洪水全自动在线滚动趋势预报方法及装置、电子设备与流程

1.本技术涉及河道水情趋势预测技术领域，具体涉及一种洪水全自动在线滚动趋势预报方法及装置、电子设备。


背景技术：

2.随着国民经济快速增长的同时，洪水灾害导致的各种损失和风险也逐渐增加，简单快速估算河流沿程水位，有利于防灾救灾快速反应，有效提高流域和区域的防灾减灾能力。
3.目前对河流沿程洪水位预报主要是采用水文水动力模型进行洪水演进模拟预测，计算河流的沿程水位；而水文水动力模型的构建需要详尽的大量数据才能实施，模型需要的河道断面地形数据、上边界流量过程、下边界水位过程、河道糙率参数、初始条件等资料只能预先设计或假定，而在实际的洪水过程中，这些数据是实时变化的，传统模型中对实时数据难以及时更新，导致预报精度受限，同时模型的应用对使用人员要求较高，非一般工程技术人员能够掌握，计算参数的确定对预报人员经验依赖度较高，水位预报的可靠度在实际应用中受到限制，难以满足洪水实时滚动预报调度要求。


技术实现要素：

4.鉴于此，本技术实施例提供一种洪水全自动在线滚动趋势预报方法及装置、电子设备。
5.根据本技术实施例的第一方面，提供一种洪水全自动在线滚动趋势预报方法，包括：
6.s1：在洪水期，获取目标河流上沿程水位站采集的水位数据，获取目标河流上沿程分布的一个或多个视频监控装置采集的实时监控视频，其中每个所述视频监控装置的视野内设置有与之对应的特征设施；
7.s2：从所述实时监控视频中提取出实时监控视频所在河流断面位置的水位线，根据所述实时监控视频中的特征设施，生成尺度标尺l
标
，根据所述水位线和标尺，按同倍比放大法估算出当前时刻特征设施所在河道断面的水位；
8.s3：从所述断面的水位中获取n个最新连续的水位数据构成水位数据序列z，根据所述水位数据序列z，计算水位涨率序列x；对n个水位数据作紧邻均值处理，得到水位背景值序列z，对水位背景值序列z和水位涨率序列x建立相关关系，构建该断面水位预报模型进行水位趋势预报和最高洪水位预报；
9.s4：通过s2计算最新时刻特征设施所在河道断面的水位，将水位替换水位数据序列z中最后的水位数据，去除最早的水位数据，形成新的水位动态序列z’，利用新的水位动态序列z’对所述水位预报模型进行更新迭代形成断面滚动趋势预报模型并进行水位预报和最高洪水位预报；
10.s5：对各视频监控装置采集的实时监控视频分别执行s2-s4，得到沿程洪水位滚动
[0030][0031]
对方程(2)离散化得到水位时间响应序列即水位趋势预报模型为：
[0032][0033]
由方程(3)可知，水位最大值即洪峰水位为：
[0034]
对方程(2)求导得到水位涨率趋势预报方程为：
[0035][0036]
对方程(4)离散化得到水位涨率预报方程为：
[0037][0038]
对所述水位预报模型(3)进行残差校正，当式中的k＝0，1，2，...n-1时，求得的为拟合值，大于等于n时为预测值，当取k＝n时，直接得到下一时刻的水位预报值z
n+1
；对预报序列与水位序列zi进行比较，求得残差序列δzi＝|z
预报i-zi|,k＝1,2,...n-1，并计算其平均值作为水位预报模型预报值的修正值此时预报值修正为：
[0039]z预n+1
＝z
n+1
+δz
修正
ꢀꢀ
(6)
[0040]
对式(6)进行后验差检验，当满足精度要求时，预报值直接采用，当不满足时直接取xn＝x
n-1
，即假设涨率不变进行下一时刻水位预测，此时z
预n+1
＝zn+xn.d＝zn+xn.δt；
[0041]
对水位涨率预报方程进行涨率预报得到x
预n
，当x
预n
≥x
n-1
时，水位还在加速上涨；当x
预n
＜x
n-1
认为水位上涨减缓。
[0042]
进一步地，还包括：
[0043]
获取目标河流上沿程水位站和视频监控装置的地理坐标，并将所述地理坐标定位到电子地图上；
[0044]
将各视频监控装置处的沿程洪水预报水位标注在电子地图上。
