一种湖泊水位变化的预测方法及系统技术方案

本发明专利技术提供的技术方案为：一种湖泊水位变化的预测方法及系统，包括以下步骤：根据待测湖泊的地理位置确定分布于该湖泊上游流域的若干个水文站并获取其地理位置信息和历史水位数据；获取待测湖泊的历史水位数据，根据各所述若干个水文站的历史水位数据和地理位置信息以及待测湖泊的历史水位数据建立湖泊水位变化预测模型；获取所述若干个水文站的实时水位数据并输入湖泊水位变化预测模型，湖泊变化预测模型输出待测湖泊的水位变化情况。本发明专利技术可以准确预测湖泊水位的变化情况。明可以准确预测湖泊水位的变化情况。明可以准确预测湖泊水位的变化情况。

【技术实现步骤摘要】
一种湖泊水位变化的预测方法及系统


[0001]本专利技术涉及湖泊水位领域，具体地涉及一种湖泊水位变化的预测方法及系统。

技术介绍

[0002]我国湖泊数量多、分布广、类型全。湖泊是气候和环境变化的敏感指示器，是揭示全球气候变化和区域响应的重要信息载体。湖泊水位变化的研究是湖泊水文学的基础，其变化与区域降雨、气温、蒸发、湿度及人类活动等因素息息相关，长时间序列水位可反映区域气候变化及人类活动对湖泊的影响。
[0003]但是现有技术中往往缺乏对湖泊进行有效预测的方法及系统，导致无法在汛期或者旱期对湖泊的变化进行准确预警。

