[发明专利]一种洪水风险预测方法、系统及电子设备

权利要求书

1.一种洪水风险预测方法，其特征在于，包括：

步骤S1:采集气象水文数据，构成气象水文数据集；

步骤S2:确定设定时刻相对湿度和比湿，并基于所述相对湿度和所述比湿以及所述气象水文数据集训练多个流域水文模型，并基于门控循环单元神经网络模型和训练好的多个流域水文模型建立考虑水文过程的机器学习模型；

步骤S3:获取气候变化情境下的全球气候模式集合气象模拟数据并对所述全球气候模式集合气象模拟数据进行校正，以及采用校正后的所述全球气候模式集合气象模拟数据训练所述机器学习模型，得到未来情景下的流域水文过程数据；

步骤S4:将所述全球气候模式集合气象模拟数据中的多个全球气候模式与所述机器学习模型进行组合，并确定多模型加权平均法中各组合情景权重参数；

步骤S5:基于所述流域水文过程数据建立流域水热耦合平衡方程，以获取流域年均下垫面特征参数；

步骤S6:获取流域水文过程数据中洪水历时和年最大洪峰流量，并基于所述洪水历时、所述年最大洪峰流量和所述流域年均下垫面特征参数建立联合概率分布函数，以及基于所述联合概率分布函数和各组合情景权重参数进行洪水风险预测。

2.如权利要求1所述的洪水风险预测方法，其特征在于，所述步骤S1包括：

采集流域控制水文站的日流量系列，获取欧洲中期天气预报中心第五代大气再分析数据集ERA5的气象数据；

采集国际耦合模式比较计划第六阶段中五个预设全球气候模式的气象数据；

获取共享社会经济路径数据集的人口数据和国内生产总值数据。

3.如权利要求1所述的洪水风险预测方法，其特征在于，所述步骤S2包括：

确定克劳修斯-克拉珀龙热力学方程中的汽化潜热常数、水汽气体常数、第一积分常数和第二积分常数，得到饱和水汽压与气温非线性函数；

根据ERA5中的地表气温和露点温度以及所述饱和水汽压与气温非线性函数得到所述相对湿度；

根据所述露点温度、所述饱和水汽压与气温非线性函数和所述ERA5中的近地气压得到所述比湿；

基于所述相对湿度、所述比湿、所述流域控制水文站的日流量系列和所述ERA5中的降水、气压、地表气温、露点温度、地表下行短波辐射和地表下行长波辐射数据，训练所述多个流域水文模型，得到初步模拟日径流；

采用所述门控循环单元神经网络模型对所述初步模拟日径流进行校正，并基于克林-古普塔效率系数建立目标函数，以得到所述考虑水文过程的机器学习模型。

4.如权利要求1所述的洪水风险预测方法，其特征在于，所述步骤S3包括：

计算所述全球气候模式集合气象模拟数据中输出变量与观测气象变量在各个分位数上的差异值，并在所述全球气候模式集合气象模拟数据的输出未来情景中去掉所述差异值，得到校正后的所述全球气候模式集合气象模拟数据；

由校正后的所述全球气候模式集合气象模拟数据驱动所述机器学习模型，以输出所述未来情景下的流域水文过程数据。

5.如权利要求1所述的洪水风险预测方法，其特征在于，所述步骤S4包括：

基于多种组合情景总数和任一组合情景权重参数确定各组合情景权重参数之和为1；

由不同组合情景的欧几里得差值和相似度半径确定任一组合情景与其他组合情景之间相似度，基于所述任一组合情景与其他组合情景之间相似度得到独立性权重参数；

获取任一组合情景相对实际观测误差和模型质量半径，基于所述任一组合情景相对实际观测误差和所述模型质量半径得到技能性权重参数。

6.如权利要求1所述的洪水风险预测方法，其特征在于，所述步骤S5包括：

基于水量平衡方程计算年降水量和年径流量，得到气候情景下年尺度的实际蒸散发数据；

确定预设时间窗口，采用最小二乘法确定预设特征参数，由全球气候模式输出的潜在蒸散发数据、所述预设特征参数和所述实际蒸散发数据，构建所述流域水热耦合平衡方程，以获取流域年均下垫面特征参数。