[0045]
进一步地，还包括：
[0046]
将沿程洪水预报水位与岸线高程进行比较，当二者之差小于允许值，即|z
岸-z
预n+1
|≤δz
允
时，且x
预n
≥x
n-1
认为该视频监控装置所在河段存在漫堤风险并及时发出预警。
[0047]
根据本技术实施例的第二方面，提供一种洪水全自动在线滚动趋势预报装置，包括：
[0048]
获取模块，用于在洪水期，获取目标河流上沿程水位站采集的水位数据，获取目标河流上沿程分布的一个或多个视频监控装置采集的实时监控视频，其中每个所述视频监控装置的视野内设置有与之对应的特征设施；
[0049]
断面实时水位识别估算模块，用于从所述实时监控视频中提取出实时监控视频所在河流断面位置的水位线，根据所述实时监控视频中的特征设施，生成尺度标尺l
标
，根据所述水位线和标尺，按同倍比放大法估算出当前时刻特征设施所在河道断面的水位；
[0050]
断面水位预报模块，用于获取n个最新连续的水位数据构成水位数据序列z，根据所述水位数据序列z，计算水位涨率序列x；对n个水位数据作紧邻均值处理，得到水位背景值序列z，对水位背景值序列z和水位涨率序列x建立相关关系，构建水位预报模型进行水位预报和最高洪水位预报；
[0051]
断面水位滚动预报更新迭代模块，用于通过水位估算模块计算下一时刻特征设施所在河道断面的水位，将水位替换水位数据序列z中最新的水位数据，去除最旧的水位数据，形成新的水位动态序列z’，利用新的水位动态序列z’对所述水位预报模型进行更新迭代并进行水位预报和最高洪水位预报；
[0052]
全程水位滚动预报模块，用于对各视频监控装置采集的实时监控视频分别执行水位估算模块到更新迭代模块，得到沿程洪水预报水位。
[0053]
根据本技术实施例的第三方面，提供一种电子设备，其特征在于，包括：
[0054]
一个或多个处理器；
[0055]
存储器，用于存储一个或多个程序；
[0056]
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。
[0057]
根据本技术实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如第一方面所述方法的步骤。
[0058]
本技术的实施例提供的技术方案可以包括以下有益效果：
[0059]
由上述实施例可知，本技术利用沿程视频监控装置进行水位识别，对环境的要求宽松，相对于沿线建遥测水位站来说，建设、运维、监测成本低廉，具有全天候实时动态的特点，具有极广的适用性，便于推广应用，节省了投资。通过利用视频监控画面和特征设施标度化相结合，实现了断面实时水位的快速识别和估算，利用视频识别水位数据最新若干组数据进行趋势建模预报，不断迭代更新，实现了水位的全自动实时滚动趋势预报和最高水位滚动预报，完全是数据驱动，无需人工干预，克服了水动力模型资料要求高、地形和边界条件难以实时更新、需要有经验的专业技术人员操作等难点。不需人工操作，实现了洪水过程的风险预警的全自动化，具有所需资料少、智能化程度高、自动化程度高、实时性强的特点。
[0060]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
[0061]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
[0062]
图1是根据一示例性实施例示出的一种洪水位在线滚动趋势预报方法的流程图。
[0063]
图2是根据一示例性实施例示出的河流沿程水位监测与视频监视分布图。
[0064]
图3是根据一示例性实施例示出的基于尺度标尺的实时断面水位快速估算图。
[0065]
图4是根据一示例性实施例示出的水位涨率与水位过程示意图。
[0066]
图5是根据一示例性实施例示出的一种洪水全自动在线滚动趋势预报装置框图。
[0067]
图中的附图标记有：
[0068]
