一种大数据分析方法及系统技术方案

本发明专利技术提供一种大数据分析方法及系统，用于泄洪数据分析，包括：获取泄洪区域的历史数据确定水淹地区的洪水增加量；确定洪水每增加第一量后的水淹范围图，得到基于洪水增加量的水淹范围图序列；对水淹地区图序列进行小波变换，得到水淹范围图样本；使用水淹范围图样本训练神经网络得到第一模型；用第一模型预测后续水淹地区图，并计算到达被预测水淹地区图状态需要的时间；根据预测的水淹地区图以及到达被预测水淹地区图状态需要的时间进行泄洪控制通过上述方案可以将水淹地图转换至洪水增加量尺度，从而使用现有的图像预测网络进行预测以进行泄洪控制

【技术实现步骤摘要】
一种大数据分析方法及系统


[0001]本专利技术涉及数据处理领域，具体而言涉及一种用于泄洪数据分析的大数据分析方法及系统
。

技术介绍

[0002]泄洪量分析是一种用于洪水管理和水资源规划的重要技术，旨在确定在洪水事件中必须从水库
、
水闸或其他水体储存设施中释放的水的数量
。
[0003]为了预测泄洪后，下游的水淹区域，通常要对过水面积进行预测
。
然而，水淹区域受到上游来水
、
降雨
、
排水
、
地形等因素的影响，并且上游来水
、
降雨
、
排水不是简单的随时间变化，水淹区域在时间尺度上难表示成预测函数
。
[0004]现有技术中，泄洪量分析需要进行大量的数据处理，包括降雨量
、
上游泄洪流量
、
流域地理特性（包括面积
、
坡度
、
土地利用
、
土壤类型）等，要建立非常复杂的数学模型，建模难度大，容易出错
。

