一种水库水位的预测方法和预测设备与流程

1.本发明涉及数据处理技术领域，尤其涉及一种水库水位的预测方法和预测设备。


背景技术：

2.进入汛期以后，需要对重点关注对象的水库等进行监测，相关技术中的监测方式是通过人工或者视频监控等手段发现险情，或者通过传感器获得实时水位，将实时水位跟预先设定的水位阈值进行比对，以进行水位预警。预测手段比较被动。
3.另外，汛期经常发生连续强降雨，而水库水位变化受影响的要素较多，仅应用实时水位来确定是否进行预警，无法实现对水库水位的准确预测，进而导致预警的准确度较低。
4.因此，如何提高水库水位预测的准确性尤为重要。


技术实现要素：

5.本发明示例性的实施方式中提供一种水库水位的预测方法和预测设备，用以提高对水库水位预测的准确性。
6.根据示例性的实施方式中的第一方面，提供一种水库水位的预测方法，该方法包括：
7.针对目标水库关联的每个雨量站，根据第一预设时间范围内每天所述雨量站的累计日降雨量和所述目标水库的水位差，确定所述雨量站和所述目标水库的相关度；
8.应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站；
9.应用每个所述目标雨量站的目标日期的累计日降雨量和所述目标日期的水位差进行曲线拟合，得到初始拟合曲线；其中，所述目标日期为所述第一预设时间范围内水位最高的日期；
10.应用预先确定的雨量变化倍数值调整所述初始拟合曲线，得到目标拟合曲线；
11.应用所述目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；
12.根据得到的预测差值和当前水位值确定预测水位。
13.根据示例性的实施方式中的第二方面，提供一种水库水位的预测设备，该预测设备包括处理器和存储器，其中：
14.所述存储器被配置为：
15.存储各个雨量站的每天的降雨量数据和预设相关度阈值；
16.所述处理器被配置为：
17.针对目标水库关联的每个雨量站，根据第一预设时间范围内每天所述雨量站的累计日降雨量和所述目标水库的水位差，确定所述雨量站和所述目标水库的相关度；
18.应用所述预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站；
19.应用每个所述目标雨量站的目标日期的累计日降雨量和所述目标日期的水位差
进行曲线拟合，得到初始拟合曲线；其中，所述目标日期为所述第一预设时间范围内水位最高的日期；
20.应用预先确定的雨量变化倍数值调整所述初始拟合曲线，得到目标拟合曲线；
21.应用所述目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；
22.根据得到的预测差值和当前水位值确定预测水位。
23.根据示例性的实施方式中的第三方面，提供一种水库水位的预测装置，该装置包括：
24.相关度确定模块，用于针对目标水库关联的每个雨量站，根据第一预设时间范围内每天所述雨量站的累计日降雨量和所述目标水库的水位差，确定所述雨量站和所述目标水库的相关度；
25.筛选模块，用于应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站；
26.曲线拟合模块，用于应用每个所述目标雨量站的目标日期的累计日降雨量和所述目标日期的水位差进行曲线拟合，得到初始拟合曲线；其中，所述目标日期为所述第一预设时间范围内水位最高的日期；
27.目标曲线确定模块，用于应用预先确定的雨量变化倍数值调整所述初始拟合曲线，得到目标拟合曲线；
28.水位差值确定模块，用于应用所述目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；
29.水位预测模块，用于根据得到的预测差值和当前水位值确定预测水位。
30.根据示例性的实施方式中的第四方面，提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面所述的水库水位的预测方法。
