[发明专利]一种结合水文过程数据和历史先验数据的洪水预测方法

权利要求书

1.一种结合水文过程数据和历史先验数据的洪水预测方法，其特征在于，包括如下步骤：

步骤1，收集水文要素，根据降雨数据加权聚类近似推算土壤含水量，构成初始数据集，对数据进行清洗，对缺失数据进行补充；

步骤2，根据流域特征选取通用水文模型，通过分析通用水文模型，获取水文过程中的变量之间的因果推理关系，对每组因果推理关系进行建模，采用有向图的形式进行表示，其中节点表示物理变量，边的方向表示因果推理关系，并以此拓扑结构构建贝叶斯网络；

步骤3，利用所述初始数据集中的历史数据，运行通用水文模型，模拟产生中间结果，历史水文要素数据和中间结果数据共同构成数据样本集，对样本集进行统计分析，获取历史先验知识，计算贝叶斯网络的每个节点的条件概率表，以实现对网络的训练，完成水文过程知识和历史先验知识的综合建模；

步骤4，对于综合建模的模型，输入新的水文要素，完成水文要素的预测。

2.如权利要求1所述的结合水文过程数据和历史先验数据的洪水预测方法，其特征在于，步骤1中加权聚类近似产生土壤含水量的步骤如下：

步骤1.1：收集整理历史降雨量；

步骤1.2：选取降雨特征，抽取出多个时段的累计降雨量作为特征；

步骤1.3：对多个特征初步赋权，再进行k-means聚类，获得多个聚类质心，计算相对湿润度A；

步骤1.4：对相对湿润度A进行排序，对聚类质心进行定级，评定土壤的含水百分比；

步骤1.5：在进行土壤含水量预测时，根据已有的降水特征，计算与各个聚类质心的距离，选取较近的质心评级近似该土壤含水量。

3.如权利要求2所述的结合水文过程数据和历史先验数据的洪水预测方法，其特征在于，相对湿润度其中w_i表示第i个聚类质心a_i的维度的权值，其中n表示聚类质心的维数。

4.如权利要求1所述的结合水文过程数据和历史先验数据的洪水预测方法，其特征在于，步骤2中获取水文过程知识的步骤如下：

步骤2.1：选定通用模型；

步骤2.2：在选定通用模型之后，分析水文过程中的变量及变量之间的因果关系，收集水文过程知识，对水文过程知识进行建模，采用有向图的形式来表示水文过程，其中节点表示物理变量，边的方向表示因果推理关系；

步骤2.3：根据已有的网络拓扑图，构建贝叶斯网络，网络为有向图，有向边起点变量作为有向边终点变量的条件，节点保存变量的条件概率表。

5.如权利要求4所述的结合水文过程数据和历史先验数据的洪水预测方法，其特征在于，收集水文过程知识，具体如下所示：

(E_t,P_t,WM_t)→(R_t+1,WM_t+1)

(S_t,R_t+1)→(S_t+1,RS_t+1,RI_t+1,RG_t+1)

(TRS_t+1,TRI_t+1,TRG_t+1)→(TR_t+1)

(Q_t-1,Q_t,TR_t+1)→(Q_t+1,…,Q_t+h)

其中，下标t表示时刻，h表示最大观测步长，E表示蒸发量，P表示降雨量，WM表示土壤含水量，R表示产流量，S表示自由水含量，RS表示地表径流，RI表示壤中流，RG表示地下径流，TRS表示全流域的地表径流出流量，TRI表示全流域的壤中流出流量，TRG表示全流域的地下径流出流量，TR表示全流域出流，Q表示流量。