技术实现思路

[0005]为了解决现有技术中的问题，本专利技术提供一种大数据分析方法及系统
。
[0006]在本专利技术的一个方面，提供一种大数据分析方法，其特征在于所述方法用于泄洪数据分析，所述方法包括如下步骤：获取泄洪区域的历史数据，所述历史数据包括上游泄洪流量
、
降水量
、
泄洪区域排洪流量r/>、
水淹范围图；根据上游泄洪流量
、
降水量
、
泄洪区域排洪流量确定水淹地区的洪水增加量；确定洪水每增加第一量后的水淹范围图，得到基于洪水增加量的水淹范围图序列；对所述水淹地区图序列进行小波变换，取
LL
分量，得到水淹范围图样本；使用水淹范围图样本训练神经网络得到第一模型，所述第一模型可预测洪水每增加第一量后的水淹地区图；实时获取上游泄洪流量
、
降水量
、
泄洪区域排洪流量
、
当前水淹范围图，并以用第一模型预测后续水淹地区图，并计算到达被预测水淹地区图状态需要的时间；根据预测的水淹地区图以及到达被预测水淹地区图状态需要的时间进行泄洪控制
。
[0007]进一步地，洪水增加量
=
上游泄洪流量
×
时间
+
降水量
×
目标区域面积
‑
泄洪区域排洪流量
×
时间
。
[0008]进一步地，所述第一模型为
ConvLSTM。
[0009]进一步地，在小波变化后，对
LL
分量进行反小波变换，将其还原为水淹范围图的样本
。
[0010]进一步地，用第一模型预测后续水淹地区图前对当前水淹范围图进行小波变换，取
LL
分量，对
LL
分量进行反小波变换，将其还原为水淹范围图的样本
。
[0011]本专利技术另一方面还提供一种大数据分析系统，其特征在于所述系统用于泄洪数据分析，所述系统包括如下模块：获取模块，用于获取泄洪区域的历史数据，所述历史数据包括上游泄洪流量
、
降水量
、
泄洪区域排洪流量
、
水淹范围图；计算模块，用于根据上游泄洪流量
、
降水量
、
泄洪区域排洪流量确定水淹地区的洪水增加量；序列图处理模块，用于确定洪
水每增加第一量后的水淹范围图，得到基于洪水增加量的水淹范围图序列；样本处理模块，用于对所述水淹地区图序列进行小波变换，取
LL
分量，得到水淹范围图样本；训练模块，用于使用水淹范围图样本训练神经网络得到第一模型，所述第一模型可预测洪水每增加第一量后的水淹地区图；预测模块，用于实时获取上游泄洪流量
、
降水量
、
泄洪区域排洪流量
、
当前水淹范围图，并以用第一模型预测后续水淹地区图，并计算到达被预测水淹地区图状态需要的时间；控制模块，用于根据预测的水淹地区图以及到达被预测水淹地区图状态需要的时间进行泄洪控制
。
[0012]进一步地，洪水增加量
=
上游泄洪流量
×
时间
+
降水量
×
目标区域面积
‑
泄洪区域排洪流量
×
时间
。
[0013]进一步地，所述第一模型为
ConvLSTM。
[0014]进一步地，在小波变化后，对
LL
分量进行反小波变换，将其还原为水淹范围图的样本
。
[0015]进一步地，用第一模型预测后续水淹地区图前对当前水淹范围图进行小波变换，取
LL
分量，对
LL
分量进行反小波变换，将其还原为水淹范围图的样本
。
[0016]本专利技术通过上述技术方案，可以产生如下有益效果：将水淹地区的图像数据转换至洪水增加量的尺度，从而可以使用现有技术中的图像预测网络进行后续的图像预测
。
一方面避免了无法从时间尺度进行预测的技术问题，另一方面也不需要建立复杂的数据模型，并且不容易出现错误
。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0018]图1是本专利技术方法过程示意图
。
具体实施方式
[0019]下面，结合附图以及具体实施方式，对专利技术做出优选的描述
。
[0020]本实施例通过如下步骤解决上术问题
:
如图1所示，在一个实施例中，本专利技术提供一种大数据分析就去方法，具体包括：获取泄洪区域的历史数据，所述历史数据包括上游泄洪流量
、
降水量
、
泄洪区域排洪流量
、
水淹范围图；泄洪区域的历史数据是进行泄洪量大数据分析的基础，可以通过当地水利部门
、
气象部门或环保部门授权，以获取有关泄洪量
、
降水量和水淹范围的历史数据
。
[0021]上游泄洪流量以立方米每秒（
cubic meters per second
，缩写为
m
³
/s
）为单位来表示，以便描述流经水闸
、
水库或河流的水的数量
。
通过历史的上游泄洪流量可以计算任意时间内经水坝水闸流至下游目标区域的洪水量
。
[0022]降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种大数据分析方法，其特征在于所述方法用于泄洪数据分析，所述方法包括如下步骤：获取泄洪区域的历史数据，所述历史数据包括上游泄洪流量
、
降水量
、
泄洪区域排洪流量
、
水淹范围图；根据上游泄洪流量
、
降水量
、
泄洪区域排洪流量确定水淹范围的洪水增加量；确定洪水每增加第一量后的水淹范围图，得到基于洪水增加量的水淹范围图序列；对所述水淹范围图序列进行小波变换，取
LL
分量，得到水淹范围图样本；使用水淹范围图样本训练神经网络得到第一模型，所述第一模型可预测洪水每增加第一量后的水淹范围图；实时获取上游泄洪流量
、
降水量
、
泄洪区域排洪流量
、
当前水淹范围图，并以第一模型预测后续水淹范围图，并计算到达被预测水淹范围图状态需要的时间；根据预测的水淹范围图以及到达被预测水淹范围图状态需要的时间进行泄洪控制
。2.
根据权利要求1所述的一种大数据分析方法，其特征在于：洪水增加量
=
上游泄洪流量
×
时间
+
降水量
×
目标区域面积
‑
泄洪区域排洪流量
×
时间
。3.
根据权利要求1所述的一种大数据分析方法，其特征在于：所述第一模型为
ConvLSTM。4.
根据权利要求1所述的一种大数据分析方法，其特征在于：在小波变换后，对
LL
分量进行反小波变换，将其还原为水淹范围图的样本
。5.
根据权利要求1所述的一种大数据分析方法，其特征在于：用第一模型预测后续水淹范围图前对当前水淹范围图进行小波变换，取
LL
分量，对
LL
分量进行反小波变换，将其还原为水淹范围图的样本
。6.
一种大数据分析系统，其特征在于所述系统用于泄洪数据...

【专利技术属性】
技术研发人员：郑小华，
申请(专利权)人：成都智慧企业发展研究院有限公司，
类型：发明
国别省市：