[发明专利]一种洪水风险预测方法、系统及电子设备

说明书

本发明公开了一种洪水风险预测方法、系统及电子设备，该方法包括：采集气象水文数据集并对多个流域水文模型进行训练；基于多个流域水文模型和门控循环单元神经网络模型建立机器学习模型；训练机器学习模型，得到未来情景下的流域水文过程数据；将多个全球气候模式与机器学习模型进行组合，并确定各组合情景权重参数；获取流域年均下垫面特征参数，并建立联合概率分布函数，以及基于联合概率分布函数和各组合情景权重参数对洪水风险进行预测。本发明采用多种方法与流域洪水相结合，为流域洪水风险预测提供重要且操作性强的参考依据。

技术领域

本发明涉及洪水风险预测技术领域，尤其涉及一种洪水风险预测方法、系统及电子设备。

背景技术

工业革命以来，大气中二氧化碳等温室气体排放量增加，地球陆地圈与大气圈的能量收支平衡与物质循环过程发生改变，全球温度不断升高、珊瑚礁和热带雨林大面积消亡、暴雨洪涝等极端灾害频发，为应对上述问题，加强气候变化下洪水风险演变预测的科学研究至关重要。

目前，传统的洪水风险预测方法主要依赖历史洪水资料、气象数据和水文模型等，这些方法在一定程度上可以为洪水预警和防洪决策提供参考。然而，由于气候变化及人类活动影响，洪水发生的频率和强度呈现出新的特征，使得传统方法在洪水风险预测方面的适用性和准确性受到挑战。当前研究中，通常采用全球气候模式集合的算术平均值表征模拟结果，没有考虑全球气候模式集合本身的不确定性对模拟结果造成的影响。此外，现有文献预估未来洪水风险，一般关注洪峰、洪量或洪水历时等单一属性，不能反应洪水的多变量特征属性。因此，亟需开发一种具有预测准确性高、适应性强且易于实施的洪水风险预测方法，以应对日益严重的洪水灾害挑战。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提供一种洪水风险预测方法，用以解决现有技术中针对二维洪水预测没有考虑全球气候模式集合本身的不确定性对预测结果造成影响的缺陷。

本发明的第二个目的在于提供一种洪水风险预测系统。

本发明的第三个目的在于提供一种电子设备。

为达到上述目的，本发明通过以下技术方案实现：

第一方面，本发明提供的一种洪水风险预测方法，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。

第二方面，本发明提供的一种洪水风险预测系统，包括：

采集模块，用于采集气象水文数据，构成气象水文数据集；