基于数字孪生和AI技术的中小河流洪水预报方法与流程

本发明涉及灾害预报，更具体地说，本发明涉及基于数字孪生和ai技术的中小河流洪水预报方法。

背景技术：

1、洪水预报是一项关键的水文气象服务，旨在提前预警并准确预测河流的洪水发生和发展趋势，以便采取适当的防洪措施来减轻洪灾风险；其中，中小河流洪水预报是针对中小型河流流域进行的洪水预测和警报工作，相较于大型河流，中小河流具有流域面积相对较小、流量响应快、受季节影响较大等特点，其洪水发展过程较为迅速，洪水发生概率相对较大，易对周围地区造成严重破坏和影响，因此，如何对中小河流进行及时和准确预报就成为当下研究重点。

2、目前，现有的中小河流洪水预报方法大多仅依赖于历史数据并建立回归模型实现，例如：授权公告号cn110163419b的中国专利公开了一种中小河流流域洪水预报的方法，再例如授权公告号cn110471950b的中国专利公开了一种中小河流实时洪水预报智能模型预报方法，此类发明虽然通过历史水文数据实现了对中小河流的洪水预报，但此类方法所考虑相关因素较少，缺乏实时监测，导致中小河流的洪水预报精度不高，并且此类方法仅依赖历史数据，导致模型训练数据存在单一性，预测可信度不高，而且由于中小河流属于非稳态环境，基于历史数据缺乏必然的因果关系，因此易导致中小河流的洪水预报结果存在较大误差。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供基于数字孪生和ai技术的中小河流洪水预报方法。

2、为实现上述目的，本发明提供如下技术方案：

3、基于数字孪生和ai技术的中小河流洪水预报方法，包括：

4、采集实测河流数据，基于所述实测河流数据筛选出高危险性标记和中危险性标记的局部河流区域；

5、基于所述高危险性标记和中危险性标记对中小河流进行综合评估分析处理，以获取中小河流的第一输出数据；

6、获取历史河流数据，利用预构建洪水回归模型对所述历史河流数据进行回归分析处理，得到第二输出数据；以及利用预构建河流数字孪生模型对所述实测河流数据进行模拟分析处理，得到第三输出数据；

7、将实测河流数据与第一输出数据作为第一样本集，将历史河流数据与第二输出数据作为第二样本集，以及将实测河流数据与第三输出数据作为第三样本集；

8、基于所述第一样本集、第二样本集和第三样本集构建洪水预测模型；

9、利用所述洪水预测模型对中小河流进行预测分析，得到中小河流预测结果。

10、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：所述实测河流数据包括实测河流水文数据、实测河流地域数据和实测河流气象数据；所述实测河流水文数据包括局部流速实测值、局部水位实测值和局部流量实测值；所述实测河流地域数据包括局部高度实测值和局部宽度实测值；所述实测河流气象数据包括局部降雨预测量、局部河道降雨预测持续时长和局部风速预测值；

11、所述实测河流气象数据为预测日的河流气象数据。

12、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：基于所述实测河流数据筛选出高危险性标记和中危险性标记的局部河流区域，包括：

13、获取所述局部河流区域预存于河流信息数据库中的实验设定河流数据；

14、所述实验设定河流数据包括河流水文设定数据、河流地域设定数据和河流气象设定数据；所述河流水文设定数据包括局部流速设定值、局部水位设定值和局部流量设定值；所述河流地域设定数据包括局部高度设定值和局部宽度设定值；所述河流气象设定数据包括局部降雨设定量、局部河道降雨设定持续时长和局部风速设定值；

15、基于所述实测河流水文数据和河流水文设定数据进行水文分析处理，以获取水文评估系数；

16、基于所述实测河流地域数据和河流地域设定数据进行地域分析处理，以获取地域评估系数；

17、基于所述实测河流气象数据和河流气象设定数据进行气象分析处理，以获取气象评估系数；

18、基于所述水文评估系数、地域评估系数和气象评估系数进行危险性综合分析，以获取高危险性标记和中危险性标记的局部河流区域。

19、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：基于所述高危险性标记和中危险性标记对中小河流进行综合评估分析处理，包括：

20、分别获取所述高危险性标记和中危险性标记局部河流区域的实测河流数据；以及分别获取所述高危险性标记和中危险性标记局部河流区域的实测河流数据的实验设定河流数据；

21、所述实测河流数据还包括局部抗冲击实测值、局部砂石堆积实测量和局部植被实测量；所述实验设定河流数据还包括局部抗冲击设定值、局部砂石堆积设定量和局部植被设定量；

22、基于所述实测河流数据和实验设定河流数据进行可能性综合分析，以获取第一输出数据。

23、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：基于所述实测河流数据和实验设定河流数据进行可能性综合分析，包括：

