一种河口湾潮流泥沙主通道划定方法与流程

本发明涉及河口湾潮流泥沙模拟，尤其涉及一种河口湾潮流泥沙主通道划定方法。

背景技术：

1、潮流主通道是河口湾内船舶航行的主要通道，通常具有较宽的水域和较深的水深。了解和维护潮流主通道有助于确保船舶安全航行，降低船舶搁浅和碰撞事故的风险。人工智能(artificial intelligence，简称ai)是指让机器像人一样具有思维智能的技术和应用。人工智能包括了多个领域，利用大量数据和算法，帮助计算机模拟人类智力活动并实现自主决策和行动。未来人工智能的前景非常广阔。随着技术的不断发展和应用场景的不断拓展，人工智能将在各个领域中得到广泛应用。如何将人工智能与河口湾潮流泥沙主通道划分结合起来便成为了一个问题。

技术实现思路

1、本发明为解决上述技术问题，提出了一种河口湾潮流泥沙主通道划定方法，以解决至少一个上述技术问题。

2、本技术提供了一种河口湾潮流泥沙主通道划定方法，包括以下步骤：

3、步骤s1：获取河口湾水文数据并根据河口湾水文数据进行建模，从而构建初级河口湾二维泥沙数学模型；

4、步骤s2：获取历史水文数据并利用历史水文数据进行深度计算，从而构建河口湾模型评估分类器；

5、步骤s3：利用河口湾模型评估分类器对河口湾二维泥沙数学模型进行评估并修正，以生成次级河口湾二维泥沙数学模型；

6、步骤s4：根据次级河口湾二维泥沙数学模型进行断面选择，从而获得选择断面数据，并根据选择断面数据进行断面数据获取，从而获得河口湾断面水文数据，其中河口湾断面水文数据包括断面沿程单宽流速数据、断面水深数据以及断面含沙量数据；

7、步骤s5：对河口湾断面水文数据进行计算，从而获得断面沿程单宽流量数据以及断面沿程单宽流沙量数据；

8、步骤s6：根据断面沿程单宽流量数据以及断面沿程单宽流沙量数据进行均值计算，从而获得断面单宽流量均值数据以及断面单宽流沙量均值数据，并根据河口湾断面水文数据、断面单宽流量均值数据以及断面单宽流沙量均值数据进行差值计算并正值选取，从而获得较大单宽流量区位数据以及较大单宽流沙量区位数据；

9、步骤s7：分别对较大单宽流量区位数据以及较大单宽流沙量区位数据进行边线连接并在预设的电子地图上进行区域划分，从而获得河口湾潮流主通道以及河口湾输沙主通道。

10、本发明中利用二维泥沙数学模型，对河口湾内的水流和泥沙运移过程进行建模和仿真分析，提高了模拟精度和可靠性，进而使得划定结果更加准确，通过收集历史水文数据，利用深度计算等方法，以评估初级数学模型的准确性并进行修正，提高了划定结果的可靠性和准确性，通过获取河口湾断面水文数据，进行单宽流量和单宽流沙量的计算，实现了对水流和泥沙输运的全面分析和研究，通过对断面数据进行均值计算和差值选取，获得了较大单宽流量和单宽流沙量区位数据，并将其在电子地图上进行区域划分，提供了更为直观清晰的通道位置和形状信息。

11、优选地，步骤s1具体为：

12、步骤s11：获取河口湾水文数据，其中河口湾水文数据包括河口湾地形数据、河口湾地貌数据、河口湾径流数据以及河口湾气象数据；

13、步骤s12：根据河口湾地形数据、河口湾地貌数据以及河口湾水文数据通过河口湾水文复杂度公式进行计算，从而获得河口湾水文复杂度；

14、其中河口湾水文复杂度公式具体为：

15、

16、c为河口湾水文复杂度，a为河口湾面积数据，b为河口湾河岸弯曲指数数据，为河口湾的周长，h为河口湾平均断面流量，v为河口湾平均深度，δh为河口湾水文数据的深度变化量，δx为河口湾水文数据的深度变化量对应的平均距离，k1为河口湾深度变化程度的影响系数，k2为平均转向的影响系数，δθ为河口湾中心线上平均转向变化量，k3为河床坡度变化量的影响系数，δs为河口湾中心线上河床坡度变化量，μ为河口湾水文复杂度的修正项。