技术实现思路

[0004]本专利技术针对上述问题，提供一种湖泊水位变化的预测方法及系统，可以准确预测湖泊水位的变化情况。
[0005]为解决上述问题，本专利技术提供的技术方案为：一种湖泊水位变化的预测方法，包括以下步骤：
[0006]根据待测湖泊的地理位置确定分布于该湖泊上游流域的若干个水文站并获取其地理位置信息和历史水位数据；
[0007]获取待测湖泊的历史水位数据，根据各所述若干个水文站的历史水位数据和地理位置信息以及待测湖泊的历史水位数据建立湖泊水位变化预测模型；
[0008]获取所述若干个水文站的实时水位数据并输入湖泊水位变化预测模型，湖泊变化预测模型输出待测湖泊的水位变化情况。
[0009]上述技术方案中，所述湖泊水位变化预测模型的建立过程包括：根据所述若干个水文站的历史水位数据和地理位置信息建立水位关系矩阵和位置关系矩阵；所述水位关系矩阵用于表征所述若干个水文站中任意两个水文站在设定时间间隔内的历史水位数据的变化量的差值；所述位置关系矩阵用于表征所述若干个水文站中任意两个水文站的地理位置之间的欧式距离；将位置关系矩阵和水位关系矩阵的乘积为输入、以待测湖泊的历史水位变化数据为输出训练卷积神经网络模型；将训练好的卷积神经网络模型作为湖泊水位变化预测模型。
[0010]上述技术方案中，所述水位关系矩阵的建立过程包括：按照设定时间间隔各个水文站的历史水位数据和待测湖泊的历史水位数据进行划分，分别计算在设定时间间隔内各个水文站的历史水位变化量和待测湖泊的历史水位变化量；所述水位关系矩阵的行与列均代表水文站的历史水位数据，水位关系矩阵中对应位置的元素为同一个时间间隔内对应的两个水文站的历史水位数据的变化量的差值。
[0011]上述技术方案中，所述位置关系矩阵的行与列均代表水文站地理位置，位置关系矩阵中对应位置的元素为对应的两个水文站的地理位置之间的欧式距离。
[0012]上述技术方案中，还包括以下步骤：获取待测湖泊的实时水位数据，并结合湖泊变化预测模型输出待测湖泊的水位变化情况，计算得到待测湖泊的预测水位；将计算得到的待测湖泊的预测水位与设定的预警水位相比较，如果预测水位大于等于预警水位则输出报警信息。
[0013]上述技术方案中，所述待测湖泊处于温湿区；所述若干个水文站分布于作为待测湖泊补给水源的上游河流，用于采集所述上游河流的水位信息。
[0014]本专利技术提供了一种湖泊水位变化的预测系统，所述系统包括：
[0015]上游水位信息获取模块，用于根据待测湖泊的地理位置确定分布于该湖泊上游流域的若干个水文站并获取其地理位置信息和历史水位数据；
[0016]湖泊水位变化预测模型生成模块，用于获取待测湖泊的历史水位数据，根据各所述若干个水文站的历史水位数据和地理位置信息以及待测湖泊的历史水位数据建立湖泊水位变化预测模型；
[0017]湖泊水位变化预测模块，用于获取所述若干个水文站的实时水位数据并输入湖泊水位变化预测模型，湖泊变化预测模型输出待测湖泊的水位变化情况。
[0018]本专利技术提供了一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
[0019]其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
[0020]所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如上述技术方案所述的方法。
[0021]本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如上述技术方案所述的方法。
[0022]本专利技术与现有技术对比，本专利技术根据待测湖泊的上游水文站的历史水文数据预测待测湖泊的水位变化情况，从而绘制未来一段时间内的待测湖泊预测曲线，除了可以进行实时水位监测，还可以进行未来水位变化状况预警，提高了待测湖泊预警的前瞻性。本专利技术根据各个水文站的历史水位数据建立位置关系矩阵和水位关系矩阵，并用于构建湖泊水位变化预测模型，可以实现待测湖泊的水位数据和水文站的水位数据之间的量化表示，提高水文站待测湖泊的水位状况预测的准确性。
附图说明
[0023]图1为本专利技术的流程示意图；
[0024]图2为本专利技术的系统示意图。
具体实施方式
[0025]下面结合具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
[0026]本专利技术提供了一种湖泊水位变化的预测方法，包括以下步骤：
[0027]根据待测湖泊的地理位置确定分布于该湖泊上游流域的若干个水文站并获取其地理位置信息和历史水位数据；
[0028]获取待测湖泊的历史水位数据，根据各所述若干个水文站的历史水位数据和地理位置信息以及待测湖泊的历史水位数据建立湖泊水位变化预测模型；
[0029]获取所述若干个水文站的实时水位数据并输入湖泊水位变化预测模型，湖泊变化预测模型输出待测湖泊的水位变化情况。
[0030]具体地，所述湖泊水位变化预测模型的建立过程包括：根据所述若干个水文站的历史水位数据和地理位置信息建立水位关系矩阵和位置关系矩阵；所述水位关系矩阵用于表征所述若干个水文站中任意两个水文站在设定时间间隔内的历史水位数据的变化量的差值；所述位置关系矩阵用于表征所述若干个水文站中任意两个水文站的地理位置之间的欧式距离；将位置关系矩阵和水位关系矩阵的乘积为输入、以待测湖泊的历史水位变化数据为输出训练卷积神经网络模型；将训练好的卷积神经网络模型作为湖泊水位变化预测模型。
[0031]具体地，所述水位关系矩阵的建立过程包括：按照设定时间间隔各个水文站的历史水位数据和待测湖泊的历史水位数据进行划分，分别计算在设定时间间隔内各个水文站的历史水位变化量和待测湖泊的历史水位变化量；所述水位关系矩阵的行与列均代表水文站的历史水位数据，水位关系矩阵中对应位置的元素为同一个时间间隔内对应的两个水文站的历史水位数据的变化量的差值。
[0032]具体地，所述位置关系矩阵的行与列均代表水文站地理位置，位置关系矩阵中对应位置的元素为对应的两个水文站的地理位置之间的欧式距离。
[0033]具体地，还包括以下步骤：获取待测湖泊的实时水位数据，并结合湖泊变化预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种湖泊水位变换的预测方法，其特征在于包括以下步骤：根据待测湖泊的地理位置确定分布于该湖泊上游流域的若干个水文站；并获取所述若干个水文站的实时水位数据；获取所述若干个水文站的历史水位数据和待测湖泊的历史水位数据，根据各所述若干个水文站的历史水位数据和待测湖泊的历史水位数据建立湖泊水位变化预测模型；获取所述若干个水文站的实时水位数据并输入湖泊水位变化预测模型，湖泊变化预测模型输出待测湖泊的水位变化情况。2.根据权利要求1所述的湖泊水位变换的预测方法，其特征在于：所述湖泊水位变化预测模型的建立过程包括：根据所述若干个水文站的历史水位数据和地理位置信息建立水位关系矩阵和位置关系矩阵；所述水位关系矩阵用于表征任意两个水文站在设定时间内的历史水位水位数据的变化量的差值；所述位置关系矩阵用于表征任意两个水文站的地理位置之间的欧式距离；将位置关系矩阵和水位关系矩阵的乘积为输入、以待测湖泊的历史水位变化数据为输出训练卷积神经网络模型；将训练好的卷积神经网络模型作为湖泊水位变化预测模型。3.根据权利要求2所述的湖泊水位变换的预测方法，其特征在于：所述水位关系矩阵的建立过程包括：按照设定时间间隔各个水文站的历史水位数据和待测湖泊的历史水位数据进行划分，分别计算在设定时间间隔内各个水文站的历史水位变化量和待测湖泊的历史水位变化量；所述水位关系矩阵的行与列均代表水文站的历史水位数据，水位关系矩阵中对应位置的元素为同一个时间间隔内对应的两个监测点的历史水位数据的变化量的差值。4.根据权利要求3所述的湖泊水位变换的预测方法，其特征在于：所述位置关系矩阵的行与列均代表水文站地理位置，位置关系矩阵中对应位置的元素为对应的两个水文站的地理位置之...

【专利技术属性】
技术研发人员：邹朝望，刘贤才，沈立群，孙媛媛，
申请(专利权)人：湖北省水利水电规划勘测设计院，
类型：发明
国别省市：