1、目标河流；2、视频监控装置；3、特征设施；4、水位站。
具体实施方式
[0069]
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
[0070]
在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0071]
图1是根据一示例性实施例示出的一种洪水全自动在线滚动趋势预报方法的流程图，如图1所示，该方法可以包括以下步骤：
[0072]
s1：在洪水期，获取目标河流上沿程水位站采集的水位数据，获取目标河流上沿程分布的一个或多个视频监控装置采集的实时监控视频，其中每个所述视频监控装置的视野内设置有与之对应的特征设施；
[0073]
s2：从所述实时监控视频中提取出实时监控视频所在河流断面位置的水位线，根据所述实时监控视频中的特征设施，生成尺度标尺l
标
，根据所述水位线和标尺，按同倍比放大法估算出当前时刻特征设施所在河道断面的水位；
[0074]
s3：从所述断面的水位中获取n个最新连续的水位数据构成水位数据序列z，根据所述水位数据序列z，计算水位涨率序列x；对n个水位数据作紧邻均值处理，得到水位背景值序列z，对水位背景值序列z和水位涨率序列x建立相关关系，构建该断面水位预报模型进行水位趋势预报和最高洪水位预报；
[0075]
s4：通过s2计算最新时刻特征设施所在河道断面的水位，将水位替换水位数据序列z中最后的水位数据，去除最早的水位数据，形成新的水位动态序列z’，利用新的水位动态序列z’对所述水位预报模型进行更新迭代形成断面滚动趋势预报模型并进行水位预报和最高洪水位预报；
[0076]
s5：对各视频监控装置采集的实时监控视频分别执行s2-s4，得到沿程洪水位滚动预报水位。
[0077]
由上述实施例可知，本技术利用沿程视频监控装置进行水位识别，对环境的要求宽松，相对于沿线建遥测水位站来说，监测成本低廉，具有极广的适用性，便于推广应用，节省了投资。通过利用视频监控画面和特征设施标度化相结合，实现了断面实时水位的快速识别和估算。利用视频识别水位数据最新若干组数据进行趋势建模预报，不断迭代更新，实现了水位的全自动实时滚动趋势预报和最高水位滚动预报，完全是数据驱动，无需人工干预，克服了水动力模型资料要求高、地形和边界条件难以实时更新、需要有经验的专业技术人员操作等难点。不需人工操作，实现了洪水过程的趋势预报和风险预警的全自动化，具有所需资料少、实时性强、计算速度快效率高的特点。
[0078]
在s1的具体实施中：在洪水期，获取目标河流上沿程水位站采集的水位数据，获取目标河流上沿程分布的一个或多个视频监控装置采集的实时监控视频，其中每个所述视频
监控装置的视野内设置有与之对应的特征设施；
[0079]
具体地，如图2所示，充分利用目标河流1上现有的视频监测装置2和特征设施3的地理空间坐标并标注在电子地图上，在每一个监测视频范围内选择或人为设置一个有明显高度的特征设施3与视频监测装置2绑定，并把特征设施3的实际高度值存入数据库以便生成尺度标尺时使用；在洪水期实时获取水位站4监测数据的同时获取沿程视频监测装置的实时监控视频以便获取同一时刻沿程的水面线。
[0080]
在s2的具体实施中：从所述实时监控视频中提取出实时监控视频所在河流断面位置的水位线，根据所述实时监控视频中的特征设施，生成尺度标尺l
标
，根据所述水位线和标尺，按同倍比放大法估算出当前时刻特征设施所在河道断面的水位；如图3所示，该步骤包括以下子步骤：
[0081]
s21：根据水位站的水位采样频率，从所述实时监控视频中提取同时刻的视频图像，从所述视频图像中提取出水体与堤防交界线，作为该实时监控视频所在河流断面位置的水位线，量测堤防岸线与所述水位线间的垂直距离h
图(岸-水)
；
[0082]
具体地，利用水陆干湿边界自动识别算法，如神经网络方法等自动识别视频图像上水体与堤防的交界面提取实时水位线，自动量测图像上岸边到水面的垂直距离h