17、步骤s13：根据河口湾水文复杂度通过预设的网格规则进行匹配选择，从而获得河口湾网格划分方式；

18、步骤s14：利用河口湾网格划分方式对河口湾水文数据进行网格划分，从而获得河口湾网格化模型；

19、步骤s15：利用河口湾水文数据中的河口湾水深数据、河口湾流速数据、河口湾流向数据以及河口湾泥沙浓度数据对河口湾网格化模型进行状态变量定义，从而获得河口湾状态模型；

20、步骤s16：根据河口湾状态模型通过时间补偿法进行水动力计算，从而获得河口湾适用水动力学方程，其中进行水动力计算为应用白塞尔曼公式和雅可比迭代法对流畅方程进行求解；

21、步骤s17：根据河口湾适用水动力学方程以及河口湾水文数据中的泥沙特性数据进行泥沙转移计算，从而获得泥沙转移过程数据，以构建初级河口湾二维泥沙数学模型。

22、本发明通过获取河口湾地形、地貌、径流以及气象的多种类型的水文数据，从而为后续的多维度深层次的数据处理做好数据准备工作，通过河口湾地形、地貌以及水文数据通过水文复杂度进行计算，从而为后续河口湾网格方式的选取提供参考意见，避免因为复杂度过小的情况选取过于精细的网格化方式导致的计算负荷过大的问题，或者复杂度大的河口湾采用简单的网格化的方式进行划分导致潜在的分析不足，降低数据结果的误差，将河口湾水文数据进行网格化模型的划分和定义，能够更好地描述和分析河口湾内水流和泥沙运移过程，提高模拟精度和可靠性，时间补偿法能够有效地降低时间步长，增加计算点的数量，从而提高水动力学方程的计算精度和可靠性，使得计算结果更加准确，相比于其他常规数值计算方法，时间补偿法通过采用较小的时间步长，能够降低计算量，实现快速计算，节省了计算时间和成本。

23、本发明中利用了一种河口湾水文复杂度公式，该公式充分考虑了河口湾面积数据a、河口湾河岸弯曲指数数据b、河口湾的周长河口湾平均断面流量h、河口湾平均深度v、河口湾水文数据的深度变化量δh、河口湾水文数据的深度变化量对应的平均距离δx、河口湾深度变化程度的影响系数k1、平均转向的影响系数k2、河口湾中心线上平均转向变化量δθ、河床坡度变化量的影响系数k3、河口湾中心线上河床坡度变化量δs以及相互之间的作用关系，以形成函数关系河口湾面积数据a衡量河口湾的规模，对河口湾水文过程的影响程度具有指示作业，河口湾河岸弯曲指数数据b，反映河口湾河岸的弯曲程度，与水流的流向和速度分布相关，有助于评估水文过程中的流态特征，河口湾的周长表示河口湾的外形尺寸，与河口湾的交换能力及水文过程的复杂性有关，河口湾平均断面流量h，反映河口湾水流的流量情况，对河口湾的水文过程和水资源管理有重要意义，河口湾平均深度v，衡量河口湾的深度特征，与河口湾的水文过程和生态环境密切相关，河口湾水文数据的深度变化量δh，表示河口湾内部深度的变化情况，河口湾水文数据的深度变化量对应的平均距离δx，反映河口湾内部深度变化的空间分布，与水文过程的稳定性和湾内水文变化的敏感性相关，影响系数用于调整各影响因子在计算公式中的权重，从而使得公式具备更加有效的泛化能力，河口湾中心线上平均转向变化量δθ，表示河口湾中心线上的平均转向变化，反映河口湾内部水流的流向变化情况，河口湾中心线上河床坡度变化量δs，衡量河口湾中心线上河床坡度的变化情况，与河口湾内部水流速度及河床侵蚀和沉积过程相关，通过河口湾水文复杂度的修正项进行调整，从而提供更加具有参考价值的数学支持。