31.本技术实施例，针对目标水库关联的每个雨量站，根据第一预设时间范围内每天所述雨量站的累计日降雨量和所述目标水库的水位差，确定所述雨量站和所述目标水库的相关度，应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站，这样，对周边雨量站进行相关度计算，选取相关度高的雨量站进行预测，能够提高预测的有效性。应用每个所述目标雨量站的目标日期的累计日降雨量和所述目标日期的水位差进行曲线拟合，得到初始拟合曲线，拟合效果更好；应用预先确定的雨量变化倍数值调整所述初始拟合曲线，考虑了预测趋势变化的问题，得到目标拟合曲线；应用所述目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；将得出的水位变化预测值跟当前水位求和得到预测水位，提高水位预测的准确度，以辅助进行预警。
附图说明
32.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
33.图1示例性示出了本发明实施例提供的一种水库水位的预测方法的应用场景图。
34.图2示例性示出了本发明实施例提供的一种水库水位的预测方法的流程图；
35.图3示例性示出了本发明实施例提供的一种第一预设时间范围的确定方法的流程图；
36.图4示例性示出了本发明实施例提供的一种雨量站的累计日降雨量的确定方法的流程图；
37.图5示例性示出了本发明实施例提供的一种目标水库关联的每个雨量站和目标水库的关联度的确定方法的流程图；
38.图6示例性示出了本发明实施例提供的一种曲线的拟合方法的流程图；
39.图7示例性示出了本发明实施例提供的一种雨量变化倍数值的确定方法的流程图；
40.图8示例性示出了本发明实施例提供的一种水位差值的预测过程的方法流程图；
41.图9示例性示出了本发明实施例提供的一种水库水位的预测方法的流程图；
42.图10示例性示出了本发明实施例提供的一种水库实时水位示意图；
43.图11示例性示出了本发明实施例提供的一种水库周边资源分析示意图；
44.图12示例性示出了本发明实施例提供的一种水库水位的预测装置的结构示意图；
45.图13示例性示出了本发明实施例提供的一种水库水位的预测设备的结构示意图。
具体实施方式
46.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
47.进入汛期以后，需要对重点关注对象的水库等进行监测，相关技术中的监测方式是通过人工或者视频监控等手段发现险情，或者通过传感器获得实时水位，将实时水位跟预先设定的水位阈值进行比对，以进行水位预警。预测手段比较被动。
48.另外，汛期经常发生连续强降雨，而水库水位变化受影响的要素(降雨时间间隔、水库库存蒸发量、上游入库流量、下游出库流量等)较多，仅应用实时水位来确定是否进行预警，无法实现对水库水位的准确预测，进而导致预警的准确度较低。
49.但是，上述要素信息很难获知，而雨量站的雨量数据可以准确的获知。因此，如何利用获知的雨量站数据来对水库水位进行科学预测尤为重要。
50.为此，本技术实施例提供了一种水库水位的预测方法，该方法中，针对目标水库关联的每个雨量站，确定该雨量站和目标水库的相关度；再筛选出相关度大于预设相关度阈值的雨量站为目标雨量站；应用每个目标雨量站的目标日期的累计日降雨量和目标日期的水位差进行曲线拟合，得到初始拟合曲线；应用预先确定的雨量变化倍数值优化初始拟合曲线，得到目标拟合曲线；应用目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；根据得到的预测差值和当前水位值确定预测水位。这样，可以提高对水库水位预测的准确性。
51.在介绍完本技术实施例的设计思想之后，下面对本技术实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本技术实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本技术实施例提供的技术方案。
52.参考图1，示出了一种水库水位预测方法的应用场景图，在发生连续强降雨时，由于突发的高强度降水导致的水库水量在短时间内急剧上升，给水库带来极大的压力，易造成溃坝事故，水库一旦溃坝，将给下游民众造成巨大的生命财产安全。因此，如何科学准确的对水库水位进行预测十分重要。
53.为进一步说明本技术实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本技术实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本技术实施例提供的执行顺序。
