[发明专利]一种基于人脸识别算法的实时洪水预报智能方法

权利要求书

1.一种基于人脸识别算法的实时洪水预报智能方法，其特征在于，包括以下步骤：

S1、获取脸谱集合：收集历史资料，基于流域产汇流规律分析和水文气象成因分析，提取并识别影响洪水过程的各类特征因子，并针对每一场次历史洪水过程形成相应的特征因子组合，作为该场次洪水过程的脸谱，即每一场次洪水过程会对应一张以特征因子为要素的脸谱，形成脸谱集合，

所述形成脸谱集合是将历史场次洪水对应的各张脸谱分别转换成维向量，并将其放置在一个集合中，如下式所示：

式中：为脸谱张数，即纳入集合的具有不同特征因子组合的历史场次洪水数量；为每张脸谱的维度，即每张脸谱所包含的特征因子的个数；

S2、建立洪水过程静态参数库，即针对每一场次洪水过程的脸谱所包含的水文气象要素，采用水文预报模型进行计算，将获得的预报结果与实际场次洪水过程进行对比分析，进而实现模型选择、参数率定及优选，建立洪水过程静态参数库；

S3、计算特征脸谱：利用所述脸谱集合，针对静态参数库中的每一场次洪水过程对应的脸谱，计算特征脸谱；

S4、针对当前水文气象实况信息，提取相应的特征因子组合，采用人脸识别算法匹配脸谱，若匹配成功，则直接调用脸谱对应的场次洪水过程及静态参数库中的模型和参数，完成洪水预报；若匹配不成功，则将当前特征因子组合作为一张新的脸谱，重新选择相同的水文预报模型进行计算，获得预报结果后存入静态参数库，同时更新计算特征脸谱，使得脸谱集合和静态参数库不断累积成长。

2.根据权利要求1所述的一种基于人脸识别算法的实时洪水预报智能方法，其特征在于：所述S1中的所述特征因子包括两大类，一类是流域下垫面条件，包括地形地质条件、植被覆盖情况、流域坡度变化；另一类是水文气象要素，包括降雨分布情况、分区累积雨量、前期影响雨量、土壤蒸散发；对于不同流域，可结合实时水雨情分析，确定所述特征因子选择。

3.根据权利要求2所述的一种基于人脸识别算法的实时洪水预报智能方法，其特征在于：所述S2中的所述水文预报模型包括集总式水文模型、半分布式水文模型、分布式水文模型；

其中，根据洪水预报不同阶段，又包括产流模型和汇流模型；对于不同流域，根据自然地理、时空分布、降雨情况的不同，可以选择不同种类的水文预报模型。

4.根据权利要求3所述的一种基于人脸识别算法的实时洪水预报智能方法，其特征在于，所述S3中的所述特征脸谱计算步骤如下：

S31、计算平均图像：针对获取的脸谱集合，计算平均脸谱图像，计算式如下：

式中：为平均脸谱图像向量，其实质是一个维向量，每一个元素是集合中所有向量同一元素的平均值；为脸谱编号；

S32、计算每张脸谱和平均脸谱的差值，计算式如下：

式中：为第张脸谱与平均脸谱图像的差值；

S33：计算特征脸谱；计算求得个正交的单位向量，里面的第个向量通过下式计算：

式中：为脸谱编号，；为中间计算变量，当取最小值时，即为单位正交向量，也叫特征向量；

其中需要满足如下条件：

求解实质上就是计算下式：

，

其中，

式中：为中间变量；

计算所得每一个特征向量相当于一张特征脸谱。