基于降雨时间分布柱状图的相似降雨径流过程查找方法与流程

本发明属于水文预报领域，特别涉及一种基于降雨时间分布柱状图的相似降雨径流过程查找方法。

背景技术：

1、洪水是水文预报中的重要项目，可用于防汛抗旱、水资源开发利用等，尤其降雨预报为防汛抢险提供了依据，大大保护了人民的生命财产安全。大量关于历年洪水相似分析模型的研究已经开展，尽管如此，目前洪水预报大多依赖于传统预报模型，而传统预报模型参数较多，需要耗费大量的时间进行建模和参数率定，并且对历史资料要求较高，不能充分利用每一场降雨过程资料。为此，需要从数据挖掘、机器学习等角度出发提出简洁高效的新方法，深入、系统地挖掘已有的降雨数据，利用历史的降雨径流过程直接用于未来洪水预报。

技术实现思路

1、鉴于背景技术所存在的技术问题，本发明所提供的基于降雨时间分布柱状图的相似降雨径流过程查找方法，能使用较少的参数快速的从历年降雨数据中找到相似的降雨过程，其对于的径流过程可以直接用来预测未来洪水，该模型输入简单，操作简捷，能够广泛应用于生产实际。

2、为了解决上述技术问题，本发明采取了如下技术方案来实现：

3、一种基于降雨时间分布柱状图的相似降雨径流过程查找方法，步骤为：

4、s1、收集已知流域的场次降雨径流数据；

5、s2、统一时间尺度，制作原始降雨时间分布柱状图集；

6、s3、对原始降雨时间分布柱状图集进行裁剪；

7、s4、将s3中的降雨时间分布柱状图集划分为查找和测试对象集；

8、s5、指定测试对象集中想要查找相似场次的对象，分别使用差值和均值哈希算法计算其与查找对象集中每个对象的两个汉明距离，将两个汉明距离求均值后取反，得到与该对象的相似度；

9、s6、获取相似度最大的的前数个场次，将其降雨时间分布柱状图及对应相似度进行保存。

10、优选地，步骤s1中，根据降雨量的大小，收集的场次包括大场次、中场次、小场次，将降雨径流场次的历时步长进行统一，提取每个场次的降雨开始时间、结束时间和降雨量。

11、优选地，步骤s2的分解步骤为：

12、s2.1、根据场次历时步长，统一降雨量计算的单位时间尺度；

13、s2.2、将场次降雨时间作为柱状图的横坐标轴，其取值范围是将场次降雨开始和结束时间往前后各延伸指定时间段之后的数值区间；

14、s2.3、将场次降雨量作为柱状图的纵坐标轴，将纵坐标刻度的最大值进行统一，所述纵坐标刻度的最大值要略高于所有场次中在单位时刻的降雨量最大值；

15、s2.4、固定柱状图横坐标和纵坐标雨量刻度间隔，固定柱状图的柱子宽度和间隔，固定柱状图的颜色。

16、s2.5、将生成的原始降雨时间分布柱状图集按照对应降雨径流场次进行命名标记。

17、优选地，步骤s3中，裁剪掉s2中各场次原始降雨时间分布柱状图的横纵坐标轴区域，以保留特征区域，减少噪音干扰；

18、优选地，步骤s4中，读取s3中的降雨时间分布柱状图集，将总场次定义为(b+c)场次，其中划分前b个场次的降雨时间分布柱状图为搜索相似场次的查找对象集，后c个场次的降雨时间分布柱状图为想要查找相似场次的测试对象集。

19、优选地，步骤s5的分解步骤为：

20、s5.1、指定测试对象集中想要查找相似场次的对象：假定想要查找相似场次的对象为第d号场次的降雨时间分布柱状图，它将依次和查找对象集中每一个对象的降雨时间分布柱状图计算并得出相似度；

21、s5.2、使用均值哈希算法：

22、1)将降雨时间分布柱状图转化为统一像素大小的图片，再转化为灰度图；

23、其中，将彩色图像转化到灰度图的方法与s5.3相同，计算公式为：

24、gray＝r＊0.3+g＊0.59+b＊0.11

25、r,g,b分别代表图像三个通道的对应像素点的值，加权系数0.3,0.59,0.11是公认的根据人的亮度感知系统调节出来的标准化参数，gray为图像转换为灰度图的对应像素点的灰度值。

26、2)计算灰度图的平均灰度；

27、其中，计算平均灰度的公式为：

28、

29、i,j分别代表图像的纵坐标和横坐标，gray[i,j]为图像对应位置的像素点的灰度值，m*n表示图像的像素值，avg代表所计算图像的平均灰度值。

30、3)定义一个空的哈希字符串，遍历像素图片，让大于平均灰度的像素点在哈希字符串上加“1”，小于或等于平均灰度的像素点在哈希字符串上加”0”,获取到长度与像素点个数相同的哈希字符串；

31、其中，假设hasha为利用均值哈希算法所获取的哈希字符串，则计算哈希字符串的公式为：

32、

33、hash是一个只有字符“1”，“0”组成的字符串。

34、4)比较两图片的哈希字符串对应位置的字符是否相同，获得这两张图片的汉明距离，汉明距离即为不相同字符的个数；

35、其中，通过哈希字符串对比得到汉明距离的方法与s5.3相同，计算公式为：

36、

37、hasha1和hasha2分别代表两张不同图片的使用均值哈希算法所计算的哈希字符串，hash[i]代表哈希字符串对应位置的字符，n代表不相同字符的个数，即为汉明距离。

38、s5.3、使用差值哈希算法：

39、1)将降雨时间分布柱状图转化为统一像素大小的图片，再转化为灰度图；

40、其中，要保证差值哈希算法与均值哈希算法计算得到的哈希字符串长度相同，考虑到算法的差异，则当均值哈希算法计算的图像像素为m*n时，统一像素p为：

41、p＝(m+1)*n

42、2)定义一个空的哈希字符串，遍历像素图片，比较每行前一个像素是否大于后一个像素，大于则在哈希字符串上加“1”，相反则加“0”，获取获取到长度与像素点个数相同的哈希字符串；

43、其中，假设hashd为利用差值哈希算法所获取的哈希字符串，则计算哈希字符串的公式为：

44、

45、3)比较两图片的哈希字符串对应位置的字符是否相同，获得这两张图片的汉明距离，汉明距离即为不相同字符的个数；

46、s5.4、计算均值哈希算法和差值哈希算法得出的两个汉明距离的平均值，再取反并以百分数表示，得到两张图像的相似度。

47、其中，计算相似度的公式为：

48、

49、na、nd分别代表利用均值哈希算法和差值哈希算法得到的汉明距离，s为求得的相似度。

50、优选地，步骤s6包括以下步骤：

51、s6.1、相似度数值越大则图像越相似，则可以标记最相似的前数个场次序号；

52、s6.2、显示想要查找相似场次的对象和与其最相似的前数个对象的降雨时间分布柱状图，人工验证是否准确；

53、s6.3、按相似度大小顺序保存最相似的前数个对象的降雨时间分布柱状图及其相似度，获取最相似的前数个场次。

54、本发明可达到以下有益效果：

55、本发明所述降雨径流相似查找方法，可在汛期复杂降雨情况下，通过降雨信息查找相似的历史过程为洪水预报提供参考，具有预见期不受限制、工作量小、参数少、精度高、可靠性高等优点。