54.下面结合图1所示的应用场景，参考图2示出的一种水库水位的预测方法的流程图，对本技术实施例提供的技术方案进行说明。
55.首先对数据的存储过程进行说明，后续在有数据应用需求时，直接从存储的数据中获取。
56.按照日期，取目标水库的当前时间(2022年)的去年(2021年)和前年(2020年)的水位数据按照降序排序，保存到数据表his_sstore，每条记录包含目标水库编码、目标水库名称、目标水库地址、目标水库经纬度、目标水库水位测量日期，当日的目标水库水位差值等。对雨量站进行累计日降雨量计算，每条记录包含雨量站编码、雨量站名称、雨量站地址、雨量站经纬度、目标水库编码、目标水库水位测量日期、累计日降雨量等，保存到数据表his_ystore，用于对目标水库水位历史数据及雨量站累计日降雨量数据进行预处理。
57.其次，对本技术实施例中的水库水位的预测方法进行说明：
58.s201、针对目标水库关联的每个雨量站，根据第一预设时间范围内每天雨量站的累计日降雨量和目标水库的水位差，确定雨量站和目标水库的相关度。
59.s202、应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站。
60.s203、应用每个目标雨量站的目标日期的累计日降雨量和目标日期的水位差进行曲线拟合，得到初始拟合曲线；其中，目标日期为第一预设时间范围内水位最高的日期。
61.s204、应用预先确定的雨量变化倍数值调整初始拟合曲线，得到目标拟合曲线。
62.s205、应用目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测。
63.s206、根据得到的预测差值和当前水位值确定预测水位。
64.本技术实施例，针对目标水库关联的每个雨量站，根据第一预设时间范围内每天所述雨量站的累计日降雨量和所述目标水库的水位差，确定所述雨量站和所述目标水库的相关度，应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站，这样，对周边雨量站进行相关度计算，选取相关度高的雨量站进行预测，能够提高预测的有效性。应用每个所述目标雨量站的目标日期的累计日降雨量和所述目标日期的水位差进行曲线拟合，得到初始拟合曲线，拟合效果更好；应用预先确定的雨量变化倍数值调整所述初始拟合曲线，考虑了预测趋势变化的问题，得到目标拟合曲线；应用所述目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；将得出的水位变化预测值跟当前水位求和得到预测水位，提高水位预测的准确度，以辅助进行预警。
65.涉及到s201，在实际的应用中，每个水库关联至少一个雨量站，该关联关系是根据
雨量站的测量得到的降雨量对水库水位的影响程度确定的，该影响程度比如是由雨量站和水库之间的相对位置关系有关，与水库的距离越近，则影响程度越大。示例性的，将本技术实施例中应用对象的水库称为目标水库，实际的应用中，确定该目标水库关联的每个雨量站。然后针对目标水库关联的每个雨量站，根据第一预设时间范围内每天雨量站的累计日降雨量和目标水库的水位差，确定雨量站和目标水库的相关度。
66.参考图3，对第一预设时间范围的确定过程进行说明：
67.s301、根据目标水库在初始预设时间范围内的每天的最高水位值，筛选预设数量个最高水位值。
68.其中，每天的最高水位值是指，24小时内的水位最高时的水位值。初始预设时间范围比如是2021年的365天，获取目标水库在这365天内的每天的最高水位值hmax
1-hmax
365
，预设数量比如是30，则对365个最高水位值从高到低进行排序，筛选出来前30个最高水位值。
69.s302、确定筛选出来的预设数量个最高水位值对应的日期构成第一预设时间范围；其中，每天的水位中的最大值为每天的最高水位值。
70.其中，确定这30个最高水位值对应的日期，比如，对应的30天分布在6月3天，7月15天，8月12天，这样，第一预设时间范围为这30天。需要说明的是，这30天可能是连续的30天，也可能不是，这里只是举例说明，不形成具体的限定。
71.参考图4，每天雨量站的累计日降雨量的确定过程进行说明。
72.s401、针对第一预设时间范围内的每个参考日期，确定该参考日期的前n天中，每天的降雨量数据；n为预先设定的整数。