24、对所述局部抗冲击实测值和局部抗冲击设定值进行比对，以计算冲击参数系数；

25、对所述局部砂石堆积实测量和局部砂石堆积设定量进行比对，以计算砂石参数系数对所述局部植被实测量和局部植被设定量进行比对，以计算植被参数系数；

26、基于冲击参数系数、砂石参数系数和植被参数系数进行可能性综合分析，以获取破洪可能性评估系数；

27、设置可能性评估阈值，将所述破洪可能性评估系数与可能性评估阈值进行比对分析，得到第一输出数据；所述第一输出数据包括“中小河流必然发生洪水”、“中小河流可能发生洪水”和“中小河流不可能发生洪水”。

28、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：设置可能性评估阈值，将所述破洪可能性评估系数与可能性评估阈值进行比对分析，包括：

29、设置可能性评估阈值rt1和rt2，rt1＞rt2，将所述破洪可能性评估系数与可能性评估阈值进行比对分析，若破洪可能性评估系数大于等于可能性评估阈值rt1，则第一输出数据输出为“中小河流必然发生洪水”，若破洪可能性评估系数小于可能性评估阈值rt1，且大于可能性评估阈值rt2，则第一输出数据输出为“中小河流可能发生洪水”；若破洪可能性评估系数小于等于可能性评估阈值rt2，则第一输出数据输出为“中小河流不可能发生洪水”。

30、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：利用预构建河流数字孪生模型对所述实测河流数据进行模拟分析处理，包括：

31、将所述实测河流数据输入河流数字孪生模型进行仿真模拟，获取虚拟河流仿真图像；

32、对虚拟河流仿真图像进行图像处理，以及利用预构建卷积神经网络cnn对处理后虚拟河流仿真图像进行特征提取，得到第三输出数据；所述第三输出数据为图像特征向量。

33、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：基于所述第一样本集、第二样本集和第三样本集构建洪水预测模型，包括：

34、将第一样本集、第二样本集和第三样本集划分为70%的洪水训练集和30%的洪水测试集；

35、构建循环神经网络rnn，将所述洪水训练集作为输入数据输入进所述循环神经网络rnn进行训练，并利用交叉熵损失函数进行模型优化；

36、利用所述洪水测试集对训练后的循环神经网络rnn的进行模型验证，以输出满足预设准确度的循环神经网络rnn作为洪水预测模型。

37、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：利用所述洪水预测模型对中小河流进行预测分析，包括：

38、获取相似日中小河流的历史河流数据，以及采集当前日所述中小河流的实测河流数据；

39、将相似日中小河流的历史河流数据和中小河流的实测河流数据直接输入所述洪水预测模型，得到中小河流预测结果。

40、作为本发明所述基于数字孪生和ai技术的中小河流洪水预报方法的一种优选方案，其中：利用所述洪水预测模型对中小河流进行预测分析，还包括：

41、对中小河流的实测河流数据进行综合评估分析处理和模拟分析处理，以获取中小河流的第一输出数据和第三输出数据；以及将相似日中小河流的历史河流数据进行模拟分析处理，得到第二输出数据；

42、将第一输出数据、第二输出数据或第三输出数据输入所述洪水预测模型，得到中小河流预测结果。

43、一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述基于数字孪生和ai技术的中小河流洪水预报方法。

44、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项基于数字孪生和ai技术的中小河流洪水预报方法。

45、本发明基于数字孪生和ai技术的中小河流洪水预报方法的技术效果和优点：

46、通过筛选出高危险性标记和中危险性标记的局部河流区域；基于高危险性标记和中危险性标记进行综合评估分析处理，获取第一输出数据；利用预构建洪水回归模型对历史河流数据进行回归分析处理，得到第二输出数据；利用预构建河流数字孪生模型对实测河流数据进行模拟分析处理，得到第三输出数据；将实测河流数据与第一输出数据作为第一样本集，将历史河流数据与第二输出数据作为第二样本集，将实测河流数据与第三输出数据作为第三样本集；基于第一样本集、第二样本集和第三样本集构建洪水预测模型；利用洪水预测模型对中小河流进行预测分析，本发明有利于提高中小河流的洪水预报准确度，此外，本发明实时监测各类参数，通过引入多相关因素进行分析评估，能够为现有中小河流洪水预报提供一种实现方案，另外，本发明将评估分析处理、回归分析处理和模拟分析处理得到第一样本集、第二样本集和第三样本集作为洪水预测模型的训练参数，从而有利于降低中小河流洪水预报的误差，解决现有模型训练数据单一性的问题，进一步提高中小河流洪水预报的准确度和可信度，进而有利于及时预警，避免洪水对周围地区造成严重破坏和影响。