【技术实现步骤摘要】
本专利技术属于流域洪水预报，具体涉及一种针对无资料地区的流域水文高效高精度预报方法。
技术介绍
1、水文学是实现水资源优化配置与可持续发展、维护水环境安全等方面的重要支撑；而流域水文预报是水文学的经典学科之一，是指根据历史气象数据、水文数据和气象预报数据等信息，通过科学方法预测未来一段时间内水文情况的过程。流域水文预报在确保水资源合理利用、灾害防控、生态环境保护、农业生产和城市规划等方面扮演着至关重要的角色。例如，提前预知未来一段时间内的流域产汇流过程，从而确定水库来水情况，为大坝建设提供了重要的参考数据，帮助确定大坝的设计容量和蓄水水位，通过合理的水文预测，可以避免因设计不当导致的洪水泄洪、水库水位过高或过低等问题，确保大坝的安全性和稳定性；也可以帮助水库管理者合理安排水资源的调度，合理的调度能够最大程度地利用水库蓄水，满足灌溉、城市供水、发电等需求，并减少洪水和干旱时期的影响。随着水文学的飞速发展，水文预报技术已经成为水资源合理配置、水利工程规划建设、防汛抗旱等工程建设的重要科学依据。然而部分地区因尚未建立地面测站或管理不善导致大量水文资料匮乏，采用传统方法进行流域水文预报的精度和效率难以满足要求，因此无资料地区水文预报成为亟待解决关键问题。
技术实现思路
1、本专利技术的目的是：提供了一种针对无资料地区的流域水文高效高精度预报方法。本专利技术解决了无资料地区水文预报难、效率低以及精度不足的问题。
2、本专利技术的技术方案是：一种针对无资料地区的流域水文高效高精度预
3、前述的针对无资料地区的流域水文高效高精度预报方法中，建模资料的获取过程如下：采用空间插值与地形分析技术对公开的dem高程数据进行精细化处理，并以公开的影像数据为参照划分流域土地利用类型。
4、前述的针对无资料地区的流域水文高效高精度预报方法中，获取大范围的、公开的dem高程数据的方法为：先分块下载数据，然后利用arcgis中的mosaic to new raster或者mosaic工具对分块下载的数据进行融合处理。
5、前述的针对无资料地区的流域水文高效高精度预报方法中，空间插值的方法如下：
6、将公开下载的dem高程数据导入arcgis中，使用arcgis中的inverse distanceweighted插值工具进行空间插值；步骤为：首先，选择插值方法、设置输出网格大小、插值范围和插值权重；其次，运行插值工具，arcgis将自动对导入的dem高程数据进行插值，生成高分辨率的dem高程数据。
7、前述的针对无资料地区的流域水文高效高精度预报方法中，地形分析技术的实施如下：参考公开的影像数据，利用arcgis建立面文件，开启编辑功能，利用arcgis中的create features工具手动勾画出流域中地形复杂的区域，再利用arcgis中的"clip"或"extract by mask"工具对经空间插值处理的dem高程数据进行裁剪并手动修正，将裁剪修正后的区域再与经空间插值处理的dem高程数据进行融合。
8、前述的针对无资料地区的流域水文高效高精度预报方法中，流域土地利用类型的划分如下：参考公开的影像数据，利用arcgis建立面文件，开启编辑功能，利用arcgis中的create features工具手动勾画出各种土地利用类型。
9、前述的针对无资料地区的流域水文高效高精度预报方法中，流域二维水文水动力模型根据精细化处理的dem高程数据、流域土地利用类型，结合流域水文特征资料构建得到；所述的流域水文特征资料包括降雨、下渗和蒸发。
10、前述的针对无资料地区的流域水文高效高精度预报方法中，构建的流域二维水文水动力模型利用实测的流域降雨-径流资料进行精度验证。
11、前述的针对无资料地区的流域水文高效高精度预报方法中，机器学习模型的构建如下：
12、提取主要影响流域产汇流过程的降雨特征参数，再结合研究区域降雨特征，设置各种降雨情景；利用所述的流域二维水文水动力模型，模拟各降雨场景下的流域产汇流过程，建立各降雨情景下的流域降雨-径流过程数据库；提取降雨特征参数，建立降雨特征参数-径流过程数据库；采用k近邻机器学习算法，对降雨特征参数-径流过程数据库进行训练学习，建立基于机器学习的、无资料地区流域水文预报模型。
13、前述的针对无资料地区的流域水文高效高精度预报方法中，流域径流过程的预报如下：将流域的实测降雨或天气预报降雨数据输入预报模型；运用欧式距离公式分别计算预测样本与训练集中各个原本样本之间的距离，并从中筛选出与预测样本距离最近的k个样本；将k个样本与预测样本的接近程度，按权重分配k个样本的预测结果，并将其分配给新的测试样本，作为预测值，即为流域降雨径流过程。
14、本专利技术的优点是：由于部分地区因尚未建立地面测站或管理不善导致大量水文资料匮乏，采用传统方法进行流域水文预报精度和效率难以满足要求。基于该技术问题，本专利技术通过获取的公开数据，利用arcgis技术进行精细化处理，得到二维水文水动力模型所需要建模资料，解决无资料问题，本专利技术采用arcgis技术进行处理，相对于其他数据处理平台而言，在地图数据精度、数据完整性、逻辑一致性、属性精度以及附件质量方面取得了显著效果。随后，依据所得到的建模资料构建流域二维水文水动力模型，利用水动力模型模拟，获得高精度流域降雨径流全水动力物理过程。由于流域级别的降雨径流过程计算量较大，且二维水文水动力模型模拟效率远远低于水文模型，不能达到实际应用需求；因此，首先利用二维水文水动力模型大量模拟，获得不同降雨情景下的流域降雨产汇流过程，建立流域降雨-径流过程数据库，进而建立降雨特征参数-径流过程数据库；之后将再将其作为机器学习模型的学习对象，采用k近邻(knn)机器学习算法，建立机器学习模型；本专利技术的k近邻(knn)机器学习算法，不需要在训练阶段建立模型有效提高了模型的训练速度，可以实时地适应新的数据点，能充分满足模型预报效率的要求，从而达到高效高精度进行无资料水文预报的目的。最终为水资源合理利用、灾害防控、生态环境保护、农业生产和城市规划提供数据支撑，为决策者提供科学依据，促进社会的可持续发展，保障人民的生命安全和经济稳定。
15、为了验证本专利技术的有益效果，专利技术人进行了如下试验验证：
16、采用吉林市某水库对本方法进行验证，该水库正常库容为700万立方米，集雨面积为69平方千米。通过收集集水区高程数据、下渗、土地利用、实测入库流量以及对应降雨，建立二维水动力模型，并进行验本文档来自技高网...