73.其中，第一预设时间范围仍以前述30天为例，则每个参考日期为30天中的每天，以这30天中的第一天(比如6月27号)为例，n取5，则确定6月22号、6月23号、6月24号、6月25号和6月26号这4天中，每天的降雨量数据。其中，n是根据实际需求确定的，比如前5天对水库水位的影响较大，则n取5。
74.s402、根据每天的降雨量数据和相应的权重，确定参考日期的累计日降雨量。
75.其中，应用层次分析法对前5天中每天的降雨量对水位的影响的权重进行求解，确定第n-1天对应的权重为0.1，第n-2天对应的权重为0.2，第n-3天对应的权重为0.4，第n-4天对应的权重为0.2，第n-5天对应的权重为0.1。
76.这样，确定参考日期的累计日降雨量为：
77.dy＝0.1*a1+0.2*a2+0.4*a3+0.2*a4+0.1*a5；
78.其中，a1为第n-1天的降雨量，a2为第n-2天的降雨量，a3为第n-3天的降雨量，a4为第n-4天的降雨量，a5为第n-5天的降雨量。
79.上述过程是以第一预设时间范围的参考日期为例进行说明的，这样，前n天的日期为过去的日期，此时，相应的降雨量是通过雨量站获得的。
80.参考图5，对目标水库关联的每个雨量站和目标水库的关联度的确定过程进行说明：
81.s501，针对目标水库关联的每个雨量站，获取第一预设时间范围内的每天雨量站的累计日降雨量从高到低进行排序确定的第一序号；获取第一预设时间范围内的每天目标水库的水位差从高到低进行排序确定的第二序号。
102.其中，求和符号为15个目标雨量站的15个数据进行求和。这样，进行反解，得到a、b、c、d的值，比如，a＝-0.0054，b＝-0.00800，c＝0.3083，d＝0.1047。
103.s603、应用常数参数调整待拟合曲线，得到初始拟合曲线。
104.将a、b、c、d的值代入待拟合曲线，得到初始拟合曲线，比如是y＝-0.0054-0.00800t+0.3083t2+0.1047t3。
105.涉及到s204，上述示例中，初始拟合曲线是利用第一时间范围内的历史数据得到的，比如是当前时间的去年2021年的数据，因此，为了得到能用于预测今年的水库水量的目标拟合曲线，应用预先确定的雨量变化倍数值调整初始拟合曲线，得到目标拟合曲线。
106.其中，参考图7，对预先确定的雨量变化倍数值的确定过程进行说明：
107.701、针对每个目标雨量站，确定目标雨量站的第一预设时间范围的第一参数和第二预设时间范围的第二参数的比值；其中，第一参数为第一预设时间范围内的每天的目标雨量站的累计日降雨量的和与目标水库的水位差的和的比值；第二参数为第二预设时间范围内的每天的累计日降雨量的和与目标水库的水位差的和的比值。
108.其中，第一预设时间范围比如是当前时间的去年的2021年，第二预设时间范围为当前时间的前年的2020年。第一预设时间范围内有30天，将这30天的目标雨量站的累计日降雨量求和得到h1，再将30天的目标水库的水位差求和得到h2，确定h1与h2的比值b1。同理，第二预设时间范围内对应也有30天，将这30天的目标雨量站的累计日降雨量求和得到h3，再将30天的目标水库的水位差求和得到h4，确定h3与h4的比值b2。进而确定b1与b2的比值s1为该目标雨量站对应的比值。
109.s702、将各个目标雨量站对应的比值相加，得到预先确定的雨量变化倍数值。
110.上述为一个目标雨量站对应的比值的确定过程，将15个目标雨量站得到的15个比值相加，得到预先确定的雨量变化倍数值q。
111.涉及到s205，如上，应用预先确定雨量变化倍数值q对初始拟合曲线y进行调整，得到目标拟合曲线后sw＝qy，应用目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测。
112.参考图8，对水位差值的预测过程进行说明：
113.s801、针对每个目标雨量站，应用目标雨量站的待预测日期对应的累计日降雨量和目标拟合曲线确定目标雨量站对应的水位差值预测值。
114.上述示例中得到的目标拟合曲线为：
115.y＝-0.0054-0.00800t+0.3083t2+0.1047t3116.针对每个目标雨量站，自变量取该目标雨量站在待预测日期对应的累计日降雨量，因变量得到该目标雨量站对水位差值的预测结果y1。
