欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018100717031
申请人: 河海大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多特征融合技术的中小河流洪水预报方法,其特征在于:包括以下步骤:S1、获得历史洪水场次和实际洪水场次的各雨量站每小时的雨量观测数据;再对这些雨量观测数据进行相似性特征匹配,得到多个不同的匹配结果;

S2、采取基于水利数据的主成分分析投票算法,对每个水文特征的匹配结果进行投票,找到票数最高的洪水场次,从而得到最相似的洪水过程,用于中小河流洪水预报,具体包括以下过程:S2.1、将不同特征值匹配出来的洪水场次放入不同的集合中;

S2.2、对上述集合按照用户投票数进行排名,投票数最多的洪水场次,认为是投票算法出现的最好结果;

S2.3、如果在步骤S2.2阶段出现某几场洪水场次得票数一样时,再分别考虑洪水场次在不同特征匹配结果中出现的位置,将这些位置进行相加,位置之和比较小的,认为是投票算法出现的最好结果;

S2.4、如果在步骤S2.3阶段出现某几场洪水场次得票数以及所述某几场洪水场次在不同特征匹配结果中出现的位置之和都一样时,就对该流域的洪水数据进行主成分分析,分析哪个特征值比重比较大,就取在那个特征值集合中,将排名较靠前的洪水场次认为是投票算法出现的最好结果;

S2.5、最后输出投票结果。

2.根据权利要求1所述的基于多特征融合技术的中小河流洪水预报方法,其特征在于:所述步骤S1中所述的特征包括面雨量特征、降雨强度特征和暴雨中心特征。

3.根据权利要求2所述的基于多特征融合技术的中小河流洪水预报方法,其特征在于:步骤S1中,面雨量特征值求解过程包括以下步骤:

步骤A1、取历史洪水场次的降雨数据,观测时间段从开始降雨到预测时间起始点t0,计算出观测时间段内的面雨量总和S;

步骤A2、取实际洪水场次的降雨数据,观测时间段从开始降雨到预测时间起始点t0,计算出观测时间段内的面雨量总和S’;

步骤A3、找S和S’差值最小的历史洪水场次,标记为面雨量总和特征值匹配的最佳结果。

4.根据权利要求2所述的基于多特征融合技术的中小河流洪水预报方法,其特征在于:步骤S1中,降雨强度特征值求解过程包括以下步骤:

步骤B1、取历史洪水场次的降雨数据,观测时间段从开始降雨到预测时间起始点t0,计算出观测时间段内的每个时刻雨量的标准差,并将雨量标准差加入到雨量序列Y中;

步骤B2、取实际洪水场次的降雨数据,观测时间段从开始降雨到预测时间起始点t0,计算出观测时间段内的每个时刻雨量的标准差,并将雨量标准差加入到雨量序列Y’中;

步骤B3、运用dtw算法求出序列Y与Y’最短距离d,找出d最小值的历史洪水场次,标记为降雨强度特征值匹配的最佳结果。

5.根据权利要求2所述的基于多特征融合技术的中小河流洪水预报方法,其特征在于:步骤S1中,暴雨中心特征值求解过程包括以下步骤:

步骤C1、取历史洪水场次的降雨数据,观测时间段从开始降雨到预测时间起始点t0,计算出观测时间段内的每个时刻各个雨量站降雨量的最大值,并将最大降雨量的位置放入暴雨中心轨迹序列C中;

步骤C2、取实测洪水场次的降雨数据,观测时间段从开始降雨到预测时间起始点t0,计算出观测时间段内的每个时刻各个雨量站降雨量的最大值,并将最大降雨量的位置放入暴雨中心轨迹序列C’中;

步骤C3、遍历流域雨量站距离表,找出C与C’的站点之间距离,将其放入C’’中;

步骤C4、找出C’’最小值的历史洪水场次,标记为暴雨中心特征值匹配的最佳结果。

6.一种基于多特征融合技术的中小河流洪水预报系统,其特征在于,包括:原始降雨数据处理模块,多特征计算模块,投票模块,洪水预报预测输出模块;

原始降雨数据处理模块,用于处理历史洪水场次和实际洪水场次中的各雨量站每小时的雨量观测数据;

多特征计算模块,首先提取原始降雨数据处理模块的输出数据,再对这些雨量观测数据进行特征匹配,最后分别将这些匹配结果放入到不同的集合中,供投票模块作为输入使用;

投票模块用于将多特征计算模块的输出数据,进行投票,找到票数最高的洪水场次,从而得到最相似的洪水过程;

洪水预报预测输出模块,用于将投票模块的输出数据,当成最佳结果,用于中小河流洪水预报。

7.根据权利要求6所述的基于多特征融合技术的中小河流洪水预报系统,其特征在于,所述多特征计算模块提取的特征包括:面雨量特征,降雨强度特征和暴雨中心特征。

8.根据权利要求6所述的基于多特征融合技术的中小河流洪水预报系统,其特征在于,所述投票模块采用基于水利数据的主成分分析投票算法,把多指标转换成为少数几个指标,其中每个主成分可以反映原始数据的大部分信息,且所含信息不重复;在水文信息预报中,基于水利数据的主成分分析投票算法通过分析不同流域的流域特征,在用特征值进行匹配的时候,关注到这些特征值本身的重要性,以及各自在结果中所占据的权重,确定各个不同流域特征值的权重。