[发明专利]一种基于机器学习的流域洪水响应相似性分析方法

权利要求书

1.一种基于机器学习的流域洪水响应相似性分析方法，其特征在于：包括以下步骤：

1)数据的收集、处理与保存：收集待分析流域出口水文站点的径流数据，获得流域出口流量时间序列；收集待分析流域内各个雨量站点的降雨数据，计算流域的面雨量，获得流域面雨量时间序列；收集的径流数据及降雨数据需要覆盖10年或10年以上；对流域出口流量时间序列和流域面雨量时间序列进行等时段处理获得等时段流域出口流量时间序列数据和等时段流域面雨量时间序列数据保存至数据库中，并使用流域编码进行标识；

2)降雨场次自动划分：根据流域编码依次读取数据库中各流域的流域面雨量时间序列，并将流域面雨量时间序列划分为独立的场次降雨，划分方法为：设定时间阈值，当降雨过程的间歇时间超过阈值则视为两次降水过程，不足阈值的则视为一次降水过程；

3)洪水场次自动划分：根据流域编码依次读取数据库中各流域出口流量时间序列，以洪水的起涨和消落过程作为洪水事件的划分标准将其划分为独立的场次洪水；

4)降雨洪水事件匹配关联：将步骤2)中获得的场次降雨与步骤3)中获得的场次洪水进行匹配关联，关联匹配方法为：以场次洪水的开始时间T_i1为基准，设定窗口，设开始时间向前的窗口大小为L_a，开始时间至洪水事件最后一个峰值的窗口大小为L_b，则最终确定的窗口大小L_n＝L_a+L_b，若降雨事件的质心落入窗口中，则认为降雨事件与洪水事件为关联事件，视为一次雨洪事件；

5)生成降雨洪水事件样本集合：按照步骤4)中的关联匹配方法，依次寻找多个场次洪水序列所关联的降雨事件，筛选掉无法找到关联事件的场次洪水事件，从而得到元素一一关联的降雨事件集合与洪水事件集合；

6)生成降雨事件相似性矩阵：矩阵为主对角线元素为0的对称矩阵，矩阵大小为(n×n)，n为降雨事件个数，矩阵的元素(i，j)为降雨事件i与降雨事件j的相似度，使用DTW距离作为相似性度量标准，距离越小则相似性越强；

7)基于降雨相似性矩阵搜索洪水事件并分析相似性：

7-1设定距离阈值Th_dis，遍历搜索步骤6)中生成的降雨事件相似性矩阵中的每个元素，若元素(i，j)小于距离阈值Th_dis，认为降雨事件i与降雨事件j相似；

7-2寻找步骤5)所生成的集合中与降雨事件i所关联的洪水事件i以及降雨事件j所关联的洪水事件j，计算关联洪水事件i与洪水事件j的DTW距离，设定距离阈值Th_dis′，若洪水事件的DTW距离小于阈值Th_dis′，认为洪水事件i与洪水事件j相似；

7-3查询事件i与事件j所发生流域的流域编码；

7-4完成遍历搜索计算，对每个元素均进行步骤7-1～7-3的计算、查询并记录各降雨、洪水事件的关联流域编码及相似性；

8)流域洪水响应相似性评价：生成流域相似性评价矩阵，该矩阵为对称矩阵，矩阵大小为(N×N)，N为流域个数，矩阵元素(i，j)表示流域i与流域j的相似度；矩阵元素(i，j)值S(i，j)的计算方法为：

8-1当i＝j时，S为流域i的相似性度量基准，基于步骤7)中对降雨相似性矩阵的搜索以及对洪水事件的相似性分析记录，设发生于流域i的降雨事件中相似事件个数为N_r，N_r个降雨事件所关联的洪水事件中有N_f个为相似事件，则S(i，i)＝S(j，j)＝N_f/N_r；

8-2当i≠j时，S为流域i与流域j的相似性度量，基于步骤7)中对降雨相似性矩阵的搜索以及对洪水事件的相似性分析记录，若发生于流域i的降雨事件与发生于流域j的降雨事件中有N_r个为相似事件，N_r个降雨相似事件中有N_f个关联的洪水事件为相似事件，则S(i，j)＝S(j，i)＝N_f/N_r；

8-3流域洪水响应相似性评价：搜索流域相似性评价矩阵的元素，对于流域i与流域j(i≠j)，相似度为S(i，j)，相似性度量基准为S’(i，j)＝1/2(S(i，i)+S(j，j))，设定系数ρ，若S(i，j)＞ρ.S’(i，j)，则认为流域i与流域j具有相似的洪水响应。