117.需要说明的是，待预测日期的累计日降雨量的计算过程中，可参照第一预设时间范围内的累计日降雨量的确定过程，区别是，在确定参考日期的前n天中每天的降雨量时，如果若前n天的日期为过去的日期，则相应的降雨量是通过雨量站获得的；若前n天的日期是未来的日期，则相应的降雨量是通过气象预报数据获得的。
118.s802、根据各个水位差值预测值和相应的权重，确定目标水库的预测差值；其中，相应的权重为相应的目标雨量站与目标水库的相关度。
119.比如15个目标雨量站，则可以得到15个预测结果，而每个预测结果有相应的权重，
示例性的，该相应的权重可以是相应的目标雨量站与目标水库的相关度。这样，通过加权求和，可以得到目标水库的水位预测差值。
120.涉及到s206、根据得到的预测差值和当前水位值确定预测水位。
121.其中，将得到的预测差值与当前水位值相加，即为预测水位。比如，待预测日期为当前日期的未来1天，将当前水位值与预测差值相加，得到未来一天的预测水位，如此循环，基于将来几天每天下多少毫米雨，可以得到未来2天、3天、4天等的水库预测水位。
122.在得到预测水位后，用预测的水库水位与预设汛限水位进行比对，提前给出水库告警信息。基于gis(geographic information system，地理信息系统)地图，利用空间分析能够得出水库周边的危险源及救援力量等信息，上图直观指导领导决策，辅助领导提前进行防台部署，有效避免险情的发生。
123.为了使本技术的技术方案更完善，下面用一个完整的流程图进行说明。参考图9，示出了一种水库水位的预测方法的流程图。
124.s901、针对目标水库关联的每个雨量站，获取第一预设时间范围内的每天雨量站的累计日降雨量从高到低进行排序确定的第一序号；获取第一预设时间范围内的每天目标水库的水位差从高到低进行排序确定的第二序号。
125.s902、针对每个第一序号，确定第一序号所属的日期对应的第二序号，并确定第一序号和第二序号的差值。
126.s903、根据各个差值的平方和与雨量站的数量，确定雨量站的与目标水库的相关度。
127.s904、应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站。
128.s905、确定待拟合曲线。
129.s906、将每个目标雨量站的目标日期的累计日降雨量作为自变量，将目标日期的水位差作为因变量，进行曲线拟合，得到待拟合曲线中的常数参数。
130.s907、应用常数参数调整待拟合曲线，得到初始拟合曲线。
131.s908、应用预先确定的雨量变化倍数值调整初始拟合曲线，得到目标拟合曲线。
132.s909、针对每个目标雨量站，应用目标雨量站的待预测日期对应的累计日降雨量和目标拟合曲线确定目标雨量站对应的水位差值预测值。
133.s910、根据各个水位差值预测值和相应的权重，确定目标水库的预测差值。
134.s911、根据得到的预测差值和当前水位值确定预测水位。
135.综上，本技术实施例中，对周边雨量站进行相关度计算，选取相关度高的雨量站进行预测，能够提高预测的有效性；依据不同权重计算雨量站的累计日降雨量，雨量站的累计日降雨量用于预测水库水位的差值，能够提高预测的精度。另外，是对有明显汛期的地区进行水库水位的预测，因此用三次曲线方程进行预测拟合效果更好，随着年份的变化，预测水位变化的趋势也会变化，利用曲线变化趋势倍数值进行了曲线的拟合修正，考虑了预测趋势变化的问题，并且对筛选的雨量站的数据通过未来几天多少降雨量进行水库水位差值预测，对得出的多个雨量站预测水库水位结果，加权求和取平均，权重用雨量站相关度进行计算，考虑了预测雨量站的相关度，使预测的结果更准。将得出的水位变化预测值跟当前水位求和，对比水库的汛限水位，判断未来几天是否会超汛限水位，提高水位预测的准确度，提
前辅助领导进行防台部署。
136.在一个具体的例子中，图10示出了一种水库实时水位示意图，该示例中，坝顶高程为84.4m、预设汛限水位为81m、当前水位73.78m和预测水位75.01m。图11示出了一种水库周边资源分析示意图，其中，水网分布中包括雨量站的分布，另外，各资源分布的位置和数量只是用来示例，并不形成具体的限定。
137.如图12所示，基于相同的发明构思，本发明实施例提供一种水库水位的预测装置，该装置包括相关度确定模块121、筛选模块122、曲线拟合模块123、目标曲线确定模块124、水位差值确定模块125和水位预测模块126。
