【技术实现步骤摘要】
本专利技术涉及水文水资源，尤其涉及一种咸潮上溯盐度预报模型构建方法及装置。
技术介绍
1、咸潮上溯是一种在河口地区发生的自然现象，即海水因潮汐作用逆流而上，致使淡水河流口或河口附近水域盐度升高。这一现象是由多种因素引起的，其中河流流量减少、潮汐变化、风向风力、海平面上升等都与之相关。特别是在枯水期，河流淡水流量下降，而大潮期间潮水上涨，这种情况下海水就容易倒灌入河，进而形成咸潮。
2、咸潮上溯会对河口区淡水资源利用、工农业生产及水生生境系统造成巨大负面影响。根据国家供水标准，饮用水源氯化物含量不宜超过250mg/l，长期饮用氯化物含量超标的水将严重危害人体健康。
3、现有的咸潮上溯盐度预报技术大多基于盐度变化动力学过程建立水动力盐度数值模型。该模型构建与参数验证需大量径流、潮汐、风、河床地形等边界或初始条件的详细信息，其过程机理复杂且计算耗时较长，无法实现快速盐度预报。
技术实现思路
1、本专利技术提供了一种咸潮上溯盐度预报模型构建方法及装置，用于解决现有的咸潮上溯盐度预报技术无法实现快速预报的技术问题。
2、本专利技术第一方面提供的一种咸潮上溯盐度预报模型构建方法，包括：
3、获取水文气象实测数据集，并对所述水文气象实测数据集进行预处理，生成目标水文气象实测数据集；
4、基于多个预置滞后时间、多个预置提前时间、所述目标水文气象实测数据集，构建水文气象训练数据集、水文气象测试数据集和水文气象观测数据集；
5、采
6、采用预置沙普利可加性解释模型和所述中间长短期记忆模型根据所述水文气象测试数据集，计算所述水文气象测试数据集中多个时间序列的水文气象测试数据子集对应的沙普利值；
7、根据多个所述时间序列的水文气象测试数据子集、所述水文气象观测数据集和多个所述时间序列的水文气象测试数据子集对应的沙普利值，构建多个目标长短期记忆模型；
8、采用所述水文气象测试数据集和所述水文气象观测数据集对各所述目标长短期记忆模型进行筛选，确定咸潮上溯盐度预报模型。
9、可选地，所述目标水文气象实测数据集包括多个盐度数据集、多个水气耦合数据集；所述基于多个预置滞后时间、多个预置提前时间、所述目标水文气象实测数据集，构建水文气象训练数据集、水文气象测试数据集和水文气象观测数据集，包括：
10、基于多个预置滞后时间，对多个所述盐度数据集进行滞时处理，输出各个所述预置滞后时间对应的多个滞时盐度数据集；
11、根据各个所述预置滞后时间对应的多个滞时盐度数据集，计算各个所述预置滞后时间对应的多个滞时盐度数据集关联的偏相关系数；
12、基于多个预置提前时间，对最大的偏相关系数对应的滞时盐度数据集关联的盐度数据集作为目标盐度数据集，并对所述目标盐度数据集进行时间前置，输出各所述预置提前时间对应的时间前置盐度数据集；
13、基于多个所述预置提前时间，对多个所述水气耦合数据集进行时间前置，输出各所述预置提前时间对应的多个初始时间前置水气耦合数据集；
14、根据多个所述盐度数据集和各所述预置提前时间对应的多个初始时间前置水气耦合数据集，计算各所述预置提前时间对应的多个初始时间前置水气耦合数据集关联的皮尔逊相关系数；
15、基于多个所述预置提前时间，对最大的皮尔逊相关系数对应的初始时间前置水气耦合数据集关联的水气耦合数据集进行时间前置，输出各所述预置提前时间对应的目标时间前置水气耦合数据集；
16、对多个所述目标时间前置水气耦合数据集和多个所述时间前置盐度数据集进行数据整理和标准化，输出多个标准化时间前置水气耦合数据集和多个标准化时间前置盐度数据集；
17、对多个所述标准化时间前置水气耦合数据集和多个所述标准化时间前置盐度数据集进行划分，生成水文气象训练数据集和水文气象测试数据集；
18、将所述目标盐度数据集作为水文气象观测数据集。
19、可选地，所述采用预置沙普利可加性解释模型和所述中间长短期记忆模型根据所述水文气象测试数据集，计算所述水文气象测试数据集中多个时间序列的水文气象测试数据子集对应的沙普利值，包括：
20、采用所述中间长短期记忆模型分别根据各所述时间序列的水文气象测试数据子集，输出各所述时间序列的水文气象测试数据子集对应的盐度预测值；
21、采用所述预置沙普利可加性解释模型根据各所述时间序列的水文气象测试数据子集对应的盐度预测值，计算各所述时间序列的水文气象测试数据子集对应的沙普利值。
22、可选地，所述根据多个所述时间序列的水文气象测试数据子集、所述水文气象观测数据集和多个所述时间序列的水文气象测试数据子集对应的沙普利值，构建多个目标长短期记忆模型，包括：
23、对多个所述时间序列的水文气象测试数据子集对应的沙普利值进行降序排序，选取前预置数量的时间序列的水文气象测试数据子集作为第一训练数据子集，并将其余时间序列的水文气象测试数据子集按照顺序逐步累加至所述第一训练数据子集中，生成多个第二训练数据子集；
24、采用所述第一训练数据子集、多个所述第二训练数据子集和所述水文气象观测数据集对所述初始长短期记忆模型进行模型训练，生成多个目标长短期记忆模型。
25、可选地，所述采用所述水文气象测试数据集和所述水文气象观测数据集对各所述目标长短期记忆模型进行筛选，确定咸潮上溯盐度预报模型，包括：
