[发明专利]一种基于水文机器人的多源数据融合方法及装置

权利要求书

1.一种基于水文机器人的多源数据融合方法，其特征在于，包括：

S1：采集移动式设备的水文监测数据，将采集的水文监测数据传输至水文自动测报系统的中心计算机，将所述水文监测数据按照统一数据格式进行转换并存储至水文信息数据库，其中移动式设备包括水文测站、水文机器人；

S2：构建多源数据校验规则，包括水文测站数据与机器人数据相互校验规则以及水文机器人多点数据校验规则；

S3：根据多源数据校验规则对数据异常情况进行判别，并对数据误差源进行判别；

S4：根据数据异常判别结果以及数据误差源判别结果，对水文监测数据进校正，并依据预设时间尺度将校正后数据转化为同一时间尺度的数据集。

2.如权利要求1所述的基于水文机器人的多源数据融合方法，其特征在于，步骤S1中，所述统一数据格式为矩阵形式，统一数据格式包含三个索引x,y,z_i，其中，x为站点名称，y为测量时间，z_i(i＝1,2,3,...,n)为对应的水文变量，n为水文变量个数，水文变量包括水位、流量、降水量。

3.如权利要求1所述的基于水文机器人的多源数据融合方法，其特征在于，步骤S2中的水文机器人多点数据校验规则，包括水文机器人在不同测点不同水文变量校验规则、不同测点同一水文变量校验规则、同一测点不同水文变量校验规则和同一测点同一水文变量校验规则，

其中，根据水文机器人在不同测点不同水文变量校验规则进行异常情况判别，包括：通过水文模型的降雨径流关系进行当前测点流量与上游测点降水量的相互校验，通过水力学模型进行当前测点流量、水位与上游测点流量、水位的相互校验；

根据不同测点同一水文变量校验规则进行异常情况判别，包括：根据邻近站点或上下游站点的同一水文变量相关关系，判别水文变量的异常情况；

根据同一测点不同水文变量校验规则进行异常情况判别，包括：通过当前测点不同水文变量的相关关系，判别数据的异常情况；

根据同一测点同一水文变量校验规则进行异常情况判别，包括：对于任意单一水文变量，通过当前测量数据与历史数据的对比，判别对比结果是否在正常取值范围内，进而判别数据异常情况。

4.如权利要求1所述的基于水文机器人的多源数据融合方法，其特征在于，S3中根据多源数据校验规则对数据异常值进行诊断，包括根据水文机器人多点数据校验规则，对水文数据进行异常值诊断，具体为：获取来自同一地点的水文测站与水文机器人的同步监测数据，通过对比水文测站与水文机器人的同步监测数据的差异和不确定度，以校验数据的异常情况。

5.如权利要求1所述的基于水文机器人的多源数据融合方法，其特征在于，S3中根据多源数据校验规则对数据误差源进行判别，包括根据水文测站数据与机器人数据相互校验规则进行误差源判别，具体为：分别分析水文测站监测数据、水文机器人监测数据与历史监测数据的差异，判别水文测站监测数据与历史监测数据的差异、水文机器人监测数据与历史监测数据的差异是否在正常取值范围内，如果均在正常范围内，则测量的误差来源于随机误差，否则，测量的误差来源于系统误差。

6.如权利要求1所述的基于水文机器人的多源数据融合方法，其特征在于，S3中根据多源数据校验规则对数据误差源进行判别，包括根据水文机器人多点数据校验规则进行误差源判别，具体为：对可能包含的误差源进行排查，得到最终误差源。

7.如权利要求1所述的基于水文机器人的多源数据融合方法，其特征在于，步骤S4中根据数据异常判别结果以及数据误差源判别结果，对水文监测数据进校正，包括：

根据数据异常判别结果以及数据误差源判别结果，进行异常值的剔除及补充、误差值的修正。

8.一种基于水文机器人的多源数据融合装置，其特征在于，包括：

数据存储模块，用于采集移动式设备的水文监测数据，将采集的水文监测数据传输至水文自动测报系统的中心计算机，将所述水文监测数据按照统一数据格式进行转换并存储至水文信息数据库，其中移动式设备包括水文测站、水文机器人；

校验规则构建模块，用于构建多源数据校验规则，包括水文测站数据与机器人数据相互校验规则以及水文机器人多点数据校验规则；

数据诊断模块，用于根据多源数据校验规则对数据异常情况进行判别，并对数据误差源进行判别；

数据融合模块，用于根据数据异常判别结果以及数据误差源判别结果，对水文监测数据进校正，并依据预设时间尺度将校正后数据转化为同一时间尺度的数据集。