[发明专利]一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统

权利要求书

1.一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法，其特征在于，所述方法包括如下步骤：

（1）、确定逆向预测分期、水位目标，所述逆向预测分期分为预降水位前期和预降水位后期；

（1-1）、划分逆向预测分期：预降水位前期包括预降水位前期起始时间T₀、预降水位前期终止时间T_a；预降水位后期包括与所述预降水位前期终止时间T_a一致的预降水位后期起始时间、以及结束时间T_b；

（1-2）、确定水位目标：所述预降水位前期起始时间T₀、预降水位前期终止时间T_a、预降水位后期结束时间T_b对应的湖泊水位分别为Z₀、Z_a、Z_b；湖泊水位Z_a安全阈值和湖泊水位目标值分别记为thre_Z_a、obje_Z_b；

（2）、采用多维情景构建和数模试验相结合的方法，挖掘预降水位后期多驱动因子下湖泊水位响应规律；

（2-1）、构建预降水位后期多维情景集S：选取湖泊水位目标值obje_Z_b的各驱动因子，包括水文、气象、人工干预，筛选出关键驱动因子X₁,X₂,…X_i,…X_n，n为自然数，序列包含预降水位前期终止时间T_a对应的湖泊水位Z_a；基于关键驱动因子，构建多维情景集S，具体如下：

为每个驱动因子构建增量序列；

定义一个包含所有驱动因子的一个序列的矩阵为一个情景，由此生成M个多维情景：

（2-2）、建立河网水动力模型，水动力模型基本原理如下：

连续方程

动力方程

式中：x为距离，m；t为时间，s；A为过水面积，m²；Q为断面流量，m³/s；Z为水位，m；α为动量修正系数；R为水力半径，m；q_L为旁侧入流，m²/s，入流为正，出流为负；v_x为入流沿水流方向的速度，m/s，若旁侧入流垂直于主流，则v_x=0；

建立河网水动力模型的过程包括：

产汇流模块概化：概化水文计算单元，涉及雨量站权重方案、蒸发站信息、下垫面信息、汇流时段分配系数及产汇流计算相关的参数；

河网概化：引入河道中心线shapefile文件，提取河道中心线并派生模型，并校核河

网拓扑关系；

断面概化：将实测或概化的河道断面数据标准化，形成标准格式的 dat 文件，河道

大断面资料和河道中心线 shapefile 文件中河道位置一一对应，引入标准化后的断面数据文件，生成一维河道；

湖泊概化：将湖泊概化为零维调蓄节点，将收集的湖泊 shapefile 文件和湖底高程数据整理成标准的dat格式一般地形文件，并引入模型，由于湖泊具有调蓄作用，需设置每个湖泊的水位~面积关系，并通过节点或堰闸将零维湖泊与河网建立联系；

水工建筑物及调度条件概化：水工建筑物在模型中概化为联系要素，其过流流量采用水动力学方法模拟，建筑物的上下游设节点，通过节点与概化河道连接，节点间的水位及流量取决于堰流公式及水工建筑物运行方式，水工建筑物运行方式概化为一系列的逻辑语句；

边界条件概化：边界条件主要是外部潮位边界，将实测潮位站的特征潮位资料插值

为整点潮位，并且进一步插值到所有概化河道对应的外边界口门；

（2-3）、采用数模试验方法，挖掘预降水位后期多驱动因子下湖泊水位响应规律：将各情景下的驱动因子序列输入水动力模型，通过模型数值模拟得到各情景下的湖泊水位Z_b序列，挖掘分析湖泊水位Z_b对各驱动因子的响应规律；

（3）、确定水位安全阈值，在满足的情景中，取Z_ak均值作为Z_a的安全阈值thre_Z_a：

式中，为满足的情景个数；

（4）、构建关联规则模型，挖掘预降水位前期“流域降雨-湖泊水位”关联规则；

（4-1）、离散化降雨、水位数据：根据预降水位前期起始时间T₀对应的水位Z₀历史数据、预降水位前期流域历史降雨数据P_a分布特征、步骤（3）确定的安全阈值thre_Z_a，将预降水位前期起始时间T₀对应的水位Z₀、预降水位前期流域历史降雨数据P_a以及预降水位后期起始时间T_a对应的水位Z_a进行以及离散化处理，形成若干分组；

（4-2）、构建“流域降雨-湖泊水位”关联规则模型：X、Y是某些项组成的非空集合，则形如的逻辑蕴涵关系称为关联规则，X称为关联规则的前件或先决条件，Y称为关联规则的后件或结果，；

通过构建关联模型，挖掘预降水位前期“流域降雨-湖泊水位”关联规则；根据挖掘得到的关联规则，为实现使预降水位后期起始时间T_a对应的水位Z_a控制在安全阈值thre_Z_a以下，提出预降水位前期水利工程调控建议；所述关联规则模型涉及支持度、置信度具体如下：

式中：D为交易集；为关联规则的支持度；为关联规则的置信度；

（5）、根据步骤（4）挖掘得到的关联规则和步骤（2）挖掘得到的预降水位后期湖泊水位响应规律，确定未来情景下预降期内水利工程调控方式；

（5-1）、基于步骤（4）挖掘得到的关联规则，根据未来情景下湖泊水位、流域降雨数据，预测未来情景湖泊水位，并通过未来情景湖泊水位与安全阈值thre_Z_a对比，识别确定T₀~T_a水利工程调控方式，若未来情景湖泊水位，则水利工程实施常规调度，否则，应通过水利工程调度提前预降湖泊水位，使未来情景湖泊水位：

式中，为未来情景下T_a时刻对应的实际水位；

（5-2）、根据预降水位后期结束时间的湖泊水位Z_b与各关键驱动因子的响应规律，识别确定T_a~T_b最优的水利工程调控方式，同时将实际情景纳入步骤（2）的情景集，通过信息反馈和训练不断优化上述步骤。