26、将所述水文气象测试数据集分别作为各所述目标长短期记忆模型的输入，输出各所述目标长短期记忆模型对应的多个盐度预测值；
27、采用各所述目标长短期记忆模型对应的多个盐度预测值和所述水文气象观测数据集对各所述目标长短期记忆模型进行模型精度评估，输出各所述目标长短期记忆模型对应的纳什效率系数和均方根误差；
28、选取最大的纳什效率系数且最小的均方根误差对应的目标长短期记忆模型作为咸潮上溯盐度预报模型。
29、可选地，在所述采用所述水文气象测试数据集和所述水文气象观测数据集对各所述目标长短期记忆模型进行筛选，确定咸潮上溯盐度预报模型的步骤之后，包括：
30、当接收到待检测水文气象实测数据时，将所述待检测水文气象实测数据输入至所述咸潮上溯盐度预报模型进行盐度预报，输出初始盐度预报结果；
31、对所述初始盐度预报结果进行反标准化，生成目标盐度预报结果。
32、本专利技术第二方面提供的一种咸潮上溯盐度预报模型构建装置，包括：
33、获取模块，用于获取水文气象实测数据集，并对所述水文气象实测数据集进行预处理，生成目标水文气象实测数据集；
34、基于模块，用于基于多个预置滞后时间、多个预置提前时间、所述目标水文气象实测数据集，构建水文气象训练数据集、水文气象测试数据集和水文气本文档来自技高网...
【技术保护点】
1.一种咸潮上溯盐度预报模型构建方法，其特征在于，包括：
2.根据权利要求1所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述目标水文气象实测数据集包括多个盐度数据集、多个水气耦合数据集；所述基于多个预置滞后时间、多个预置提前时间、所述目标水文气象实测数据集，构建水文气象训练数据集、水文气象测试数据集和水文气象观测数据集，包括：
3.根据权利要求1所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述采用预置沙普利可加性解释模型和所述中间长短期记忆模型根据所述水文气象测试数据集，计算所述水文气象测试数据集中多个时间序列的水文气象测试数据子集对应的沙普利值，包括：
4.根据权利要求2所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述根据多个所述时间序列的水文气象测试数据子集、所述水文气象观测数据集和多个所述时间序列的水文气象测试数据子集对应的沙普利值，构建多个目标长短期记忆模型，包括：
5.根据权利要求1所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述采用所述水文气象测试数据集和所述水文气象观测数据集对各所述目标长短期记忆模型进
6.根据权利要求1所述的咸潮上溯盐度预报模型构建方法，其特征在于，在所述采用所述水文气象测试数据集和所述水文气象观测数据集对各所述目标长短期记忆模型进行筛选，确定咸潮上溯盐度预报模型的步骤之后，包括：
7.一种咸潮上溯盐度预报模型构建装置，其特征在于，包括：
8.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-6任一项所述的咸潮上溯盐度预报模型构建方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-6任一项所述的咸潮上溯盐度预报模型构建方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1-6任一项所述的咸潮上溯盐度预报模型构建方法。
...【技术特征摘要】
1.一种咸潮上溯盐度预报模型构建方法，其特征在于，包括：
2.根据权利要求1所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述目标水文气象实测数据集包括多个盐度数据集、多个水气耦合数据集；所述基于多个预置滞后时间、多个预置提前时间、所述目标水文气象实测数据集，构建水文气象训练数据集、水文气象测试数据集和水文气象观测数据集，包括：
3.根据权利要求1所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述采用预置沙普利可加性解释模型和所述中间长短期记忆模型根据所述水文气象测试数据集，计算所述水文气象测试数据集中多个时间序列的水文气象测试数据子集对应的沙普利值，包括：
4.根据权利要求2所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述根据多个所述时间序列的水文气象测试数据子集、所述水文气象观测数据集和多个所述时间序列的水文气象测试数据子集对应的沙普利值，构建多个目标长短期记忆模型，包括：
5.根据权利要求1所述的咸潮上溯盐度预报模型构建方法，其特征在于，所述采用所述水文气象测试数据集和所述水文气象观测数据集对各所述...
【专利技术属性】
技术研发人员：祝雨珂，刘丙军，刘培霖，李旦，傅健宇，吕洋，
申请(专利权)人：中山大学，
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。