基于动态系统响应曲线和LSTM的山洪预报实时校正方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112950062A(43)申请公布日2021.06.11(21)申请号202110330815.6G06N3/00(2006.01)(22)申请日2021.03.24(71)申请人郑州大学地址450001河南省郑州市高新区科学大道100号(72)发明人胡彩虹张雪丽荐圣淇李志超侯东儒(74)专利代理机构郑州优盾知识产权代理有限公司41125代理人张真真(51)Int.Cl.G06Q10/06(2012.01)G06Q10/04(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书5页说明书11页附图2页(54)发明名称基于动态系统响应曲线和LSTM的山洪预报实时校正方法(57)摘要本发明提出一种基于动态系统响应曲线和LSTM的山洪预报实时校正方法，其步骤为：首先，构建蓄满‑超渗兼容模型，并利用人工蜂群算法率定蓄满‑超渗兼容模型的参数，输出模拟径流量；其次，根据实测径流量和模拟径流量计算误差时间序列，并输入LSTM网络中进行训练，获得LSTM模型；再根据实时降雨监测数据、实时径流量和蓄满‑超渗兼容模型计算实时误差，并利用动态系统响应曲线方法进行修正，重新计算实时误差；最后，将重新获得的实时误差输入LSTM模型中，输出下一时段误差，并利用下一时段误差对下一时段的径流量的预测值进行校正，得出下一时段误差校正的径流量。本发明利用反演修正模型参数，综合机器学习的方法，实现山洪预报实时校正。CN112950062ACN112950062A权利要求书1/5页1.一种基于动态系统响应曲线和LSTM的山洪预报实时校正方法，其特征在于，其步骤如下：S1、统计水文站历史资料作为数据集，并根据水文站历史资料构建蓄满‑超渗兼容模型，其中，水文站历史资料是指完整汛期1小时内的降水量、蒸发量和洪水量；S2、将数据集分为率定期数据集、校验期数据集；S3、将率定期数据集输入步骤S1中的蓄满‑超渗兼容模型，并利用人工蜂群算法率定蓄满‑超渗兼容模型的参数，完成参数率定；S4、将校验期数据集输入参数率定后的蓄满‑超渗兼容模型中，输出模拟径流量；S5、根据校验期数据集对应的实测径流量和步骤S4中的模拟径流量计算蓄满‑超渗兼容模型的误差时间序列；S6、将步骤S5的误差时间序列输入LSTM网络中进行训练，直至误差达到预定的精度，获得LSTM模型；S7、将实时降雨监测数据输入参数率定后的蓄满‑超渗兼容模型，输出预测径流量；S8、根据实时径流量和步骤S7得到的预测径流量计算实时误差；S9、根据实时误差，利用动态系统响应曲线方法对步骤S4中的蓄满‑超渗兼容模型的参数进行修正，得到修正后的蓄满‑超渗兼容模型，并重复步骤S7‑S8重新计算实时误差；S10、将步骤S9中重新获得的实时误差输入步骤S6中的LSTM模型中，输出下一时段误差；S11、将下一时段的实时降雨监测数据输入修正后的蓄满‑超渗兼容模型，获得下一时段的预测径流量，并根据下一时段的实测径流量和下一时段的预测径流量计算下一时段的实时误差；S12、根据下一时段的实时误差，利用动态系统响应曲线方法对修正后的蓄满‑超渗兼容模型的参数进行实时修正，得到实时修正后的蓄满‑超渗兼容模型，并将下一时段的实时降雨监测数据输入实时修正后的蓄满‑超渗兼容模型，获得下一时段的径流量的预测值；S13、根据步骤S10的下一时段误差对下一时段的径流量的预测值进行校正，得出下一时段误差校正的径流量；S14、评价步骤S13的误差校正的径流量的精度，若精度达到要求，将误差校正的径流量作为山洪预报的最终预报结果，若精度未达到要求，返回步骤S9进行再次循环。2.根据权利要求1所述的基于动态系统响应曲线和LSTM的山洪预报实时校正方法，其特征在于，所述步骤S1中蓄满‑超渗兼容模型的构建方法为：将流域下渗能力面积分配曲线和流域蓄水容量面积分配曲线相结合，综合考虑流域下渗能力与土壤含水量及分布；S1.1、流域下渗能力面积分配曲线选用m次经验抛物线，得到蓄满产流模型：式中，F′Δt为流域中的某一点下渗容量，F′mΔt为时段t内流域最大点下渗容量，m为经验指数，β为相对面积，Δt表示时段t；根据流域下渗能力面积分配曲线计算流域入渗水量均值FmΔt为：2CN112950062A权利要求书2/5页即F′mΔt＝(m+1)FmΔt；S1.2、流域蓄水容量面积分配曲线选用n次经验抛物线，得到超渗产流模型：式中，W'为某点蓄水容量，W′m为流域最大蓄水容量，n为经验指数，α为相对面积；根据流域蓄水容量面积分配曲线计算流域平均蓄水容量Wm：即：W′m＝(n+1)Wm；S1.3、时段降雨P开始时的流域土壤蓄水容量为W'0，流域下渗能力面积分配曲线F′Δt～β位于W′