[发明专利]一种基于反演数据和实测数据融合的水文预报方法及系统

说明书

本发明公开了一种基于反演数据和实测数据融合的水文预报方法及系统，该方法包括：采集实测数据并根据实测数据构建MIKE‑SHE水文模型；基于MIKE‑SHE水文模型得到反演数据；将实测数据和反演数据融合，得到融合数据；基于融合数据构建多个机器学习模型；基于综合评价法对各机器学习模型赋权，开展实时组合水文预报。该系统包括：水文模型构建模块、数据反演模块、数据融合模块、多机器学习模块构建模块和预报模块。通过使用本发明，能够提高水文预报精度。本发明作为一种基于反演数据和实测数据融合的水文预报方法及系统，可广泛应用于组合水文预报精度。

技术领域

本发明涉及组合水文预报领域，尤其涉及一种基于反演数据和实测数据融合的水文预报方法及系统。

背景技术

水文预报是指根据前期或现时的水文气象资料，对某一水体、地区或者水文站在未来一定时间内的水文情况做出定性或者定量的预测，按照预报时间的长短，可以划分为实时、短期、中期和长期水文预报，对实际生产生活中的流域旱涝灾害防治、水资源科学分配等问题提供重要决策支撑。在全球气候变化和人类活动的双重影响下，水文过程受到的不确定性因素加大，导致开展准确水文预报的难度急剧增大，利用传统的单一水文模型难以实现现有水文预报相关任务。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于反演数据和实测数据融合的水文预报方法及系统，提高水文预报精度。

本发明所采用的第一技术方案是：一种基于反演数据和实测数据融合的水文预报方法，包括以下步骤：

采集实测数据并根据实测数据构建MIKE-SHE水文模型；

基于MIKE-SHE水文模型得到反演数据；

将实测数据和反演数据融合，得到融合数据；

基于融合数据构建多个机器学习模型；

基于综合评价法对各机器学习模型赋权，开展实时组合水文预报。

进一步，所述采集实测数据并根据实测数据构建MIKE-SHE水文模型这一步骤，其具体包括：

采集研究区域的降雨、蒸发、流量、水位数据和洪水数据；

根据洪水数据中洪水过程线的起涨点和退水终止点划分出洪水场次，并将相关降雨、蒸发、流量和水位数据按照洪水场次划分；

将划分好的洪水场次按照7:3划分为训练数据和测试数据；

基于训练数据构建MIKE-SHE水文模型；

基于测试数据验证MIKE-SHE水文模型。

进一步，所述基于MIKE-SHE水文模型得到反演数据这一步骤，其具体还包括：

设定不同重现期降雨或干旱条件的特殊工况；

将特殊工况下的水文数据作为率定参数输入至MIKE-SHE水文模型，得到水位和流量数据；

将水位和流量数据按照洪水场次进行数据划分，得到划分后的反演数据。

进一步，所述将实测数据和反演数据融合，得到融合数据这一步骤，其具体包括：

采用SOM算法对实测数据和反演数据的所有洪水场次进行分类，得到分类后的数据；

利用Deep Learning算法对分类后的数据进行融合，得到融合数据。

进一步，所述基于融合数据构建多个机器学习模型这一步骤，其具体包括：

基于融合数据分别训练多层前馈式神经网络机器学习模型、局部回归神经网络机器学习模型和神经网络LSTM机器学习模型；