图(岸-水)
。
[0083]
s22：根据所述视频图像量测视频监控装置绑定的特征设施h
实
在所述视频图像上的高度，生成尺度标尺l
标
，其中h
实
为特征设施实际高度，h
图
为特征设施在视频图像上的高度；
ɑ
为修正系数，一般取
ɑ
＝1；利用特征设施生成的尺度标尺把视频变形的影响通过无量纲的l
标
进行了综合考虑，便于实际高度的估算。
[0084]
s23：按同倍比放大法估算出当前时刻特征设施所在河道断面的水位z
识别t
；
[0085]h实(岸-水)
＝h
图(岸-水)
*l
标
[0086]z识别
＝z
岸-h
实(岸-水)
[0087]
其中z
岸
为岸线高程，h
图(岸-水)
为视频图像上岸边到时水面的距离，h
实(岸-水)
为实际的岸边到时水面的距离，l
标
为尺度标尺。假定特征设施断面处视频变形一致，便于利用尺度标尺来从视频图像高度到实际高度的快速估算。
[0088]
在s3的具体实施中：获取n个最新连续的水位数据构成水位数据序列z，根据所述水位数据序列z，计算水位涨率序列x；对n个水位数据作紧邻均值处理，得到水位背景值序列z，对水位背景值序列z和水位涨率序列x建立相关关系，构建水位预报模型进行水位预报和最高洪水位预报；该步骤包括以下子步骤：
[0089]
其中，获取n个最新连续的水位数据构成水位数据序列z，根据所述水位数据序列z，计算水位涨率序列x，可以包括：
[0090]
(1)获取n个最新连续的水位数据构成水位数据序列z，z＝(z1，z2，
…
，zn)，z1为第1个时刻的水位数据，z2为第2个时刻的水位数据，zn为第n个时刻的水位数据，其中zi＝z
识别i
；一般取连续的6个识别数据构成水位时间序列即可，即取z＝(z1，z2，
…
，z6)。
[0091]
(2)对所述水位数据序列z内的水位数据进行两两求差，得到水位增量序列dz，dz＝(z
2-z1，z
3-z2，
…
，z
6-z5)；
[0092]
(3)对所述水位增量序列dz除以两两间隔时间d，得到水位涨率序列x，x＝dz/d。
[0093]
具体地，d＝k.δtk＝1,2,...一般地取k＝1，此时d＝δt，采用等间隔采样。其中，
对n个水位数据作紧邻均值处理，得到水位背景值序列z，可以包括：
[0094]
b1：针对平原河网，水位背景值序列
[0095]
b2：针对山区河流，水位背景值序列z＝(z2，
…
，z6)。
[0096]
其中，对水位背景值序列z和水位涨率序列x建立相关关系，构建水位预报模型进行水位预报和最高洪水位预报，如图4所示，可以包括：
[0097]
根据水位背景值序列z和水位涨率序列x，通过最小二乘法求得下式的参数a和b；
[0098]
x+a.z＝b
ꢀꢀ
(1)
[0099]
显然，将其代入式(1)，相关关系方程转化为一阶微分方程该方程的时间响应函数就是水位预报方程：
[0100]
取初值z(0)＝z1[0101][0102]
对方程(2)离散化得到水位时间响应序列即水位预报模型为：
[0103][0104]
由方程(3)可知，水位最大值即洪峰水位为：
[0105]
对方程(2)求导得到水位涨率预报方程为：
[0106][0107]
对方程(4)离散化得到水位涨率预报方程为：
[0108][0109]
对水位预报模型进行残差校正，当式中的k＝1，2，...5时，求得的为拟合值，大于等于6时为预测值，当取k＝6时，直接得到下一时刻的水位预报值z7；对预报序列与水位序列zi进行比较，求得残差序列δzi＝|z
预报i-zi|,k＝1,2,...5，并计算其平均值作为水位预报模型预报值的修正值此时预报值修正为：
[0110]z预7
＝z7+δz
修正
ꢀꢀ
(6)
[0111]
对式(6)进行后验差检验，当满足精度要求时，预报值直接采用，当不满足时直接取x7＝x6，即假设涨率不变进行下一时刻水位预测，此时z
预7
＝z6+x6.d；
[0112]
对水位涨率预报方程进行涨率预报得到x
