1.一种基于智能计算的数字孪生流域特征要素识别方法,其特征在于,包括如下步骤:面向具有动态特性的数字孪生流域特征要素,提出了模拟人脑双流机制的智能计算模型,模拟人脑双流机制的智能计算模型包括腹侧流通路和背侧流通路模块;在腹侧流通路模块中,模拟视觉皮层的神经活动过程,实现动态特征要素初始识别;在背侧流通路模块中,模拟空间位置感知的神经活动过程,自动判断初始识别结果的识别误差并修正,实现数字孪生流域特征要素识的识别;
腹侧流通路模块分别对视皮层中简单细胞和复杂细胞的神经活动过程进行建模,实现对数字孪生流域特征要素识的初始识别;背侧流通路模块判断特征要素的初始识别误差,当出现识别误差时,对当前特征要素识进行重复遍历搜索;
模拟并建立腹侧流通路模块:模拟腹侧流通路从简单细胞到复杂细胞连续的神经活动过程进行建模,实现对数字孪生流域特征要素识的初始识别;从输入端到输出端为从低层到高层,腹侧流通路依次包含四层串联结构:①S1层,对低层简单细胞的神经活动过程进行建模,所述建模是采用Gabor小波卷积核函数对输入的水利监测数据进行滤波,实现纹理信息提取;
②C1层,对低层复杂细胞的神经活动过程进行建模,所述建模是接收来自S1层的信号并进行整合池化,将S1层产生的多尺度信息进行最大池化计算,实现信息整合;
③S2层,对高层简单细胞神经活动过程进行建模,所述建模是将C1层输出结果进行时序匹配,实现时序匹配;
④C2层,对高层复杂细胞神经活动过程进行建模,所述建模是对t时刻S2层输出结果进行加权融合计算,实现加权融合;
通过C2层的输出获得特征要素的识别结果;
模拟背侧流通路的神经活动过程,对特征要素初始识别误差进行估计:式中:
若
若
以t-1时刻的特征要素坐标(x
至此,完成了对识别误差的判别及修正,实现对数字孪生流域特征要素识的最终识别。
2.根据权利要求1所述的基于智能计算的数字孪生流域特征要素识别方法,其特征在于,所述S1层采用Gabor小波卷积核函数对t时刻输入的水利监测数据进行滤波,提取纹理信息,表达式如下:式中:I
式中:θ为方向角,这里选取了4个方向的角度:θ=0,π/4,π/2,3π/4,λ为Gabor小波的波长,σ为带宽,X=xcosθ+ysinθ,Y=ycosθ-xsinθ,s为尺度。
3.根据权利要求2所述的基于智能计算的数字孪生流域特征要素识别方法,其特征在于,所述C1层接收来自S1层的信号并进行整合池化,将S1层产生的多尺度信息进行最大池化计算:式中:
4.根据权利要求2所述的基于智能计算的数字孪生流域特征要素识别方法,其特征在于,S2层:S2层将C1层输出结果进行时序匹配:式中:
5.根据权利要求4所述的基于智能计算的数字孪生流域特征要素识别方法,其特征在于,C2层:C2层对t时刻S2层输出结果进行加权融合计算:式中:W
通过C2层的输出获得特征要素的识别结果,表征为特征要素的空间坐标;
式中:(x
6.根据权利要求4所述的基于智能计算的数字孪生流域特征要素识别方法,其特征在于,模拟背侧流通路的神经活动过程,对特征要素初始识别误差进行估计:式中:
若
若
以t-1时刻的特征要素坐标(x
式中:M={m
至此,完成了对识别误差的判别及修正,实现对数字孪生流域特征要素识的最终识别。
7.一种计算机设备,其特征在于:该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行上述计算机程序时实现如权利要求1-6中任一项所述的基于智能计算的数字孪生流域特征要素识别方法。
8.一种计算机可读存储介质,其特征在于:该计算机可读存储介质存储有执行如权利要求1-6中任一项所述的基于智能计算的数字孪生流域特征要素识别方法的计算机程序。