24、优选地，其中历史水文数据包括河口湾水文图像数据以及河口湾历史水文数据，步骤s2中获取历史水文数据并利用历史水文数据进行深度计算，从而构建河口湾模型评估分类器具体为：

25、步骤s21：根据河口湾水文图像数据进行时序提取，从而获得河口湾水文时序图像数据；

26、步骤s22：依次对河口湾水文时序图像数据的水文时序图像数据进行波纹特征提取，从而获得波纹特征数据；

27、步骤s23：根据水文时序图像数据的波纹特征数据以及对应的下一个的水文时序图像数据的波纹特征数据进行误差关联，从而获得关联波纹特征数据；

28、步骤s24：根据关联波纹特征数据通过关联波纹计算公式进行计算，从而获得历史流速数据；

29、其中关联波纹计算公式具体为：

30、

31、vw为历史流速数据，n为数据总数数据，为第i+1个关联波纹特征数据的权重系数，qi+1为第i+1个关联波纹特征数据，为第i个关联波纹特征数据的权重系数，qi为第i个关联波纹特征数据，p为根据关联波纹以及河口湾水深数据生成调整系数，r为周期项，h为相位系数，z为平均误差调整项，k为根据波纹特征数据生成的中心波纹的误差调整项，为历史流速数据的修正项；

32、步骤s25：根据历史水文数据以及历史流速数据进行网格化，从而获得网格化水文数据；

33、步骤s26：根据网格化水文数据进行特征提取，从而获得局部关联水文特征数据；

34、步骤s27：对局部关联水文特征数据进行深度建模，从而构建河口湾模型评估分类器。

35、本发明中通过获取河口湾水文图像数据以及河口湾历史水文数据，能够提供更全面和详细的历史水文数据支持，通过利用历史水文数据进行深度计算、特征提取和深度建模，能够构建出河口湾模型评估分类器，实现对河口湾水流的准确预测和模拟，通过波纹特征提取和误差关联的处理，能够有效地提高历史流速数据的精度和可靠性，为河口湾模拟和预测提供更加准确的依据，通过对网格化水文数据进行特征提取和局部关联处理，能够建立起局部关联水文特征数据，更好地描述河口湾水文环境的变化规律和趋势，通过将水文图像数据和历史水文数据进行融合，能够实现多源数据的融合和利用，提高了历史水文数据的应用价值和效果，其中基于所构建的河口湾模型评估分类器，可以进行对河口湾水流的预测和模拟，并且由于使用了历史水文数据进行训练，可以将模型评估分类器转化为数值计算模型，从而实现快速、高效的计算，大大节省了计算时间和成本。

36、本发明中利用一种关联波纹计算公式，该公式提供历史流速数据vw，用于表示河口湾内水流速度的历史变化情况，数据总数数据n，表示参与计算的数据点数量，第i+1个关联波纹特征数据的权重系数以及第i个关联波纹特征数据的权重系数分别表示第i+1个关联波纹特征数据和第i个关联波纹特征数据的权重系数，用于调整各关联波纹特征数据在计算公式中的贡献程度，第i+1个关联波纹特征数据qi+1以及第i个关联波纹特征数据qi，表示河口湾内关联波纹特征的数据，对分析河口湾内水流速度的变化和波动特性具有指示作用，根据关联波纹以及河口湾水深数据生成调整系数p，根据关联波纹和河口湾水深数据生成的调整系数，用于修正计算公式的结果，波纹表示的潜在流速与水深之间有着潜在关系，在不同的天气条件下，通过对波纹的深度计算，可以一定程度反映河口湾水流流速，周期项r，表示水流速度变化的周期性特征，有助于揭示河口湾水文过程中的周期性规律，相位系数h，表示水流速度变化的相位特征，有助于了解河口湾水文过程中的相位关系，平均误差调整项z，用于修正计算公式的平均误差，根据波纹特征数据生成的中心波纹的误差调整项，根据波纹特征数据生成的中心波纹的误差调整项，用于修正计算公式中波纹特征数据的影响，通过历史流速数据的修正项进行修正，以提高预测结果的准确性以及稳定性。

