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: 2023100623853
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.基于多模式集成的长江中下游流域径流预测方法,其特征在于,包括如下步骤:步骤S1、将研究流域分成预定个类别的子流域,提取每一子流域的分水岭和河段,基于分水岭将子流域分成N个集水区,查找各个河段之间以及河段与集水区之间的拓扑关系,形成研究区域所有河段与集水区的邻接关系矩阵;通过集水区构建研究区域的集水区集合;

步骤S2、采集研究区域的水文气象数据,按照时间划分为M个连续的时期,对应形成水文气象数据子集,建立水文气象数据与集水区的映射关系,将水文气象数据子集分割并对应到各个集水区,基于各个集水区每一时期的水文气象数据子集构建研究区域的水文气象数据集合;N、M为正整数;

步骤S3、采集预定数量个降雨径流预测方法,构建降雨径流预测方法集合,建立每个降雨径流预测方法与集水区各个集水区每一时期的水文气象数据子集的可行关系,获得针对研究区域整体的若干组降雨径流预测方法组成的降雨径流预测方法集合;

步骤S4、采用评估方法对降雨径流预测方法集合中的各个方法进行优选,获得优选集,通过优选集中的降雨径流预测方法对预定区域的径流进行预测。

2.如权利要求1所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,所述步骤S1进一步为:步骤S11、按照预定的时间周期采集研究流域的卫星图并处理至预定的分辨率;构建神经网络图像处理模块,以各个时刻的卫星图作为输入,将研究流域按照水系分割成若干个子流域,并计算各个子流域的相似度,将相似度高于阈值的子流域放入第一集合,形成若干个类别的子流域;同时逐一计算每一子流域在不同周期性时刻的相似度,并将相似度低于阈值的子流域放入第二集合;

步骤S12、采用Arcgis模块或图像识别模块提取分水岭和河段,并基于分水岭和河段确定集水区的边界,形成相对封闭且不重叠的集水区,将获得的集水区概化成集水节点;基于所述集水区构建研究区域集水区集合;

步骤S13、基于河段之间的连通关系,建立河段之间的拓扑关系;查找形成集水区边界的河段,并建立集水区与河段之间的拓扑关系;建立研究区域所有河段与集水区、河段与河段之间的邻接关系矩阵;

步骤S14、计算各个集水区的流量和各个河段的流量并归一化,形成集水区域和河段的通量权重系数矩阵。

3.如权利要求2所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,所述步骤11中在计算各个子流域的相似度,将相似度高于阈值的子流域放入第一集合后,对第一集合中的子流域相似度进行检验,过程如下:步骤S11a、针对子流域,采集该子流域对应的任意Q个时间段内的水文气象数据;形成第1、第2、…、第Q个顺次排列的水文气象数据;Q为大于等于2的正整数且相邻的时间段的间距大于预设值;

步骤S11b、调换水文气象数据,形成两组一一对应的水文气象数据对,其中第1个水文气象数据与第Q个水文气象数据对应,第2个水文气象数据与第Q‑1个水文气象数据对应,第Q个水文气象数据与第1个水文气象数据对应;

步骤S11c、分别通过各组水文气象数据对率定预配置的水文模型参数,并检验参数的方差是否在预定范围内,若是,则将子流域放入第一集合。

4.如权利要求2所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,所述步骤S12进一步为:当采用Arcgis模块提取分水岭和河段时,包括如下过程:步骤S12a、顺次读取各个子流域的数据,提取该子流域中的水流流向数据;

步骤S12b、基于水流流向和预配置的高程阈值提取洼地区域范围,以及分水岭数据;计算洼地的高程和深度,并进行栅格化处理;基于洼地区域范围之外的水流流向数据计算水流长度和流量,并栅格化,基于预配置的河流阈值参数,提取河段并将河段连接;

步骤S12c、读取分水岭和河段数据,先通过分水岭和河段组成若干组封闭的第一集水区,查找未封闭的区域,连接分水岭与河段的端点,形成若干个第二集水区;查找作为集水区边界的河段,并判断该河段是否作为两个或以上集水区的边界,若是,将标注为重叠河段;

