[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

说明书

本发明公开了一种基于人脸识别算法的实时洪水预报智能方法，通过提取和识别影响洪水演变过程的特征因子，明确影响场次洪水过程的要素和指标，建立形成特征因子组合与历史场次洪水的一一对应关系；通过建立静态参数库，获得不同特征因子组合下，场次洪水过程与水文预报模型及参数的配套关系；当面临当前场次洪水时，通过人脸识别算法实现当前水文气象条件与历史场次洪水过程对应特征因子组合的匹配，进而实现洪水过程针对性的实时预报。

技术领域

本发明涉及洪水预报方法，具体是一种基于人脸识别算法的实时洪水预报智能方法，属于水文预报技术领域。

背景技术

水文预报既是水旱灾害防御的重要技术支撑，又是水库兴利调度和资源高效利用的重要手段。近年来，我国水利事业飞速发展，一大批大型、巨型水利工程拔地而起，相继建成投产。水利工程的批量建设，在发挥巨大防洪、发电、航运、灌溉、供水、生态等综合效益的同时，也显著改变了流域天然河道情势和产汇流变化规律，给流域水文预报带来了极大变化和挑战。因此，合理利用新技术、新方法不断提高水文预报精度，对进一步提升水利工程精细化调度水平、更大限度发挥其综合利用效益具有重要意义。

目前，常规的洪水预报方法大多采用不同的输入条件对应同一水文模型或方法开展洪水预报，通过总体预报精度的控制，达到相关标准和规范的要求。这种计算方法简单实用，易于理解，但是面临一些问题，主要体现在：①预报精度存在提升瓶颈，在现有方法和应用范围内，洪水预报精度达到甲级标准（85%以上）已非常不易，应用效果最好的流域和断面也难以保证更高的预报水平；②模型选择存在较大困难，计算过程中通常将历史场次洪水过程划分为率定期和检验期，在率定期取得较好预报效果和精度的模型方法，在检验期往往效果不佳。上述问题在一定程度上限制了常规洪水预报方法的进一步发展和应用，尤其实时洪水预报精度的进一步改善和提升面临多重困难和较大挑战。

国务院下发《新一代人工智能发展规划》，将人工智能正式上升为国家战略。随着机器学习、深度学习、数据挖掘等人工智能技术的飞速发展，采用计算机实现水文预报智能化将成为可能。利用人工智能技术强大的信息提取和识别能力有望实现场次洪水过程的逐一预报计算，从而为场次洪水过程“量身定制”适用的模型方法，最大限度的提升预报精度。因此，结合人工智能技术提出更高效的洪水预报方法是十分必要的。

发明内容

为解决上述技术问题，本发明提供一种基于人脸识别算法的实时洪水预报智能方法，通过对历史场次洪水过程的分析，提取和识别影响洪水演变过程的特征因子，形成特征因子组合与历史场次洪水的一一对应关系，并建立场次洪水过程与水文预报模型及参数的配套关系，形成静态参数库；当面临新的洪水过程时，采用人脸识别算法实现当前水文气象条件与特征因子组合的匹配，若匹配成功，则直接调用相应的水文预报模型和参数，完成此次洪水过程的实时预报，若匹配不成功，则将当前水文气象条件形成的特征因子组合添加至静态参数库，形成一组新的配套关系，实现静态参数库的累积式成长。通过该技术可以实现每一场次洪水过程实时洪水预报的“量身定制”，能够利用人工智能技术更快速、准确地实现洪水预报，显著提高水文预报精度、有效延长水文预报预见期，具有适用性更强、推广度更高等优点，可以为水资源调度和水旱灾害防御提供更精确的水文信息支持。

为达到上述目的，本发明所采取的技术方案为：一种基于人脸识别算法的实时洪水预报智能方法，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：