37、优选地，其中深度建模的步骤具体为：

38、步骤s271：根据局部关联水文特征数据进行划分，从而获得训练水文特征数据以及测试水文特征数据；

39、步骤s272：构建水文循环神经网络模型，并利用训练水文特征数据对水文循环神经网络模型进行迭代训练，从而构建初级河口湾模型评估分类器；

40、步骤s273：利用测试水文特征数据对初级河口湾模型评估分类器进行迭代误差拟合，从而获得河口湾模型评估分类器。

41、本发明通过根据局部关联水文特征数据进行划分，将数据集分为训练水文特征数据和测试水文特征数据，可以确保模型在不同数据子集上进行训练和测试，提高模型的泛化能力，利用水文循环神经网络模型(rnn)对时序特征进行建模，可以有效地捕捉水文特征在时间序列中的依赖关系，提高模型对河口湾水文过程的预测和分类准确性，通过迭代训练水文循环神经网络模型，可以在训练过程中不断优化模型参数，提高模型对训练水文特征数据的拟合程度，利用测试水文特征数据对初级河口湾模型评估分类器进行迭代误差拟合，可以进一步优化模型参数，减少模型在测试数据上的误差，提高模型的预测和分类准确性，采用深度学习算法结合河口湾潮流泥沙数值预测，以提供基于深度计算的有效支持。

42、优选地，其中迭代误差通过优化水文特征数据损失计算公式进行迭代误差计算，其中优化水文特征数据损失计算公式具体为：

43、

44、l为水文特征预测数据损失值，t为数据数量，αt为第t个水文特征预测数据的权重系数，rt为第t个水文特征预测数据对应的天气条件拟合值，为第t个水文特征预测数据，βt为第t个水文特征实际数据的权重系数，yt为第t个水文特征实际数据，m为水文数据误差调整项，q为缩放系数，w为水文特征数据损失误差项，γ为正则化系数调整系数，为第t个预测调整项，at为第t个实际调整项，u为水文特征预测数据损失值的修正项。

45、本发明中利用了一种优化水文特征数据损失计算公式，该公式中第t个水文特征预测数据对应的天气条件拟合值rt，通过将天气条件因素纳入损失计算，有助于提高模型对环境变化的适应能力，缩放系数q，调整损失函数中各项的相对重要性，帮助平衡模型的拟合程度和泛化能力，水文特征数据损失误差项w，衡量预测结果与实际数据之间的差距，有助于量化模型预测能力，正则化系数调整系数γ，用于调整预测调整项与实际调整项之间的差距在损失函数中的权重。这有助于防止模型过拟合，提高模型的泛化能力，第t个水文特征预测数据的权重系数αt以及第t个水文特征实际数据的权重系数βt，分别为第t个水文特征预测数据和实际数据的权重系数，表示各个水文特征在损失计算中的重要性，第t个预测调整项以及第t个实际调整项at，表示预测结果与实际数据之间的调整，通过优化这些调整项，可以进一步提高模型预测结果的准确性，通过水文特征预测数据损失值的修正项u进行损失修正，以优化损失计算。

46、优选地，步骤s4具体为：

47、根据河口湾二维泥沙数学模型通过预设的断面数量进行断面选择，从而获得选择断面数据；

48、根据选择断面数据控制遥感设备进行断面数据获取，从而获得河口湾断面水文数据。

49、本发明中通过遥感设备针对特定断面进行数据获取，有助于获得实际河口湾的详细水文数据，提高数据的准确性，根据需要，可以通过预设不同的断面数量来改变断面选择的密度，从而灵活地满足不同研究目的和实际应用场景的需求。

50、优选地，步骤s5具体为：

51、根据河口湾断面水文数据通过单宽流量计算公式进行计算，从而获得断面沿程单宽流量数据；

52、根据河口湾断面水文数据通过单宽流沙计算公式进行计算，从而获得断面沿程单宽流沙量数据；

53、其中单宽流量计算公式具体为：

54、q＝v*h；

55、q为断面沿程单宽流量数据，v为断面沿程单宽流速数据，h为断面水深数据；

56、单宽流沙计算公式具体为：

57、w＝q*s；

58、w为断面沿程单宽流沙量数据，q为断面沿程单宽流量数据，s为断面含沙量数据。

59、本发明中根据河口湾断面水文数据，通过单宽流量计算公式和单宽流沙计算公式计算出断面沿程单宽流量数据和单宽流沙量数据，这有助于更有效地分析河口湾的水动力学过程和泥沙输移过程。

