典型喀斯特地貌流域来水预报模型的构建方法及系统与流程

本发明涉及预测模型构建，特别是典型喀斯特地貌流域来水预报模型的构建方法及系统。

背景技术：

1、基于统计学、人工智能算法开展样区流域内气象降水、气温、蒸发及土壤湿度等实况要素的降尺度研究。对每个样区流域水系进行分级，结合小水库分布特点进行子流域划分，每个子流域面积控制在3～50km2。开展样区流域逐日水文断面径流量的降尺度研究，通过样区流域出口断面逐日径流量、不同喀斯特地形地貌产流特点与子流域面雨量之间建立相关关系研究。

2、贵州小水库所在子流域范围内一般缺乏气象和水文观测数据，因此本项目拟通过已有观测数据通过降尺度的方法，实现对样区流域子流域气象、水文历史数据重构。

3、基于人工智能深度学习算法，构建贵州省典型喀斯特地貌条件下的小水库0～3天逐日短期来水预报模型和未来24小时逐时短临来水预报模型。主要考虑应用多种不同的人工智能算法(例如bp神经网络、随机森林、lstm、gnn或extreme gradient boosting(xgboost))，通过检验评估选取不同样区流域的最优模型。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明所要解决的问题是：如何进行来水预报的问题。

3、为解决上述技术问题，本发明提供如下技术方案：典型喀斯特地貌流域来水预报模型的构建方法，包括，基于已有气象观测数据，进行气象历史数据的降尺度研究；基于典型水文断面观测数据，计算得到子流域出口断面的径流数据，利用子流域面雨量和径流量，利用最小二乘法建立子流域径流量的线性回归方程；利用深度学习算法构建典型喀斯特地貌区小水库逐日短期及逐时短临来水预报模型，进行模型和参数的优选。

4、作为本发明所述典型喀斯特地貌流域来水预报模型的构建方法的一种优选方案，其中：所述气象历史数据的降尺度研究包括，利用样区流域及其子流域内的现有气象观测站点数据，结合雷达反演降水数据和卫星反演降水数据，运用神经网络机器学习算法进行气象历史数据的降尺度研究。

5、作为本发明所述典型喀斯特地貌流域来水预报模型的构建方法的一种优选方案，其中：所述子流域出口断面的径流数据包括，根据样区流域及子流域内气象雨量站点分布情况计算流域面雨量，计算子流域面雨量表示为：

6、s1＝s11+s12+s14+s1n

7、

8、……

9、

10、其中，r1为样区流域1的水文断面出口径流观测值，s1为样区流域1的面雨量，s11为样区流域1内的第一个子流域面雨量，s1n为样区流域1内的第n个子流域面雨量，r11为对应样区流域1内的第一个子流域的重构径流数据，r1n为样区流域1内的对应第n个子流域的重构径流数据。

11、作为本发明所述典型喀斯特地貌流域来水预报模型的构建方法的一种优选方案，其中：所述线性回归方程包括，每个样区流域的子流域面雨量及计算得到对应的径流量，利用最小二乘法求解回归方程，建立子流域面雨量求解子流域径流量的线性回归方程，表示为：

12、r＝a+bs

13、

14、

15、

16、其中，r为径流量，s为子流域面雨量，a和b为回归系数，rij为样本区域i的第j个子流域的径流量，m为样本区域的总数，n为子流域的数量，sij为样本区域i内的第j个子流域的面雨量。

17、作为本发明所述典型喀斯特地貌流域来水预报模型的构建方法的一种优选方案，其中：所述来水预报模型包括，构建多层神经网络，其中relu作为隐藏层的激活函数，输出层为预测的来水量，模型表示为，

18、

19、其中，为预测的来水量，x1为气象数据输入特征，x2为径流数据输入特征，x3为地理信息特征数据，θ1为模型中第一层的参数，θ2为模型中第二层的参数，θ3为模型中第三层的参数，θ4为偏置参数。

20、作为本发明所述典型喀斯特地貌流域来水预报模型的构建方法的一种优选方案，其中：所述模型和参数的优选包括，通过最小化实际来水量与预测来水量之间的误差，使用均方误差作为损失函数，表示为：

21、

22、其中，θ为所有参数的集合，rj为实际的来水量；通过使用梯度下降法，更新参数表示为：

23、

24、

25、

26、

27、

28、其中，ej为单个子流域的误差，α为学习率，为损失函数关于参数θ的梯度，θnew为更新后的参数。

29、作为本发明所述典型喀斯特地貌流域来水预报模型的构建方法的一种优选方案，其中：所述来水模型对比包括，通过交叉验证，计算每个模型的交叉验证误差，表示为：

30、

31、其中，ei为样区流域i的交叉验证误差，为样区流域i的第j个子流域的预测径流量；在交叉验证过程中，每个样区流域产生一个交叉验证误差，设置一个误差阈值，若每个样区流域的交叉验证误差均小于误差阈值，则来水模型合适，若存在小于2个样区流域的交叉验证误差不小于误差阈值，则对不小于误差阈值的样区流域进行单独的模型构建，若存在大于2个样区流域的交叉验证误差不小于误差阈值，则当前的模型结构和参数设置不适合，重新进行模型的选择和参数设置，重新进行模型训练。

32、本发明的另外一个目的是提供典型喀斯特地貌流域来水预报模型的构建方法的系统，其能通过构建来水预报模型构建系统，解决了来水预报的问题。

33、为解决上述技术问题，本发明提供如下技术方案：典型喀斯特地貌流域来水预报模型的构建系统，包括，数据采集模块、数据预处理模块、模型构建模块、模型训练验证模块及模型评估优化模块；所述数据采集模块从各种数据源收集所需的气象、水文和地理信息数据，将收集到的数据妥善存储，并定期更新数据，保证数据的时效性和完整性；所述数据预处理模块负责对收集到的数据进行清洗、格式转换、缺失值处理，为后续分析和建模提供准确的数据基础；所述模型构建模块根据问题需求，选择和构建适当的模型；所述模型训练验证模块通过训练数据对模型进行训练，并使用验证数据对模型的性能进行评估和调优，确保模型的准确性和泛化能力；所述模型评估优化模块对模型的效果进行持续监控和评估，并根据需要对模型结构、参数进行优化。

34、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述典型喀斯特地貌流域来水预报模型的构建方法的步骤。

35、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述典型喀斯特地貌流域来水预报模型的构建方法的步骤。

36、本发明有益效果为：本发明提供的典型喀斯特地貌流域来水预报模型的构建方法通过结合已有的气象观测数据和水文断面观测数据，能有效进行历史数据的降尺度研究和子流域径流量的计算，为水文模型提供精确的输入。通过精细化地理信息数据的应用，结合模型和参数的优选，进一步提高预测的准确性和可靠性。通过逐时、逐日降水和气温预报产品的应用，能开展精细的模型对比，提升模型的预测期和预测性能。交叉验证和误差阈值的设置确保了模型的泛化能力，并为不同样区流域提供灵活的模型构建和优化方案。