预7
，当x
预7
≥x6时，水位还在加速上涨；当x
预7
＜x6认为水位上涨减缓。
[0113]
在s4的具体实施中：通过s2计算下一时刻特征设施所在河道断面的水位z
识别7
，将此水位替换水位数据序列z中最新的水位数据z
识别6
，去除最旧的水位数据z
识别1
，形成新的水
位动态序列z’＝(z
识别2
，z
识别3
，...z
识别7)
利用新的水位动态序列z’对所述水位预报模型进行更新迭代并进行水位预报和最高洪水位预报；
[0114]
在s5的具体实施中：对各视频监控装置采集的实时监控视频分别执行s2-s4，得到沿程洪水预报水位。
[0115]
该方法还可包括：获取目标河流上沿程水位站和视频监控装置的地理坐标，并将所述地理坐标定位到电子地图上；将各视频监控装置处的沿程洪水预报水位标注在电子地图上。
[0116]
该方法还可包括：将沿程洪水预报水位与岸线高程进行比较，当二者之差小于允许值，即|z
岸-z
预7
|≤δz
允
时，且x
预7
≥x6认为该视频监控装置所在河段存在漫堤风险并及时发出预警。
[0117]
与前述的洪水全自动在线滚动趋势预报方法的实施例相对应，本技术还提供了洪水全自动在线滚动趋势预报装置的实施例。
[0118]
图5是根据一示例性实施例示出的一种洪水全自动在线滚动趋势预报装置框图。参照图5，该装置包括：
[0119]
获取模块21，用于在洪水期，获取目标河流上沿程水位站采集的水位数据，获取目标河流上沿程分布的一个或多个视频监控装置采集的实时监控视频，其中每个所述视频监控装置的视野内设置有与之对应的特征设施；
[0120]
断面实时水位识别估算模块22，用于从所述实时监控视频中提取出实时监控视频所在河流断面位置的水位线，根据所述实时监控视频中的特征设施，生成尺度标尺l
标
，根据所述水位线和标尺，按同倍比放大法估算出当前时刻特征设施所在河道断面的水位；
[0121]
断面水位预报模块23，用于获取n个最新连续的水位数据构成水位数据序列z，根据所述水位数据序列z，计算水位涨率序列x；对n个水位数据作紧邻均值处理，得到水位背景值序列z，对水位背景值序列z和水位涨率序列x建立相关关系，构建水位预报模型进行水位预报和最高洪水位预报；
[0122]
断面水位滚动预报更新迭代模块24，用于通过水位估算模块计算下一时刻特征设施所在河道断面的水位，将水位替换水位数据序列z中最新的水位数据，去除最旧的水位数据，形成新的水位动态序列z’，利用新的水位动态序列z’对所述水位预报模型进行更新迭代并进行水位预报和最高洪水位预报；
[0123]
全程水位滚动预报模块25，用于对各视频监控装置采集的实时监控视频分别执行水位估算模块到更新迭代模块，得到沿程洪水预报水位。
[0124]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0125]
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本技术方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0126]
相应的，本技术还提供一种电子设备，包括：一个或多个处理器；存储器，用于存储
一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的一种洪水全自动在线滚动趋势预报方法。
[0127]
相应的，本技术还提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如上述的一种洪水全自动在线滚动趋势预报方法。
[0128]
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由权利要求指出。
[0129]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。