申请/专利权人：安徽大学

申请日：2024-01-15

公开（公告）日：2024-04-05

公开（公告）号：CN117575873B

主分类号：G06Q50/26

分类号：G06Q50/26;G06N3/0455;G06N3/0499;G06N3/082;G06N3/0985;G06Q10/0637;G06F18/15;G06F18/27;G08B21/10;G08B31/00;G01F23/00;G01F1/002;G01W1/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明公开了综合气象水文敏感性的洪水警戒方法与系统，涉及水利工程技术领域，包括监测与数据采集单元、数据驱动水位预测单元、敏感性分析单元和判断单元；其中，数据驱动水位预测单元包括预处理模块、评价模块以及水位预测模块。本发明采用Transformer模型结合稀疏注意力和非线性输出，准确预测多气象和水文要素下的水位变化。利用可解释机器学习分析水位对气象水文的敏感性，标记超过警戒水位的水位预测为风险点。在洪水警戒后，进行高敏感气象水文因子洪水诱因分析，建立历史防汛方案数据库。以水位、降雨等为特征，输出初步防汛方案，并结合专家意见确定最终方案，确保水位在合理范围内控制。

主权项：1.综合气象水文敏感性的洪水警戒系统，其特征在于，包括监测与数据采集单元、数据驱动水位预测单元、敏感性分析单元和判断单元；其中，数据驱动水位预测单元包括预处理模块、评价模块以及水位预测模块；在研究区域的主要河流、水闸处设置若干水位监测点，由监测与数据采集单元在监测点利用明渠流量计和水位尺采集洪水相关流量和水位，同时获取气象站点的平均气温、降水量、最高气温、最低气温、平均风速、相对湿度以及日照时间，将历史的水文和气象数据保存成初始数据集；由数据驱动水位预测单元中的预处理模块对初始数据集进行水文和气象数据预处理，针对水文数据，采用异常值剔除和缺失值填充，针对气象数据，首先确定研究区域的边界矢量，裁剪和拼接进而得到研究区域的气象数据，接着利用基于多元线性回归与奇异值分解的统计降尺度方法得到与水文数据时间分辨率一致的气象数据，并保存成气象水文数据集；基于多元线性回归与奇异值分解的统计降尺度方法，具体的步骤为：将气象数据同预报因子之间用线性关系表示，即：，其中，参数意义为：为预报量，A为回归系数矩阵，为预报因子；将原始的高维气象数据映射到低维子空间中实现数据降维得到高分辨率气象数据，奇异值分解的定义为：，其中，参数意义为：矩阵中列向量为左奇异向量，矩阵为奇异值矩阵，为对角阵，为第个奇异值，矩阵中列向量为右奇异向量，矩阵展开为：，然后截取前个奇异值，在维空间中寻找与原矩阵距离最短的低维矩阵，则：；由数据驱动水位预测单元中的水位预测模块对保存后的初始数据集进行基于Transformer深度学习方法的水位预测模型构建，通过调整模型超参数得到准确的水位预测模型；基于Transformer深度学习方法的水位预测模型构建的方式如下：水位预测模块将气象水文数据集按照7:2:1的比例划分为训练集、验证集和测试集，在训练集上得到基于Transformer深度学习方法的水位预测模型，在验证集上调整该水位预测模型的超参数，在测试集上得到模型的性能指标，所述性能指标包括四种不同的统计评价指标，标准均方根误差、平均绝对误差、平均偏差误差和决定系数；基于Transformer深度学习方法的水位预测模型由两层编码器和一层解码器构成，其中：每层编码器由两个子层组成，每个子层包括多头稀疏注意力和位置全连接前馈网络模块，并通过残差连接和层归一化合并；解码器包括三个子层，即多头掩码稀疏注意力、多头稀疏注意力和位置全连接前馈网络模块，并通过残差连接和层归一化合并；其中多头稀疏注意力模块采用掩蔽操作来确定向量的稀疏性，将概率专门分配给输入序列中最重要的元素，然后为这些选定的位置计算注意力分数，并利用多头机制并发的计算每个头部的输出；其中多头掩码稀疏注意力模块用于掩盖掉当前时刻之后所有位置的信息；其中位置全连接前馈网络模块是一个两层的全连接层，对应表达式为：；其中残差连接用于解决多层网络训练的问题；其中层归一化用于加速网络收敛；由评价模块对水位预测模型性能进行评估；由敏感性分析单元对水位预测结果进行展示，利用趋势分析和显著性分析方法得到水位时间演化关系图，接着利用可解释机器学习方法得到气象和水文敏感性分析图；由判断单元将预测水位与区域的警戒和保证水位进行对比，若预测的水位值超过区域的警戒水位，则将该水位监测点的位置标记为警惕戒备的风险点，若预测的水位值超过区域的保证水位，则将该水位监测点的位置标记为临近洪水点，得到洪水警戒判断结果。

全文数据：

权利要求：

百度查询： 安徽大学 综合气象水文敏感性的洪水警戒方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD