河川水位预测装置制造方法及图纸

本发明专利技术提供一种能高精度预测河川水位的河川水位预测装置。河川水位预测装置（１）包括：计量并存储河川４的水位的水位计量部（５），计量并存储河川（２、４）流域的降雨量的降雨量计量部（７、８）和根据这些计量值预测河川水位的水位预测模型（２０）。水位预测模型（２０）具有自回归部分和ＦＩＲ模型部分，该水位预测模型２０通过模型鉴别部２１鉴别，模型鉴别部根据上述的计量值独立地分别求出自回归部分的参数和ＦＩＲ部分的参数。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及预测河川水位的水位预测装置，特别涉及能高精度预测河川水位的河川水位预测装置。
技术介绍
一般是在分水路与主流河川合流的地点设置排水机站，而在排出机站有排水泵站和与主河川合流的分水路。通常情况下，分水路的水通过自然流下合流到主流河川中，但当因大雨使主流河川侧的水位升高时，从主流河川到分水路侧形成逆流，在分水路上有产生河川泛滥的危险。因此在大雨时，关闭设置在分水路和主流河川合流处附近的水门，既能防止从主流河川到分水路的逆流，又能通过排水泵使分水路的水放流到主流河川中。这时，起动排水泵和定时增减起动的泵的台数是很重要的，但要把握合适的时间需高精度地预测河川水位，并根据该河川水位预测结果进行排水泵的运行支援。在以排水泵的运行支援和排水泵的控制为目的河川水位预测中，一个小时以内的短期水位预测比长期水位预测更重要。特别是达到在水位变化急激发生的情况中的高精度的水位预测是重要的。它之所以重要的理由是，因为水门操作(全开全闭)和排水泵的起动一般需要10分钟左右，所以一连串的操作需要数10分钟左右的时间，在数10分钟左右的时间内，所求出的要求(排水泵运行台数和水门开度等)随着变化的状况而变化。因而，确定这些排水泵和闸门等操作的合适时间对排水机站的运行是最重要之点，为了实现这一点，进行一小时以内的高精度水位预测成为关键之点。为了进行河川水位预测，而必需构筑用于预测的模型，作为构筑该预测模型的手段之一是根据实际收集的水位和降雨量等的时间系列数据构筑模型的方法，该方法最合适进行短时间和高精度测预测的场合。一般作为根据时间系列数据进行模拟的方法，公知的有多变量解析(重回归分析等)、神经网络和系统鉴别法等，这些方法应用在很广的产业领域内。这些方法是相互关联而不是独立的，但其中系统鉴别法(时间)的作为以预测和控制为目的模型构筑法是非常有效的。系统鉴别法的最大的特征是在模拟时通过加强过程时间(或空间)的定时意识来考虑模型构造和参数鉴别算法的要点。可以根据动态系统的观点进行各种解析(据此构筑模型)。例如可以通过考虑混入过程中的外部杂散噪声(表现为通常的滤波)的动态特性，和在频率范围内进行的过程特性解析以及极点与零点解析的来把握过程的特性和和使过程模型低元化。通过进行这些动态系统的解析(和据其进行模型构筑)可以大幅度提高预测精度。特别是在河川水位变动状态中，(1)各种自然现象(和人为的操作)相互干涉，这些复合因素的结果产生水位变动，并且(2)使河川水位产生变动的因素大多是自然现象，在不能人为操作的场合，即在进行具有上述(1)和(2)特征的开放式水位预测的场合，用适当的形式考虑过程的外部干扰特性并构筑水位预测模型对提高预测精度起着非常重要的作用。在开放式水位预测中，认为正确考虑过程外部干扰特性非常重要的理由如下在开放系统中，因为大多不能人为操作预测模型的输入因素，所以在构筑模型时使得到的时间系列数据的数量和质量受到限制。在根据这些有限的数据构筑预测模型时，与其用想象的因素完全作为预测模型的输入，还不如用对预测产生较大影响的几个相互独立的因素作为输入，这一点是公知的。然而在用对这些预测有大的影响的因素构筑预测模型时，未曾考虑其他因素作为外部干扰对水位预测的影响。因此在构筑预测模型时适当地考虑外部干扰特性对提高预测精度变得非常重要。在河川水位预测中，虽然与设置在多个位置上的雨量计数据得到的雨量数据和在上游侧的泵站的排出量对水位变动有影响，但这些数据互相具有很强的相关性(在多变量解析领域中称为“多重共线性”)。把雨量数据彼此间具有强的相关性作为自然现象是当然的，并且雨量数据和泵排出量之所以相关是因为如果雨量多，排出量也随着增加。因此根据时间系列数据区别哪个雨量数据或泵排出量数据各对哪一级水位变动产生影响是困难的。因此从这些雨量数据和排出量数据中选择认为主要的几个因素，用选择的主要的因素作为输入，采用构筑预测模型(这在鉴别预测模型的参数时从数值稳定性的观点上看也有必要)。在此，在例如把降雨量作为输入的场合，处在上游侧的泵站的排出量在某种理由下以与降雨量不相关的方式变动，在对作为预测对象的河川水位产生影响的场合，该喷出量作为外部干扰作用在河川水位上。也就是说，如果不将外部干扰作用适当地考虑在预测模型中，预测精度准下降，因此，构成预测模型时必需适当地考虑外部干扰特性。可是，在系统鉴别法中，有在所适用的模型中描述外部干扰特性的各种方法。这些描述外部干扰特性的方法可大致分为，以ARX(Autoregressive modelwith exogenous input，ARX)模型为代表的算式误差模型、以FIR(Finite ImpulseResponse)模型为代表的输出误差模型(严格地说，FIR模型是输出误差模型，同时也是算式误差模式，但从预测的观点出发认为是输出误差模型)。这些外部干扰特性描述法的区别，结果表现为预测方法的不同，这些预测方法的不同进一步对预测精度产生影响。在ARX模型(算式误差模型)中，通过对作为河川水位变化间接因素的过去的水位变化的自回归部分的预测，作为河川水位变化直接因素的降雨量以及泵排出量等外部输入部分的预测，进行河川水位预测。另外，FIR模型(输出误差模型)中只通过对作为直接因素的外部输入的预测进行河川水位预测。在此之所以把过去的河川水位作为间接因素，是因为过去的水位变化是作为直接因素的降雨量和上游侧泵排出量的变化结果，这个过去的水位对未来的水位变化产生影响。也就是说，过去的水位不是使未来水位变化的真实因素。上述二个预测模型的预测方法分别具有以下特征。(1)在预测模型是ARX模型的场合，例如在水位随着上述上游测泵排出量那样的外部干扰变动的场合，预测模型将实测水位的自回归部分取入预测中。因此预测模型能在某种程度上有力地对付外部干扰的影响，并能修正预测。另外，在预测模型中，因为不能通过上述那样有限的数据进行鉴别，所以不能正确鉴别降雨等直接因素。因此，为了使作为间接因素的自回归部分相对地对预测产生大的影响，往往对预测模型的参数进行鉴别。并且作为直接因素的降雨量和泵的排出量等外部输入会急剧变化，而预测模型却是在考虑了作为间接因素的过去的河川水位后才能反映这些外部输入的急剧变化。也就是说预测已变成后追随，这在特别急剧的水位变化时，将引起预测精度降低。(2)在预测模型是FIR模型的场合，预测模型只有作为直接因素的外部输入项。因此由于能用于参数的鉴别数据数量和质量受到限制，参数的鉴别结果不会受到间接因素的左右，因此不会在出现急剧水位变化时使预测变成了后追加这样的问题，并且预测模型在预测精度低的场合，能比较容易地判断某个因素是否是主要的原因。这种预测模型不能处理因未曾作为输入采用的任何一些因素引起水位变动的情况，并且不能对未预期的引起水位变化的情况进行预测修正。
技术实现思路
如上所述，当对上述的河川水位预测的开放系统的预测单纯使用ARX模型或FIR模型进行预测时，产生了(3)(特别是在急剧水位变化时)预测精度的下降(预测的后追加)和(4)水位的预测精度随着没有考虑到的因素的影响而下降这两个问题，同时解决这两个问题是困难的。本专利技术是考虑到上述问题而提出的，其目的是通过构筑能对上述(3)和(4)两者进行处理的预测模型来提本文档来自技高网...

【技术保护点】
一种河川水位预测装置，其特征在于，包括： 计量河川水位变动因素的河川水位变动因素计量部； 水位预测模型，具有根据来自河川水位变动因素计量部的信息预测河川水位并根据从过去到现在的水位预测水位的第一预测模型部分、和根据来自从过去到现在的河川水位变动因素计量部的信息预测水位的第二预测模型部分； 对水位预测模型进行鉴别的模型鉴别部， 模型鉴别部根据来自河川水位变动因素计量部的信息求出水位预测模型的第一预测模型部分的参数和第二预测模型部分的参数中至少之一。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：吉泽直人，山中理，长岩明弘，岩崎俊介，国见正树，
申请(专利权)人：株式会社东芝，
类型：发明
国别省市：JP[日本]