[发明专利]一种地下水开采过度预警方法与系统

说明书

本发明提供了一种地下水开采过度预警方法与系统，本发明通过选取地下水水位相关的多个影响因子，并通过LSTM神经网络模型进行训练，通过LSTM模型的遗忘门、输入门以及输出门对训练过程中的参数权重进行控制，根据确定后的参数权重获得预测数据集，从而对地下水水位进行预测，当预测值达到地下水水位报警阈值时进行报警，从而实现地下水开采过度预警，本发明由于选取多影响因子，相比传统单变量预测，可大大提高预警精度。

技术领域

本发明涉及地下水技术领域，特别是涉及一种地下水开采过度预警方法与系统。

背景技术

地下水位作为地下水资源管理的重要依据，对地下水资源的合理开发以及可持续利用有着重要意义，但由于一系列的自然条件与人为活动的影响，地下水水位在时间线上呈现高度的滞后性。传统的地下水开采的预警方法往往采用简单的线性函数描述其动态变化特征，单纯采用地下水水位进行模型构建，忽略了外部条件的影响，结果往往不尽如人意。

发明内容

本发明的目的是提供一种地下水开采过度预警方法与系统，旨在解决现有技术中地下水开采预警模型局限于单一影响因子的问题，实现通过多个影响因素对地下水开采进行预警，提高预警精度。

为达到上述技术目的，本发明提供了一种地下水开采过度预警方法，所述方法包括以下操作：

选取地下水相关的多影响因子数据，进行标准化处理；

将标准化数据划分训练集与预测集，对训练集进行分割并输入隐含层，通过LSTM神经网络模型进行训练，并获取理论输出与实际输出结果；

根据隐含层的理论输出与实际输出确定参数权重，获得预测时序集；

根据预测时序集中的值与提前设置的地下水水位报警阈值进行比较，当达到阈值时进行地下水开采过度预警。

优选地，所述多影响因子数据包括地下水水位观测数据、开采量数据、降雨量、蒸发量、气温、日照气象数据。

优选地，所述标准化处理具体为：

式中，x^*为标准化后的值，x为标准化前的值，为原始数据每个变量的平均值，x_δ为原始数据集中每个变量的标准差。

优选地，所述根据隐含层的理论输出与实际输出确定参数权重具体为：

式中，y_i为理论输出，p_i为实际输出，当E_ms最小时的参数即为确定的参数权重。

本发明还提供了一种地下水开采过度预警系统，所述系统包括：

数据选取模块，用于选取地下水相关的多影响因子数据，进行标准化处理；

隐含层输出模块，用于将标准化数据划分训练集与预测集，对训练集进行分割并输入隐含层，通过LSTM神经网络模型进行训练，并获取理论输出与实际输出结果；

预测集获取模块，用于根据隐含层的理论输出与实际输出确定参数权重，获得预测时序集；

阈值比对模块，用于根据预测时序集中的值与提前设置的地下水水位报警阈值进行比较，当达到阈值时进行地下水开采过度预警。

优选地，所述多影响因子数据包括地下水水位观测数据、开采量数据、降雨量、蒸发量、气温、日照气象数据。

优选地，所述标准化处理具体为：

式中，x^*为标准化后的值，x为标准化前的值，为原始数据每个变量的平均值，x_δ为原始数据集中每个变量的标准差。