138.其中，相关度确定模块121，用于针对目标水库关联的每个雨量站，根据第一预设时间范围内每天雨量站的累计日降雨量和目标水库的水位差，确定雨量站和目标水库的相关度；
139.筛选模块122，用于应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站；
140.曲线拟合模块123，用于应用每个目标雨量站的目标日期的累计日降雨量和目标日期的水位差进行曲线拟合，得到初始拟合曲线；其中，目标日期为第一预设时间范围内水位最高的日期；
141.目标曲线确定模块124，用于应用预先确定的雨量变化倍数值调整初始拟合曲线，得到目标拟合曲线；
142.水位差值确定模块125，用于应用目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；
143.水位预测模块126，用于根据得到的预测差值和当前水位值确定预测水位。
144.在一些示例性的实施方式中，相关度确定模块121具体用于：
145.针对目标水库关联的每个雨量站，获取第一预设时间范围内的每天雨量站的累计日降雨量从高到低进行排序确定的第一序号；获取第一预设时间范围内的每天目标水库的水位差从高到低进行排序确定的第二序号；
146.针对每个第一序号，确定第一序号所属的日期对应的第二序号，并确定第一序号和第二序号的差值；
147.根据各个差值的平方和与雨量站的数量，确定雨量站的与目标水库的相关度。
148.在一些示例性的实施方式中，曲线拟合模块123具体用于：
149.确定待拟合曲线；
150.将每个目标雨量站的目标日期的累计日降雨量作为自变量，将目标日期的水位差作为因变量，进行曲线拟合，得到待拟合曲线中的常数参数；
151.应用常数参数调整待拟合曲线，得到初始拟合曲线。
152.在一些示例性的实施方式中，水位差值确定模块125具体用于：
153.针对每个目标雨量站，应用目标雨量站的待预测日期对应的累计日降雨量和目标拟合曲线确定目标雨量站对应的水位差值预测值；
154.根据各个水位差值预测值和相应的权重，确定目标水库的预测差值；其中，相应的权重为相应的目标雨量站与目标水库的相关度。
155.在一些示例性的实施方式中，还包括雨量变化倍数值确定模块，用于通过如下方
式确定的雨量变化倍数值：
156.针对每个目标雨量站，确定目标雨量站的第一预设时间范围的第一参数和第二预设时间范围的第二参数的比值；其中，第一参数为第一预设时间范围内的每天的目标雨量站的累计日降雨量的和与目标水库的水位差的和的比值；第二参数为第二预设时间范围内的每天的累计日降雨量的和与目标水库的水位差的和的比值；
157.将各个目标雨量站对应的比值相加，得到预先确定的雨量变化倍数值。
158.在一些示例性的实施方式中，还包括降雨量确定模块，用于通过如下方式确定参考时间范围内的累计日降雨量：
159.针对参考时间范围内的每个参考日期，确定参考日期的前n天中，每天的降雨量数据；参考时间范围包括第一预设时间范围、第二预设时间范围或待预测时间范围；n为预先设定的整数；
160.根据每天的降雨量数据和相应的权重，确定参考日期的累计日降雨量；
161.其中，若前n天的日期为过去的日期，则相应的降雨量是通过雨量站获得的；若前n天的日期是未来的日期，则相应的降雨量是通过气象预报数据获得的。
162.在一些示例性的实施方式中，还包括第一预设时间范围确定模块，用于确定第一预设时间范围：
163.根据目标水库在初始预设时间范围内的每天的最高水位值，筛选预设数量个最高水位值；
164.确定筛选出来的预设数量个最高水位值对应的日期构成第一预设时间范围；其中，每天的水位中的最大值为每天的最高水位值。
165.在一些示例性的实施方式中，还包括预警模块，用于在所述根据得到的预测差值和当前水位值确定预测水位之后，在所述预测水位大于预设汛限水位时，进行预警。
166.由于该装置即是本发明实施例中的方法中的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
167.如图13所示，基于相同的发明构思，本发明实施例提供一种水库水位的预测设备，该水库水位的预测设备包括：处理器131以及存储器132。
168.存储器132被配置为：
169.存储各个雨量站的每天的降雨量数据和预设相关度阈值；
170.处理器131被配置为：
