[发明专利]基于量质耦合预报的水资源水环境调控方法和系统

说明书

本发明公开了一种基于量质耦合预报的水资源水环境调控方法和系统，包括：获取研究区域的基础数据；读取数字高程数据，提取河网和集水区信息，将研究区域划分为若干个子区域；针对各个子区域分别构建河网拓扑单元，并形成研究区域的整体河网拓扑；按照时间顺序，读取每个河网拓扑单元各个时期的径流量、水质数据和用水量数据，形成若干个水文数据空间；构建SWAT‑GNN模型，以各个河网拓扑单元的水文数据空间为输入数据，对SWAT‑GNN模型进行训练，通过验证数据进行验证，直至符合预期要求；将训练好的SWAT‑GNN模型部署至调控平台，对研究区域的水资源进行调控。本申请大大提高了预测的质量，并提高模型的泛化能力。

技术领域

本发明涉及水量预测技术，尤其是一种基于量质耦合预报的水资源水环境调控方法和系统。

背景技术

随着社会经济的发展，水质监测对于生态保护和引水安全越发重要。如果采用布设水质监测系统的方式，其时间成本和生产安装成本是非常高的，这种方式一般用于水源地等区域。为了克服这些缺陷，技术人员开发了多种水质模型，通过这些水质模型提高水质参数的预测精度，这种技术在过去几十年得到的大力的发展，获得了比较好的效果。随着气候变化和人类活动对环境的影响，这些模型出现了新的问题；同时，采用上述模型在参数估计、率定、校准和验证过程中需要较长的时间。

近年来，随着人工神经网络技术的发展，水文模型得到了新的发展，人工神经网络无需获取物理过程的参数，只需要大量的训练和验证数据即可。但是目前的人工神经网络还存在诸如需要对网络结构和训练数据进行优选，一旦超出原始的训练数据和变换使用场景，这些模型的预测质量可能会受到较大影响，预测效果降低，换句话说，模型的泛化能力还需要提高。当然，还存在一些其他技术问题。

因此，需要进行进一步的技术研究和创新。

发明内容

发明目的：一方面，提供一种基于量质耦合预报的水资源水环境调控方法，以解决现有技术存在的上述问题。另一方面，提供一种实现上述方法的系统。

技术方案：基于量质耦合预报的水资源水环境调控方法，包括如下步骤：

步骤S1、获取研究区域的基础数据，所述基础数据包括数字高程数据、径流量数据、水质数据和用水量数据；读取数字高程数据，提取河网和集水区信息，将研究区域划分为若干个子区域，

步骤S2、针对各个子区域分别构建河网拓扑单元，并形成研究区域的整体河网拓扑；按照时间顺序，读取每个河网拓扑单元各个时期的径流量、水质数据和用水量数据，形成若干个水文数据空间；

步骤S3、构建SWAT-GNN模型，并以各个河网拓扑单元的水文数据空间为输入数据，对SWAT-GNN模型进行训练，并通过验证数据进行验证，直至符合预期要求；

步骤S4、将训练好的SWAT-GNN模型部署至调控平台，对研究区域的水资源进行调控。

根据本申请的一个方面，所述步骤S1进一步为：

步骤S11、读取至少两个数据源的基础数据，获取研究区域的栅格化的晕渲图；

步骤S12、采用ArcGIS分析工具进行流向分析和流量统计，并基于预存储的最小径流量数值提取河段并链接成河流，形成矢量河网，保存在数字高程数据中；

步骤S13、采用ArcGIS分析工具提取集水区，建立河段与集水区的关联关系，并基于集水区将研究区域划分为若干个子区域；

步骤S14、采用图卷积神经网络对晕渲图中各个集水区进行识别，将基于识别结果将相似度大于阈值的集水区标记为一类，形成若干类集水区组成的集水区集合。

根据本申请的一个方面，所述步骤S14进一步为：

步骤S14a、构建集水区数据集，并分为训练集和验证集；

步骤S14b、构建图卷积神经网络和损失函数，所述损失函数为交叉熵损失函数；采用训练集对图卷积神经网络进行训练；