60、优选地，步骤s6具体为：

61、步骤s61：分别对断面沿程单宽流量数据以及断面沿程单宽流沙量数据进行均值计算，从而获得断面单宽流量均值数据以及断面单宽流沙量均值数据；

62、步骤s62：依次将河口湾断面水文数据对应的断面沿程单宽流量数据与断面单宽流量均值数据进行比较；

63、步骤s63：确定河口湾断面水文数据对应的断面沿程单宽流量数据大于断面单宽流量均值数据时，则将相应的河口湾断面水文数据确定为较大单宽流量区位数据；

64、步骤s64：依次将河口湾断面水文数据对应的断面沿程单宽流沙数据与断面单宽流沙均值数据进行比较；

65、步骤s65：确定河口湾断面水文数据对应的断面沿程单宽流沙数据大于断面单宽流沙均值数据时，则将相应的河口湾断面水文数据确定为较大单宽流沙量区位数据。

66、本发明中通过计算均值数据并与实际数据进行比较，可以快速确定较大单宽流量区位和较大单宽流沙量区位，从而提高数据分析的效率，较大单宽流量区位和较大单宽流沙量区位的确定，有助于直观地展示河口湾中泥沙分布和水流变化的特点，

67、优选地，步骤s7具体为：

68、步骤s71：分别在预设的电子地图上纵向连接较大单宽流量区位数据的左边界以及右边界，从而获得潮流主通道左边线以及潮流主通道右边线；

69、步骤s72：根据潮流主通道左边线以及潮流主通道右边线在预设的电子地图上进行划分，从而生成河口湾潮流主通道；

70、步骤s73：分别在预设的电子地图上纵向连接较大单宽流沙区位数据的左边界以及右边界，从而获得输沙主通道左边线以及输沙主通道右边线；

71、步骤s74：根据输沙主通道左边线以及输沙主通道右边线在预设的电子地图上进行划分，从而生成河口湾输沙主通道。

72、本发明中通过连接较大单宽流量区位数据和较大单宽流沙量区位数据的左右边界，可以明确潮流主通道和输沙主通道的边界，在电子地图上划分潮流主通道和输沙主通道，有助于直观地展示河口湾内水流和泥沙分布的特点，通过对潮流主通道和输沙主通道的识别，可以更好地利用河口湾的水资源和土地资源，提高资源利用效率，促进河口湾的可持续发展。

73、优选地，步骤s7之后的步骤包括以下步骤：

74、步骤s701：根据河口湾潮流主通道以及河口湾输沙主通道进行预测模型构建，从而获得河口湾淤积模型；

75、步骤s702：根据河口湾淤积模型进行预测计算，从而获得河口湾河床淤积数据；

76、步骤s703：根据河口湾河床淤积数据进行智能决策，从而生成河口湾主通道清理数据。

77、本发明通过构建基于河口湾潮流主通道和输沙主通道的预测模型，可以得到河口湾淤积模型，从而预测河口湾河床的淤积情况，根据河口湾河床淤积数据进行智能决策，生成河口湾主通道清理数据，有助于指导河口湾的治理工作，基于河口湾淤积模型和智能决策，可以快速地生成河口湾主通道清理数据，降低人工决策的时间和成本，提高决策效率。

78、本技术的有益效果在于本发明通过利用水文数据和历史水文数据构建初级河口湾二维泥沙数学模型和河口湾模型评估分类器，进一步修正模型以生成次级河口湾二维泥沙数学模型，有助于提高对河口湾潮流泥沙主通道划定的准确性，通过对河口湾断面水文数据进行详细的计算和分析，本方法能够较为可靠地确定较大单宽流量区位数据和较大单宽流沙量区位数据，有助于河口湾潮流主通道和输沙主通道的划定。通过本发明所提供的方法，能够较为迅速地确定河口湾潮流泥沙主通道，减少人工判断的成本和时间，提供的方法在河口湾潮流泥沙主通道划定方面的应用可以扩展到其他河口湾和水域，具有较强的通用性。