【技术保护点】
1.一种针对无资料地区的流域水文高效高精度预报方法，其特征在于，基于ArcGIS对公开数据进行处理，得到建模资料；基于所述建模资料构建流域二维水文水动力模型；利用流域二维水文水动力模型模拟，获得各降雨情景下的流域降雨产汇流过程，建立流域降雨-径流过程数据库，基于流域降雨-径流过程数据库建立降雨特征参数-径流过程数据库；将所述的降雨特征参数-径流过程数据库作为学习对象构建基于机器学习的预报模型；输入实测或预报降雨到预报模型，预报流域径流过程。
2.根据权利要求1所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，建模资料的获取过程如下：采用空间插值与地形分析技术对公开的DEM高程数据进行精细化处理，并以公开的影像数据为参照划分流域土地利用类型。
3.根据权利要求2所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，获取大范围的、公开的DEM高程数据的方法为：先分块下载数据，然后利用ArcGIS中的mosaic to new Raster或者mosaic工具对分块下载的数据进行融合处理。
4.根据权利要求2所述的针对无资料地区的
5.根据权利要求2所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，地形分析技术的实施如下：参考公开的影像数据，利用ArcGIS建立面文件，开启编辑功能，利用ArcGIS中的Create Features工具手动勾画出流域中地形复杂的区域，再利用ArcGIS中的"Clip"或"Extract by Mask"工具对经空间插值处理的DEM高程数据进行裁剪并手动修正，将裁剪修正后的区域再与经空间插值处理的DEM高程数据进行融合。
6.根据权利要求2所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，流域土地利用类型的划分如下：参考公开的影像数据，利用ArcGIS建立面文件，开启编辑功能，利用ArcGIS中的Create Features工具手动勾画出各种土地利用类型。
7.根据权利要求2所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，流域二维水文水动力模型根据精细化处理的DEM高程数据、流域土地利用类型，结合流域水文特征资料构建得到；所述的流域水文特征资料包括降雨、下渗和蒸发。
8.根据权利要求1所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，构建的流域二维水文水动力模型利用实测的流域降雨-径流资料进行精度验证。
9.根据权利要求1所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，机器学习模型的构建如下：
10.根据权利要求1所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，流域径流过程的预报如下：将流域的实测降雨或天气预报降雨数据输入预报模型；运用欧式距离公式分别计算预测样本与训练集中各个原本样本之间的距离，并从中筛选出与预测样本距离最近的K个样本；将K个样本与预测样本的接近程度，按权重分配K个样本的预测结果，并将其分配给新的测试样本，作为预测值，即为流域降雨径流过程。
...【技术特征摘要】
1.一种针对无资料地区的流域水文高效高精度预报方法，其特征在于，基于arcgis对公开数据进行处理，得到建模资料；基于所述建模资料构建流域二维水文水动力模型；利用流域二维水文水动力模型模拟，获得各降雨情景下的流域降雨产汇流过程，建立流域降雨-径流过程数据库，基于流域降雨-径流过程数据库建立降雨特征参数-径流过程数据库；将所述的降雨特征参数-径流过程数据库作为学习对象构建基于机器学习的预报模型；输入实测或预报降雨到预报模型，预报流域径流过程。
2.根据权利要求1所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，建模资料的获取过程如下：采用空间插值与地形分析技术对公开的dem高程数据进行精细化处理，并以公开的影像数据为参照划分流域土地利用类型。
3.根据权利要求2所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，获取大范围的、公开的dem高程数据的方法为：先分块下载数据，然后利用arcgis中的mosaic to new raster或者mosaic工具对分块下载的数据进行融合处理。
4.根据权利要求2所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，空间插值的方法如下：
5.根据权利要求2所述的针对无资料地区的流域水文高效高精度预报方法，其特征在于，地形分析技术的实施如下：参考公开的影像数据，利用arcgis建立面文件，开启编辑功能，利用arcgis中的create features工具手动勾画出流域中地形复杂的区域，再利用arcgis中的"cl...
【专利技术属性】
技术研发人员：孙志军，张海超，陈燕和，程瑞林，张合作，胡永福，王照英，邓拥军，聂威，邹艺，
申请(专利权)人：中国电建集团贵阳勘测设计研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。