171.针对目标水库关联的每个雨量站，根据第一预设时间范围内每天雨量站的累计日降雨量和目标水库的水位差，确定雨量站和目标水库的相关度；
172.应用预设相关度阈值对得到的各个相关度进行筛选，确定筛选后的相关度对应的目标雨量站；
173.应用每个目标雨量站的目标日期的累计日降雨量和目标日期的水位差进行曲线拟合，得到初始拟合曲线；其中，目标日期为第一预设时间范围内水位最高的日期；
174.应用预先确定的雨量变化倍数值调整初始拟合曲线，得到目标拟合曲线；
175.应用目标拟合曲线和待预测日期对应的累计日降雨量进行水位差值预测；
176.根据得到的预测差值和当前水位值确定预测水位。
177.在一些示例性的实施方式中，处理器131还被配置为：
178.针对目标水库关联的每个雨量站，获取第一预设时间范围内的每天雨量站的累计日降雨量从高到低进行排序确定的第一序号；获取第一预设时间范围内的每天目标水库的水位差从高到低进行排序确定的第二序号；
179.针对每个第一序号，确定第一序号所属的日期对应的第二序号，并确定第一序号和第二序号的差值；
180.根据各个差值的平方和与雨量站的数量，确定雨量站的与目标水库的相关度。
181.在一些示例性的实施方式中，处理器131还被配置为：
182.确定待拟合曲线；
183.将每个目标雨量站的目标日期的累计日降雨量作为自变量，将目标日期的水位差作为因变量，进行曲线拟合，得到待拟合曲线中的常数参数；
184.应用常数参数调整待拟合曲线，得到初始拟合曲线。
185.在一些示例性的实施方式中，处理器131还被配置为：
186.针对每个目标雨量站，应用目标雨量站的待预测日期对应的累计日降雨量和目标拟合曲线确定目标雨量站对应的水位差值预测值；
187.根据各个水位差值预测值和相应的权重，确定目标水库的预测差值；其中，相应的权重为相应的目标雨量站与目标水库的相关度。
188.在一些示例性的实施方式中，处理器131还被配置为，通过如下方式确定雨量变化倍数值：
189.针对每个目标雨量站，确定目标雨量站的第一预设时间范围的第一参数和第二预设时间范围的第二参数的比值；其中，第一参数为第一预设时间范围内的每天的目标雨量站的累计日降雨量的和与目标水库的水位差的和的比值；第二参数为第二预设时间范围内的每天的累计日降雨量的和与目标水库的水位差的和的比值；
190.将各个目标雨量站对应的比值相加，得到预先确定的雨量变化倍数值。
191.在一些示例性的实施方式中，处理器131还被配置为，通过如下方式确定参考时间范围内的累计日降雨量：
192.针对参考时间范围内的每个参考日期，确定参考日期的前n天中，每天的降雨量数据；参考时间范围包括第一预设时间范围、第二预设时间范围或待预测时间范围；n为预先设定的整数；
193.根据每天的降雨量数据和相应的权重，确定参考日期的累计日降雨量；
194.其中，若前n天的日期为过去的日期，则相应的降雨量是通过雨量站获得的；若前n天的日期是未来的日期，则相应的降雨量是通过气象预报数据获得的。
195.在一些示例性的实施方式中，处理器131还被配置为，通过如下方式确定第一预设时间范围：
196.根据目标水库在初始预设时间范围内的每天的最高水位值，筛选预设数量个最高水位值；
197.确定筛选出来的预设数量个最高水位值对应的日期构成第一预设时间范围；其中，每天的水位中的最大值为每天的最高水位值。
198.在一些示例性的实施方式中，处理器131还被配置为，若所述预测水位大于预设汛限水位，则进行预警。
199.本发明实施例还提供一种计算机存储介质，计算机存储介质中存储有计算机程序指令，当指令在计算机上运行时，使得计算机执行上述水库水位的预测方法的步骤。
200.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
201.本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
202.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
203.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
204.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。