步骤S12d、将获得的第一集水区和第二集水区概化为集水区节点,构建研究区域集水区集合。

5.如权利要求2所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,所述步骤S12进一步为:当采用图像识别模块提取分水岭和河段时,包括如下过程:步骤S12i、顺次读取研究区域中各个集水区的数据,并进行预处理,保存为预定格式的含有高程信息的3D图像;

步骤S12ii、构建图像识别模块和训练样本集合,对图像识别模块进行训练;采用滑动窗口法在研究区域的3D图像上滑动,截取预定数量个窗口图像,并对窗口图像中的河段进行识别,获得窗口图像中的河段数据和分水岭数据;

步骤S12iii、逐一获取各个集水区对应的若干个窗口图像,将各个窗口图像获得的河段数据和分水岭数据分别叠加,形成该集水区的河段数据和分水岭;连接各个集水区的河段数据和分水岭数据,形成研究区域整体的河段数据和分水岭数据;

步骤S12iv、读取分水岭和河段数据,先通过分水岭和河段组成若干组封闭的第一集水区,查找未封闭的区域,连接分水岭与河段的端点,形成若干个第二集水区;查找作为集水区边界的河段,并判断该河段是否作为两个或以上集水区的边界,若是,将标注为重叠河段;

步骤S12v、将获得的第一集水区和第二集水区概化为集水区节点,构建研究区域集水区集合。

6.如权利要求5所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,所述步骤S2进一步为:步骤S21、读取研究区域的预定时间内的水文气象数据,采用MK突变检测法查找水文气象数据的突变点,沿突变点所在的时刻分别向前和向后划分预定的时间距离,形成突变时段,通过突变时段将预定时间划分为B个连续的时期,对应形成水文气象数据子集;B为大于等于3的正整数;

步骤S22、逐一计算每个集水区与水文气象数据的映射关系,并通过MK突变检测法检验该集水区对应的水文气象数据是否存在突变点;

若不存在,将其标记为气候非突变集水区,并进入下一步;

若存在,判断集水区域是否处于第二集合,若是,将该集水区标记为突变集水区;

若否,将该集水区标记为气候变化集水区;

步骤S23、逐一查找该集水区下游的集水区是否为非突变集水区,若是将上游和下游的集水区连通成一个集水区,形成若干个突变集水区、气候变化集水区和非突变集水区组成的研究区域;

步骤S24、基于各个集水区每一时期的水文气象数据子集构建研究区域的水文气象数据集合,并构建突变集水区、气候变化集水区和非突变集水区与水文气象数据的映射关系集合。

7.如权利要求6所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,所述步骤S21在获得突变点后,还具有突变点核验过程:步骤S21a、用预定长度的时间窗口在所述预定时间上滑动,获取突变点时刻前后各P个窗口时段;

步骤S21b、逐一针对突变点时刻前P个窗口时段中的每个窗口时段与突变点时刻后P个窗口时段中每个窗口时段的水文气象数据的时间序列相似度,将相似度大于阈值的水文气象数据标记为相似序列对;P为大于等于2的正整数;

步骤S21c、调换相似序列对的水文气象数据的时间顺序,重新计算时间序列,并判断是否存在突变点,若存在,标记为确定突变点。

8.如权利要求7所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,所述步骤S3进一步为:步骤S31、构建径流预测过程并将其分成至少包括降雨预测和径流预测在内的若干个预测单元;针对每个预测单元采集降雨径流预测方法,构建降雨径流预测方法集合;

步骤S32、顺次选取集水区,针对该集水区的每一时期选择预测方法,构建每一集水区的各个时期的可行预测方法集合,进行验证性预测或按照准确度降序排列,将前C项作为优选预测方法;C为大于等于3的整数;

步骤S33、基于集水区的分组关系和拓扑关系,合并可行预测方法,形成针对研究区域整体的预测方法集合。

9.如权利要求8所述的基于多模式集成的长江中下游流域径流预测方法,其特征在于,还包括:步骤S34、构建备选模块,对可行预测方法集合中的第C+1至第C+Z项作为次优预测方法并纳入备选模块,Z为正整数。

10.一种基于多模式集成的长江中下游流域径流预测系统,其特征在于,包括:

至少一个处理器;以及

与至少一个所述处理器通信连接的存储器;其中,

所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求1‑9任一项所述的基于多模式集成的长江中下游流域径流预测方法。