一种城市雨洪水质水量预测动力学系统与方法与流程

1.本发明涉及降水量预测技术领域，尤其涉及一种城市雨洪水质水量预测动力学系统与方法。


背景技术：

2.伴随城市化进程不断加深，商业综合体、综合交通枢纽等高密度城市核心区不断涌现城市内涝问题亟需解决。城市综合体通常位于城市的中心或者副中心，有效控制该此类区域在超设计降雨重现期的内涝积水有很强的现实意义。
3.降水量的预测在近几十年取得了较大的发展，常使用的一类模型是物理统计模型，即选择的因子具有一定的物理意义，并利用前兆信息因子与后期汛期的遥相关原理，对降水的轻重程度进行划分，物理统计模型对数据的质量要求严格，区域所处地域对预测效果影响极大，在实际的使用中不够灵活，并易受不稳定因素的影响，并且其类似于线性刻画的方式，并不能很稳定的去预测降水量，存在较大的随机性。


技术实现要素：

4.基于背景技术存在的技术问题，本发明提出了一种城市雨洪水质水量预测动力学系统与方法。
5.本发明提出的一种城市雨洪水质水量预测的方法，包括如下步骤：
6.s1采集历史降水量数据，并将历史降水量数据分类存储；
7.s2对历史降水量数据进行预处理，得到处理后的降水量数据；
8.s3确定与降水相关的微物理参数化过程、积云参数化过程及边界层参数化过程分别对应的目标参数化方案的至少两种参数化方案组合，根据每种参数化方案组合对待预测区域进行数值化模拟，建立降水量预测模型；
9.s4对至少两种参数化方案组合对应的降水量的预测结果进行融合处理，得到待预测区域的降水量预测数据以及降水量实际数据；
10.s5对得到降水量预测数据进行空间插值处理，得到预测区域内观测站对应的处理后降水量预测数据；
11.s6基于原始水质水量数据使用预测模型预测测试集对应的预测值，并根据实际值与预测值计算预测误差；
12.s7将预测误差输入降雨量预测模型中得到误差序列的误差修正模型；
13.s8将待预测数据分别输入降水量预测模型和误差修正模型，将结算结果几何相加得到预测值。
14.优选的，所述降水量预测模型包括训练好的卷积神经网络、优化后的支持向量机以及优化后的bp神经网络。
15.优选的，所述步骤s2所述的预处理包括缺失值处理和归一化处理。
16.优选的，所述步骤s5采用双线性插值法对降水量预测数据进行空间插值处理，得
到预测区域内每个观测站对应的处理后降水量预测数据。
17.优选的，所述步骤s2采用meemd方法对处理后的降水量数据进行分解，得到多个不同频率的分解项和余项。
18.优选的，所述步骤s4对所述至少两种参数化方案组合对应的降水量的预测结果进行算术平均或加权平均，得到所述待预测区域的预测降水量。
19.优选的，所述步骤s8还通过相对误差、平均相对误差、均方根误差、一致性指标以及有效系数对降水量预测模型的预测结果进行评价。
20.一种城市雨洪水质水量预测动力学系统，其特征在于，包括采集模块、处理模块、模型确定模块、预测模块、误差修正模块和评价模块，所述采集模块，用于采集历史降水量数据，处理模块，用于对历史降水量数据进行处理，得到处理后的降水量数据，模型确定模块，用于确定降水量预测模型，预测模块，用于根据各分解项以及所述余项，通过所述降水量预测模型对降水量进行预测，误差修正模块，用于对降水量预测的误差进行修正处理，评价模块，用于对降水量预测模型的预测结果进行评价。
21.本发明中，所述一种城市雨洪水质水量预测动力学系统与方法，采取卷积神经网络、粒子群优化的支持向量机和人工蚁群算法优化的bp神经网络建立组合预测模型，减少数据非光滑性所引起的预测误差，提高了预测精度，同时，实现了采用不同的参数化方案组合，来对待预测区域的降水量进行预测，并综合各个参数化方案组合对应的降水量的预测结果，以得到待预测区域的预测降水量，进一步提高了对待预测区域的降水量的预测准确度；
