[发明专利]一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法

说明书

本发明提供了一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法，所述方法包括：构建蓄滞洪区二维水动力模型、模拟生成洪水事件集、构建不同洪水淹没模型WFIM‑I以及分析、确定最佳的洪水淹没快速预测模型。本发明采用人工智能技术对洪水事件集(输入)以及相应的流速与水位时空数据(输出)进行模拟和训练，从而确定最佳的洪水淹没快速预测模型，在保证蓄滞洪区洪水淹没预测准确度的前提下，缩短模型运行时间。

技术领域

本发明属于洪水预测技术领域，特别涉及一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法。

背景技术

近年来，蓄滞洪区内部的基础建设、工业、农业等也日趋完善，当启动蓄滞洪区的成本势必也会增加。以往流域内水工程防洪联合优化调度中蓄滞洪区的调度还是停留在较为宏观的概化上，蓄滞洪区都被视为水库，即利用水位-库容曲线来描述蓄滞洪区的调控过程，进而与水库相耦合，来实现水库-蓄滞洪区的联合调度。然而，这种简化完全忽视了蓄滞洪区的复杂情况，无法为蓄滞洪区提供精细化(时空淹没)信息来评价自身分洪策略的好坏。精细化蓄滞洪区模拟预测模型不仅可以准确的评估淹没情况及损失，而且可为蓄滞洪区区域内人员撤离提出保障。然而其主要的缺点是用于模拟蓄滞洪区状态的二维水动力模型运行时间成本较高，直接导致其不能与水库相耦合，进行联合优化调度。

因此，如何在保证蓄滞洪区洪水淹没预测准确度的前提下、缩短模型运行时间，是一个需要解决的问题。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法，采用人工智能技术对洪水事件集(输入)以及相应的流速与水位时空数据(输出)进行模拟和训练，从而确定最佳的洪水淹没快速预测模型，在保证蓄滞洪区洪水淹没预测准确度的前提下、缩短模型运行时间。

本发明的目的是通过以下技术方案实现的：

一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法，包括以下步骤：

步骤1：构建蓄滞洪区二维水动力模型：

结合包括待研究蓄滞洪区的DEM数据、土地利用数据在内的相关数据，对待研究蓄滞洪区进行网格化，构建蓄滞洪区二维水动力学模型，并对模型进行参数率定；

步骤2，模拟生成洪水事件集：

首先，分析待研究蓄滞洪区所依干流，结合待研究蓄滞洪区以往的分洪过程，制定相应的上、下边界约束；

然后，通过步骤1构建的蓄滞洪区二维水动力学模型，对不同的上、下边界进行模拟生成洪水事件集；

步骤3，构建不同洪水淹没模型WFIM-I：

所述洪水淹没模型WFIM-I是基于ED-LSTM的淹没模型，其中一共含有J个子ED-LSTM模型，其中J为子模型个数；N为总格点数；I为每个子模型可预测格点个数；每个ED-LSTM子模型由流速预报子模型和水深预报子模型组成，可同时预测生成I个单元各水深H_j和流速V_j在内的时空信息；

和分别表示WFIM-I的第j个子ED-LSTM流速预报子模型和水深预报子模型，其中j＝1,2,…,J；

所述ED-LSTM子模型包含三层结构：基于LSTM的编码器层、上下文向量层和基于LSTM的解码器层；步骤2模拟生成的洪水事件集Q作为ED-LSTM子模型的输入，时间序列水深和流速作为ED-LSTM子模型的输出；