一种基于多因子的水文预报关联预警方法与流程

本发明涉及水文预报，尤其涉及一种基于多因子的水文预报关联预警方法。

背景技术：

1、当前我国的防汛调度工作具有精细化和全面性的特点，水文预报可为目前我国开展防洪抗旱防潮等减灾工作提供重要参考信息，其精确程度直接影响防汛调度等能否取得最大的经济和社会效益。在实际问题当中，水文系统是一个复杂的系统，这一特性体现于降雨、蒸发、温度、包气带等多种因素对径流过程的影响，如何正确的选择这些输入因子将直接影响着预报效果以及预报成本，影响因子考虑不足会导致预报的精度不够，影响因子选择过多会导致建模时间过长、模型复杂程度显著增加以及模型预报精度没有明显的改善甚至下降的问题。

2、一般地，水文回归预报的分析过程中，只对影响因子空间进行降维，以在确保精度的前提下简化预算，提升效率。水文预报模型需要同时考虑多种影响因子，传统的水文预报模型中虽然已经考虑了降水、蒸发、下渗等因素，但未考虑流域内关联雨量站、水库等重要水利工程对预报方案制定的影响，以及关联雨量站、水库等重要水利工程运行情况之间的相互关系，从而导致预报的精度不高。

3、另外，我国当前水利基础设施相对薄弱，发展水利现代化建设势在必行，而信息化是传统水利向现代水利转变的必由之路，随着国家信息化技术的迅速发展，利用“互联网＋”、“大数据”等新兴的信息化手段提升政府管理监督能力已成为时代趋势和社会要求，但水利行业信息化发展水平较低，还远远不足。

4、因此，目前亟需一种基于多因子的水文预报关联预警方法。

技术实现思路

1、（一）要解决的技术问题

2、鉴于现有技术的上述缺点、不足，本发明提供一种基于多因子的水文预报关联预警方法，其解决了现有技术中数据处理效率慢且精度低的技术问题。

3、（二）技术方案

4、为了达到上述目的，本发明采用的主要技术方案包括：

5、第一方面，本发明实施例提供一种基于多因子的水文预报关联预警方法，包括：

6、s100、获取待预报站点的历史基本参数以及同一流域内其他水利工程的历史基本参数，将所述待预报站点的历史基本参数以及同一流域内其他水利工程的历史基本参数输入提前设定的多因子关联站点获取模型中，获取待预报站点的关联站点；

7、所述其他水利工程为能够获取流量数据和雨量数据的水利工程；

8、s200、获取待预报站点的实时基本参数以及待预报站点的关联站点的实时基本参数，并将其进行数据预处理，获取预处理后的数据；

9、s300、将所述预处理后的数据输入训练好的预报模型中，获取待预报站点的预报数据；将所述待预报站点的预报数据与对应的数据阈值作比较，当超出数据阈值时，发布预警信息；

10、所述基本参数包括：流量数据以及雨量数据；

11、所述提前设定的多因子关联站点获取模型包括：相关系数获取单元、copula熵获取单元、直方图相交值获取单元以及关联站点获取单元。

12、可选地，所述s300包括：

13、s310、将所述预处理后的数据分别输入所述相关系数获取单元、copula熵获取单元以及直方图相交值获取单元，获取对应的相关系数、copula熵以及直方图相交值；

14、s320、将所述相关系数、copula熵以及直方图相交值输入关联站点获取单元，获取综合相关性指标；

15、s330、将所述综合相关性指标进行排序，获取排序前三的水利工程作为待预报站点的关联站点。

16、可选地，所述s310包括：

17、s311、将待预报站点的历史基本参数以及同一流域内其他水利工程的历史基本参数输入以下公式，获取皮尔逊相关系数：

18、；

19、其中， x i为待预报站点某一时刻内的流量数据，为待预报站点该时刻内的平均流量数据， y i为同一流域内其他水利工程该时刻的流量数据，为同一流域内其他水利工程该时刻的平均流量数据， z i为待预报站点该时刻内的雨量数据，为待预报站点该时刻内的平均雨量数据， w i为同一流域内其他水利工程该时刻的雨量数据，为同一流域内其他水利工程该时刻的平均雨量数据，n为该时刻内获取的基本参数的数量，k1为流量数据所占权重，k2为雨量数据所占权重。

20、可选地，所述s310还包括：

21、s312、将待预报站点的历史基本参数以及同一流域内其他水利工程的历史基本参数输入以下公式，获取copula熵：

22、；

23、其中， c(u，v，z，w)为四个变量 u，v，z，w的概率密度函数， u为待预报站点某一时刻内的流量数据， v为待预报站点某一时刻内的雨量数据， z为同一流域内其他水利工程该时刻的流量数据， w为同一流域内其他水利工程该时刻的雨量数据。

24、可选地，所述s310还包括：

25、s313、将待预报站点的历史基本参数以及同一流域内其他水利工程的历史基本参数输入以下公式，获取直方图相交值：

26、；

27、其中， k为直方图的区间数， h ai为待预报站点在第 i个区间中的频率， h bi为同一流域内其他水利工程在第 i个区间中的频率，min( h ai ，h bi)为在第 i个区间中两个直方图的最小值。

28、可选地，所述s320包括：

29、s321、将所述待预报站点的历史基本参数以及同一流域内其他水利工程的历史基本参数输入以下公式，获取综合相关性指标：

30、；

31、其中， s为相关系数，分别为皮尔逊相关系数、copula熵以及直方图相交值所对应的权重， r为皮尔逊相关系数， h为copula熵， h max为copula熵的最大值， h min为copula熵的最小值， i为直方图相交值， i max为直方图相交值的最大值。

32、可选地，所述综合相关性指标的值在0-1之间，当综合性指标的值越接近1，待预报站点与同一流域的其他水利工程的相关性越强。

33、可选地，所述s200之后，s300之前还包括：

34、s200a、采用训练数据集对预报站点进行训练，获取训练好的预报模型；

35、具体包括：将所述训练数据集按照参数类型和站点进行分类，将分类后的每一参数输入预报模型中，采用交叉熵函数与adam优化器，学习率为0.001，直至交叉熵回归损失函数最小化，获取训练好的训练模型；

36、所述训练数据集包括：待预报站点的历史基本参数、关联站点的历史基本参数以及待预报站点和关联站点在对应历史时刻的预报数据。

37、可选地，所述s300中，

38、所述预报模型为卷积神经网络模型；

39、所述卷积神经网络模型包括：输入层、卷积层、批量归一化层、池化层、展平层、全连接层以及输出层；

40、所述卷积层使用64个滤波器，核大小为3，激活函数为relu。

41、可选地，所述方法还包括：

42、将所述待预报站点的实时基本参数、对应的关联站点以及关联站点的实时基本参数统一存储在提前构建的数据库中；

43、且，若当前流域内的区域划分与历史水文情况不符，即当前流域的划分与历史流域的划分相比扩大或缩小范围，则根据实际需要修改配置当前站点的关联站点。

44、（三）有益效果

45、本发明的有益效果是：本发明的一种基于多因子的水文预报关联预警方法，由于借助大数据技术，实现对大量水文数据的并行分析计算，保证了数据处理效率和精度，满足了水文预报的预警需要；同时，本发明利用了多种影响因子，将待预报的站点和与其相关的关联站点相关联，实现了水文预报预警的关联展示功能，提高了水文预报的准确性。

46、进一步地，本发明如完成系统建设，可快速形成以水文预报预警技术为核心、开辟水文预报预警技术新技术领域，引领国内国际科技技术新趋势，产生规模效益。