赋予相应的属性；
18、将气象数据输入inteliway-ssim，并驱动inteliway-ssim，inteliway-ssim输出模拟值，将模拟值与校准数据对比，若二者误差超过预设值，则调整inteliway-ssim的模型关键参数，或者调整inteliway-ssim的网格划分，直至误差小于或等于预设值。
19、进一步的，步骤s3中所述的历史降雨数据指降雨量时间序列数据；
20、步骤s3中所述的构造多组降雨气象边界条件的步骤如下：
21、基于历史降雨数据计算得到目标区域内降雨强度-持续时间-降雨频率关系式；
22、设计降雨频率和持续时间，基于降雨强度-持续时间-降雨频率关系式计算得到对应的降雨强度；
23、将持续时间与对应的降雨强度构成的时序数据定义为降雨气象边界条件。
24、进一步的，降雨强度-持续时间-降雨频率关系式的计算步骤如下：
25、设计降雨频率；
26、对历史降雨数据进行拟合，得到不同降雨强度和持续时间的降雨频率；
27、对不同降雨强度和持续时间的降雨频率的数据进行回归性分析，得到降雨强度-持续时间-降雨频率关系式：，
28、,其中i指降雨强度，单位为mm/h；d指降雨持续时间，单位为h；r指重现期，单位为year；f指降雨频率，a、b、c是常数。
29、进一步的，步骤s7中判断第二预测水位时空分布数据是否正常的步骤如下：
30、计算第二预测水位时空分布数据与第一预测水位时空分布数据的差异值；
31、设置阈值，若差异值未超过阈值，则判断第二预测水位时空分布数据正常；若差异值超过阈值，则判断第二预测水位时空分布数据不正常。
32、进一步的，步骤s7中扩充数据样本的步骤如下：
33、采用随机扰动的方式扩充该待预测的降雨气象边界条件；随机扰动扩充待预测的降雨气象边界条件的方式包括以下三种：扰动降雨时间、扰动降雨强度以及综合扰动降雨时间和降雨强度；
34、将扩充后的降雨气象边界条件输入目标洪水演进机理模型，得到扩充后的降雨气象边界条件对应的水位时空分布数据；
35、扩充后的降雨气象边界条件和对应扩充后的水位时空分布数据构成扩充的数据样本。
36、基于同样的专利技术构思，本专利技术还公开一种洪水演进预测系统，包括，
37、数据获取模块，获取目标区域的基础数据；
38、机理模型模块，用于构建初始洪水演进机理模型，并依据数据获取模块的基础数据定义并校验初始洪水演进机理模型，得到目标洪水演进机理模型；
39、数据构造模块，用于提取基础数据中目标区域的历史降雨数据，并基于历史降雨数据构造多组降雨气象边界条件；
40、样本集模块，能够将构造的降雨气象边界条件输入目标洪水演进机理模型，目标洪水演进机理模型输出对应降雨气象边界条件下的水位时空分布数据，多组降雨气象边界条件及其对应的水位时空分布数据构成样本集；
41、训练预测模块，构建图神经网络模型，并调用样本集训练图神经网络模型，得到用于预测洪水演进的预测模型；
42、结果输出模块，包括集成子模块、预测判断子模块、数据扩充子模块、样本扩充子模块以及循环子模块；
43、集成子模块，用于集成目标洪水演进机理模型和预测模型；
44、预测判断子模块，用于将待预测的降雨气象边界条件输入集成子模块并驱动集成子模块，集成子模块输出与目标洪水演进机理模型对应的第一预测水位时空分布数据，集成子模块输出与预测模型对应第二预测水位时空分布数据，再基于第一预测水位时空分布数据判断第二预测水位时空分布数据是否正常，若正常，则将第二预测水位时空分布数据作为预测结果输出；若不正常，则将扩充该降雨气象边界条件的命令传输至样本扩充子模块并驱动样本扩充子模块；
45、本文档来自技高网...
【技术保护点】
1.一种洪水演进预测方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的洪水演进预测方法，其特征在于：步骤S1中所述基础数据包括地形高程数据、研究范围、河道数据、下垫面属性数据、气象数据和校准数据；气象数据包括降雨量时间序列数据、温度时间序列数据、相对湿度时间序列数据、风速时间序列数据、辐射时间序列数据、大气压时间序列数据和融雪时间序列数据。
3.根据权利要求1所述的洪水演进预测方法，其特征在于：步骤S2中所述初始洪水演进机理模型为inteliway-SSIM；
4.根据权利要求2所述的洪水演进预测方法，其特征在于：步骤S3中所述的历史降雨数据指降雨量时间序列数据；
5.根据权利要求4所述的洪水演进预测方法，其特征在于：降雨强度-持续时间-降雨频率关系式的计算步骤如下：
6.根据权利要求1所述的洪水演进预测方法，其特征在于：步骤S7中判断第二预测水位时空分布数据是否正常的步骤如下：
7.根据权利要求1所述的洪水演进预测方法，其特征在于：步骤S7中扩充数据样本的步骤如下：
8.一种洪水演进预测
9.一种电子设备，其特征在于：包括一个或多个处理器、一个或多个存储器以及一个或多个程序，所述程序存储在存储器中并被配置为由处理器执行，所述程序被加载至处理器时实现根据权利要求1至7任一项所述的洪水演进预测方法的步骤。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使处理器执行根据权利要求1至7任一项所述的洪水演进预测方法的步骤。
...【技术特征摘要】
1.一种洪水演进预测方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的洪水演进预测方法，其特征在于：步骤s1中所述基础数据包括地形高程数据、研究范围、河道数据、下垫面属性数据、气象数据和校准数据；气象数据包括降雨量时间序列数据、温度时间序列数据、相对湿度时间序列数据、风速时间序列数据、辐射时间序列数据、大气压时间序列数据和融雪时间序列数据。
3.根据权利要求1所述的洪水演进预测方法，其特征在于：步骤s2中所述初始洪水演进机理模型为inteliway-ssim；
4.根据权利要求2所述的洪水演进预测方法，其特征在于：步骤s3中所述的历史降雨数据指降雨量时间序列数据；
5.根据权利要求4所述的洪水演进预测方法，其特征在于：降雨强度-持续时间-降雨频率关系式的计算步骤如下：<...
【专利技术属性】
技术研发人员：邹锐，陈星，李馨，魏欣星，
申请(专利权)人：北京英特利为环境科技有限公司，
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。