22.本发明中能够减少预测误差，提高预测精度，同时，综合各个参数化方案组合对应的降水量的预测结果，以得到待预测区域的预测降水量，进一步提高了对待预测区域的降水量的预测准确度。
附图说明
23.图1为本发明提出的一种城市雨洪水质水量预测的方法的流程图；
24.图2为本发明提出的一种城市雨洪水质水量预测动力学系统的示意图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
26.参照图1-2，一种城市雨洪水质水量预测的方法，包括如下步骤：
27.s1采集历史降水量数据，并将历史降水量数据分类存储；
28.s2对历史降水量数据进行预处理，得到处理后的降水量数据；
29.s3确定与降水相关的微物理参数化过程、积云参数化过程及边界层参数化过程分别对应的目标参数化方案的至少两种参数化方案组合，根据每种参数化方案组合对待预测区域进行数值化模拟，建立降水量预测模型；
30.s4对至少两种参数化方案组合对应的降水量的预测结果进行融合处理，得到待预测区域的降水量预测数据以及降水量实际数据；
31.s5对得到降水量预测数据进行空间插值处理，得到预测区域内观测站对应的处理
后降水量预测数据；
32.s6基于原始水质水量数据使用预测模型预测测试集对应的预测值，并根据实际值与预测值计算预测误差；
33.s7将预测误差输入降雨量预测模型中得到误差序列的误差修正模型；
34.s8将待预测数据分别输入降水量预测模型和误差修正模型，将结算结果几何相加得到预测值。
35.本发明中，所述降水量预测模型包括训练好的卷积神经网络、优化后的支持向量机以及优化后的bp神经网络。
36.本发明中，所述步骤s2所述的预处理包括缺失值处理和归一化处理。
37.本发明中，所述步骤s5采用双线性插值法对降水量预测数据进行空间插值处理，得到预测区域内每个观测站对应的处理后降水量预测数据。
38.本发明中，所述步骤s2采用meemd方法对处理后的降水量数据进行分解，得到多个不同频率的分解项和余项。
39.本发明中，所述步骤s4对所述至少两种参数化方案组合对应的降水量的预测结果进行算术平均或加权平均，得到所述待预测区域的预测降水量。
40.本发明中，所述步骤s8还通过相对误差、平均相对误差、均方根误差、一致性指标以及有效系数对降水量预测模型的预测结果进行评价。
41.一种城市雨洪水质水量预测动力学系统，包括采集模块、处理模块、模型确定模块、预测模块、误差修正模块和评价模块，所述采集模块，用于采集历史降水量数据，处理模块，用于对历史降水量数据进行处理，得到处理后的降水量数据，模型确定模块，用于确定降水量预测模型，预测模块，用于根据各分解项以及所述余项，通过所述降水量预测模型对降水量进行预测，误差修正模块，用于对降水量预测的误差进行修正处理，评价模块，用于对降水量预测模型的预测结果进行评价。
42.本发明：采集历史降水量数据，并将历史降水量数据分类存储；对历史降水量数据进行预处理，得到处理后的降水量数据；确定与降水相关的微物理参数化过程、积云参数化过程及边界层参数化过程分别对应的目标参数化方案的至少两种参数化方案组合，根据每种参数化方案组合对待预测区域进行数值化模拟，建立降水量预测模型；对至少两种参数化方案组合对应的降水量的预测结果进行融合处理，得到待预测区域的降水量预测数据以及降水量实际数据；对得到降水量预测数据进行空间插值处理，得到预测区域内观测站对应的处理后降水量预测数据；基于原始水质水量数据使用预测模型预测测试集对应的预测值，并根据实际值与预测值计算预测误差；将预测误差输入降雨量预测模型中得到误差序列的误差修正模型；将待预测数据分别输入降水量预测模型和误差修正模型，将结算结果几何相加得到预测值。
43.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。